Data Engine

企业运营数据沉淀在多个业务系统（如销售、客户、库存）中，业务人员希望用自然语言直接"问数"，但长期面临三重矛盾：依赖 BI 团队排期、门槛高，非技术用户难以自助；直接让大模型访问数仓时，业务指标的统计口径靠模型猜测，容易生成错误；AI 接入企业数据系统后，若权限判断停留在提示词或应用层则容易被绕过。准确与安全成为"AI 问数"进入生产的两条底线。Data Engine 为企业实施面向业务数据的自然语言智能问答提供了参考方案，确保"答得对"和"看得住"。

1. 口径准确：业务指标由版本化的语义层定义，由系统确定性地自动生成查询，让"猜"变成"查"，避免大模型即兴创作，从架构上消除统计口径错误；
2. 权限安全：权限控制点从应用层下沉到数据库引擎层，系统确认用户身份后，数据库只返回权限范围内的数据；用户在登录时就锁定权限，后续操作无法绕过。本方案的全部资源部署在客户自有的亚马逊云科技账号内，数据存储、查询与权限均不出域。它能帮助业务人员自助、可信地访问企业数据并获得洞察，并为基于企业数据"主动洞察—归因—建议—行动—回测" 的长期闭环应用打下基础。

1. 统一企业指标体系：将分散在人员经验、业务文档和历史查询中的统计口径沉淀为可管理、可复用的企业资产。
2. AI 与系统职责分离：AI 负责理解用户问题，系统按照企业确认的业务定义完成计算，降低模型猜测口径带来的错误风险。
3. 身份、权限与审计链路打通：每次查询按照当前用户的实际授权范围访问数据，并保留可追踪记录
4. 多数据平台支持：支持企业现有的数据仓库、数据库和数据湖，提供一致的数据访问与治理方式。
5. 正式指标与探索性分析区分：核心指标提供稳定、可信的正式结果；临时分析保持灵活性，同时明确说明结果性质。
6. 标准化部署与配置：降低在不同环境中安装、升级和扩展本方案的成本。