📖 适合谁：超管 / 数据团队 —— 想让"业务同事直接问数据、答案还带出处"，又不想把原始数据搬进平台的人
📖 阅读时长：9 分钟
📖 一句话：数据中台在营域AI 之上内嵌一套数据资产与问数能力：接入 SQL / API / 文件 / NoSQL / 文档五类数据源后，用联邦直连取数（原始数据默认不落库），让模型把自然语言问题翻译成查询、返回带来源标签的结构化答案，并把高频口径沉淀成企业资产——数据目录、统一指标、标签画像、人群圈选。顶部导航「数据中台」（路由 /data-center）进入，仅超级管理员可见。
它与知识图谱的分工：数据中台回答"是多少、怎么变、是否异常"；知识图谱回答"是谁、和谁有关、为什么关联、影响到哪里"。在「智能问数」里二者同时挂载，模型按意图自动选路。
功能全景
一、核心价值
- 数据不出门也能问数：五类数据源联邦直连取数，原始明细默认不落库——明细留在客户手里，平台只沉淀加工后的资产。
- 自然语言问数带证据：业务用大白话提问，模型翻译成查询，返回带来源标签的结构化答案（哪个源/表、是否脱敏、耗时），不排队等数据团队。
- 口径不再各说各话：把"活跃用户"这种重复问的口径定义成指标并发布，全平台引用同一份计算逻辑，从源头消除"三张报表三种算法"。
- 敏感数据可控可追 + 多源治理一体化：字段授权矩阵按 企业 × 角色 × 分级 决定放行/脱敏/不可见；血缘（表级+字段级）、分类分级、质量、告警与事故、GDPR/等保合规——一站式。
二、主要能力
左侧菜单分 四组 17 页面 + 8 项横切能力。
资产目录（4 页面）
| 页面 | 路由 | 能力速览 |
|---|
| 数据总览 | /data-center/catalog | 资产目录 + 统计卡 + 多维搜索 |
| 数据源管理 | /data-center/source | 注册 5 类源：测试连接 / 发现数据集 / 刷新 |
| 数据集字典 | /data-center/dataset | 补字段中文名/敏感/主键；LLM 自动补全 / 批量建议 |
| 智能问数 | /data-center/ask | 自然语言问数 + 反馈纠错 + 保存为指标沉淀 |
数据治理（6 页面）
| 页面 | 路由 | 能力速览 |
|---|
| 数据血缘 | /data-center/lineage | 表级 + 字段级血缘 / 上下游追溯 / 影响分析 |
| 分类分级 | /data-center/security | 列名规则自动分级 L1-L4 + 人工修正 + 分级报告 |
| 数据质量 | /data-center/quality | 5 类规则（完整性/唯一性/有效性/时效性/准确性）+ 质量大盘 |
| 授权与审计 | /data-center/governance | 字段授权矩阵 + 逐问记录 + 审计健康 + 按字段追责 |
| 数据使用分析 | /data-center/usage | 按人/数据集/字段/入口四维聚合 + 脱敏/拒绝/明文调用次数与失败率 |
| 企业知识库范围 | /data-center/role-scope | 知识库与企业的绑定；不在白名单则 GraphRAG 导入被 403 |
指标与标签（4 页面）
| 页面 | 路由 | 能力速览 |
|---|
| 指标平台 | /data-center/metric | 增删改 + 状态机（草稿→待审→已发布→已废弃）+ 计算/物化 + 血缘 |
| 标签平台 | /data-center/tag | 增删改 + 状态机 + 计算 + 物化宽表 + 血缘 |
| 人群圈选 | /data-center/audience | 标签组合条件圈人 + 预估人数 + 导出 CSV |
| 用户画像 | /data-center/profile | 单用户 360°：基础 / 行为 / 价值 / 预测 四维 |
智能与运维（3 页面）
| 页面 | 路由 | 能力速览 |
|---|
| AI Copilot | /data-center/copilot | 数据问答 Agent + 异常检测（Z-Score）+ 根因分析 |
| DataOps 监控 | /data-center/dataops | 监控大盘 + 告警规则（指标/质量/查询/源异常）+ 事故报告与 MTTR |
| 安全合规 | /data-center/compliance | GDPR 数据主体权利（导出/删除） + 等保 2.0 + 数据出境评估 |
横切能力（8 项）
- 联邦查询：按数据源类型分派适配器直连外部源取数，原始数据默认不落地
- 只读硬约束：强制只读校验（拒绝非 SELECT / 强制 LIMIT / 黑名单拦截）
