从指标模型延伸到业务本体,解释业务对象、关系、指标、规则和权限如何服务 AI 分析,并给出建设与验证步骤。
企业数据本体描述业务对象、对象关系、属性与规则,帮助 AI 把业务用语对应到可识别的实体、指标和知识。可从一个经营问题梳理对象边界,并用对账、歧义和权限题验证。
指标字典能够说明一个指标叫什么、如何计算,但真实问题往往还包含业务对象、关系和约束。例如“本月华南区域客户收入增长最快的前三名”至少需要明确:客户按集团客户还是合同主体识别,“华南”采用哪个时点的组织范围,“收入”指签约金额还是确认收入,“增长最快”按增量还是增幅排序,比较基期是什么。
如果这些要素散落在字段名、报表 SQL、员工经验和部门文档中,模型即使能生成看似合理的查询,也可能选择错误口径。业务本体的目标,是围绕具体业务将对象、属性、关系、指标、术语与规则组织起来,帮助分析应用在明确范围内理解和执行任务。
业务对象:客户、合同、产品、区域、订单等,每类对象需要定义身份、来源、适用范围及责任人。客户可以同时具有集团主体与签约主体两种身份,不能只看名称是否相似。
关系与粒度:客户与合同、合同与订单如何关联,关系在什么时间有效;一对多连接是否导致金额重复。关系不只是画线,必须能够与实际数据和业务规则核对。
指标与维度:确认收入、签约额、客户数等指标具有业务定义和计算规则,地区、时间、产品等维度规定统计切分方式。指标管理与业务本体需要互相衔接,避免出现两套互不一致的定义。
语言与业务规则:把“前三”“Top 3”等不同表达映射到相应分析意图;对于“增长最快”这种可能有多种含义的表达,记录需要澄清的选择。权限和有效期也属于使用规则:可以理解一个对象,不意味着可以查看其所有数据。
SmartBI 长期围绕业务分析建设数据模型与指标管理。企业可先用 SmartBI 数据模型组织来源、关联和维度,再通过 指标管理统一指标定义、模型封装及调用,让报表与 AI 分析有共同业务基础。
在这一基础上,SmartBI 对业务本体的建设思路,是把指标、维度、表关系、业务规则和不同自然语言表达进一步组织为可复用的语义资产。企业使用 AI 分析时,可以先匹配有关对象、指标与约束,再组织计算、核查权限和返回结果。SmartBI 正在探索将这些语义资产进一步组织为业务本体,让数据关系、业务规则和分析语境更好地服务 AI。
这一方向的意义是让已经明确的业务规则参与计算,而不是把全部业务判断留给模型临时猜测。对无法判断或数据不足的问题,系统与业务流程应能够提出澄清或进入人工处理;最终行为需通过项目测试验证。
不要只看图谱有多少节点。应检查真实问题能否映射到正确指标、关系与授权范围;业务规则是否有负责人、来源和版本;遇到歧义、无数据或无权限时能否给出合适处理;指标变更后能否定位需要回归的应用。
试点时可准备同义问题、跨期、组织调整、一对多关联、无权限和无数据六类测试。规则、图算法和模型协同的具体实现并不天然保证所有结果正确,业务部门仍需确认关键口径与验收结果。
指标字典解释数字如何定义和计算。业务本体补充客户、产品、合同等对象的关系及状态规则,帮助 AI 判断应该使用哪种业务语境。
试点可用对象目录、关系表、指标映射和规则条目描述业务语义。是否采用图谱,应根据关系复杂度、查询方式和维护成本判断。
从业务任务倒推需要区分的对象,例如集团客户与签约主体。定义主键、归属关系和历史变更规则,再用真实数据检验汇总结果。
设计用词相同但对象不同、需要区分关系方向的测试题。检查 AI 选中了哪个对象和指标,并用权威结果或基准查询验证。
本文内容通过AI工具匹配关键字智能整合而成,仅供参考,SmartBI不对内容的真实、准确或完整作任何形式的承诺。具体产品功能请以SmartBI官方帮助文档为准,或联系您的对接销售进行咨询。如有其他问题,您可以在线咨询进行反馈。
覆盖传统BI、自助BI、现代BI不同发展阶段,满足企业数字化转型的多样化需求
电话:
邮箱:
一对一专属咨询