- 查询脱敏：手机号/邮箱/身份证/银行卡按策略打码，历史行为逐字保留
- 审计三态：每次 SQL 记录明文 / 脱敏 / 拒绝三类列，互斥且穷尽
- 物化：只对"必须物化的资产"落库（指标结果、标签宽表、人群成员表）
- 定时调度：质量规则 / 告警 / 数据源探活 / 指标与标签物化
- 机器只读面：供其它内部服务（如营销中心）读取数据集字典与受限取数
- MCP 工具发布：对外暴露 23 个
dh_* 只读工具
三、典型应用场景
- 业务直接问数据：运营问"上个月华东区的复购率"，「智能问数」用大白话问，答案带来源标签，不排队等数据团队。
- 口径统一：同一"活跃用户"三个报表三个算法，定义成指标并发布，全平台引用同一份口径。
- 敏感数据可控：手机号能查不能明文看 → 字段授权矩阵设"脱敏" → 自动打码，且能追溯谁拿到过明文。
- 数据泄露定责：用「按字段追责」查字段每次访问的 7 种状态（明文/脱敏/拒绝/未返回/未知/系统计算/查询失败），配合「逐问记录」还原"谁、通过哪个渠道、问了什么、答了什么"。
四、使用指南
1. 入口与权限
- 顶部一级导航「数据中台」（图标为数据库），点击进入
/data-center，默认跳 /data-center/catalog
- 仅超级管理员可见；后端对全部管理端点强制管理员校验；指标写操作另有独立权限位
- 服务端解析出三级角色：超管 → 管理员；有角色绑定 → 数据负责人；其余 → 分析人员
2. 接数据源 → 补字典 → 配分级授权
- 「数据源管理」新增（SQL/API/文件/NoSQL/文档 5 类）→ 测试连接 → 发现数据集 → 刷新
- 删除确认原文：「将删除已发现的数据集和字段，不能恢复；不会删除外部源数据或上传文件」
- 「数据集字典」用 LLM 自动补全 / 批量建议补字段中文名——字典补得越齐，问数越准（模型主要靠中文名理解字段语义）
- 「分类分级」先点自动分级出 L1-L4 初稿，一定要人工复核（"电话"它认识，"cust_tel_no"未必）
- 「授权矩阵」先配默认行（
企业 = *）兜底，再对特殊企业/角色开特例；否则"忘了配就没拦住"
- 「企业知识库范围」想让知识库参与 GraphRAG 导入，先绑定；没绑的直接 403（这是设计不是故障）
3. 智能问数 → 沉淀指标
- 两个 Tab：「问数」/「审计日志」
- 输入占位：「请输入自然语言问题，例如：查询近 30 天各地区的销售额」
- 结果展示含：「查看生成语句」/「已脱敏」/「来源」/「数据集」/「耗时」/「结果已截断」/「Agent 执行轨迹」
- 答错点「回答有误」+ 给纠错 SQL → 反馈沉淀成后续问数参考样例
- 验证过的查询点「保存为指标」→ 直接生成指标草稿，避免下次重新生成
4. 配质量、配告警、做治理
- 数据质量：挂 5 类规则（完整性/唯一性/有效性/时效性/准确性），定时执行；质量掉了自动告警，不等业务发现报表对不上
- DataOps 告警：类型含指标异常/质量失败/查询延迟/数据源不可用；接收人留空会回退到创建人——建规则时就写清楚
5. 异常处理与回滚
| 异常 | 处理 |
|---|
| 改授权矩阵后立刻查数据仍看到旧结果 | 权限缓存有 30 秒延迟——当前进程立即生效，独立部署的 MCP 服务最坏要等约 30 秒 |
| 删数据源误删了数据集 | 删除确认强调**「将删除已发现的数据集和字段，不能恢复」**——不删外部源数据或上传文件，可重发现 |
| CDC 已配置但仍不是实时 / 多企业标签宽表数据混了 | CDC 目前只是登记，不会真同步；标签物化宽表是跨租户风险最高的地方——历史上存在缺企业隔离列的已知问题，做多企业前先确认 |
五、最佳实践
- 先接数据源，再补字典：发现数据集能自动登记字段，但中文名和说明要靠 LLM 补全——字典补得越齐，问数越准。
- 敏感字段一定要分级：默认按列名规则分级只是起点，"电话"它认识，"cust_tel_no"未必——必须人工复核。
- L1 最敏感，别记反：L1 最高最敏感、L4 公开。这个方向历史上反过、被全量翻转过一次，配授权矩阵时特别容易搞错。
- 授权矩阵默认行优先：
企业 = * 是全局兜底行，先配默认行再开特例——否则容易"忘了配就没拦住"。
- 物化的是结果，不是明细：明细走联邦直连（不落库），物化只针对跨源加工后的资产结果（指标值、标签宽表、人群成员）。明细留在客户手里，资产沉淀在平台。
- 高频问题必须沉淀成指标：同一问题问第二次就该做成指标，不要每次重新生成查询。只有「已发布」状态的指标会被定时物化并供异常检测盯盘。
- 审计口径要会读：明文/脱敏/拒绝互斥且穷尽；只有「明文」列能追责——别被"调用次数"误导。