← 返回博客

DataFocus · 博客

從零開始:小團隊用 OT Flash 搭 AI 資料底座合理嗎?

對沒有資料平臺的小公司,OT Flash 的單引擎設計和“一個業務問題一個本體”的做法是合理的起點,前提是預留伺服器、模型呼叫和運維的投入。

可以,但有條件。對於沒有資料倉儲、沒有資料管道團隊、也沒有語義層的中小企業,OT Flash 是合理的第一個底座:DataFocus 把它設計成一個引擎(Doris 同時作為計算引擎和資料倉儲)加每個業務問題一個本體,需要維護的部件很少。條件也是實打實的:“免費”自建仍然要為專用伺服器、模型呼叫和負責執行的人付費。如果你的資料放得進一個分析引擎,並且能說出一個有負責人的業務問題,就從這裡開始;如果你已經在執行 Hadoop 級別的平臺,或者需要重型資料管道,請看別的方案。

小團隊真正缺什麼?

多數小公司並不缺 AI 工具。他們缺的是工具底下的三樣東西:數字所在的同一個地方、對這些數字的統一定義,以及對每個答案負責的人。沒有這三樣,每個 AI 試點最後都得從電子表格裡重建上下文。

外部證據也指向同一個方向。MIT Project NANDA 2025 年 7 月的報告 The GenAI Divide: State of AI in Business 2025(英文)發現,對企業級生成式 AI 工具,60% 的組織做過評估,20% 進入試點,5% 進入生產;作者把停滯主要歸因於工具“不會學習,也不能很好地融入工作流”(原文為 "don't learn and don't integrate well into workflows")。作者同時說明,這些數字是“方向上準確”("directionally accurate"),依據的是訪談而非經審計的報告,所以應當把它們看作一種趨勢,而不是測量結果。BCG 2025 年 9 月對 1,250 位高管的調研(新聞稿(英文)、報告(英文))顯示,60% 的公司屬於落後組,幾乎沒有從 AI 中獲得實質價值。

這兩項研究都不是專門針對小公司的,也不能證明任何關於 OT Flash 的結論。它們說明的是:差距通常出在整合和口徑上,而不是模型質量。小團隊負擔不起用五個元件的資料棧來填這個差距。

為什麼一個引擎能減少部件?

面向分析加 AI 的典型“現代資料棧”,攝取、儲存、轉換、語義層、BI 和 AI 介面各是一塊。每一塊都是一份要維護的契約、一套要管理的登入,也是口徑可能漂移的地方。

DataFocus 在版本頁面(英文)上對 OT Flash 的描述不同:Apache Doris 同時充當記憶體計算引擎和資料倉儲,口號是“一個引擎,快速起步。”,該版本面向希望儘快跑通一個業務域、資料可以放在單一分析引擎裡的團隊。Flash 的 Agent 手冊補充說,Flash 的查詢經由 Doris 執行,Trino、Hive 和 Hadoop 不在它的 Agent 入口之內。

對小團隊來說,這在實踐中意味著:

關注點Flash 資料中的說法
資料存放位置匯入的業務資料儲存在 Doris 內部表中(GitHub README)
資料如何進來本地 CSV、Excel 或 JSON 檔案,外部資料庫,API 和 HTTP 資料來源;定時表匯入任務(r57 手冊(英文))
表的輕量加工表關聯(Join Worksheet)、表合併(Merge Worksheet)、SQL 檢視、資料集和公式;手冊將它們描述為表級工具,而不是完整的 ETL 引擎
定義存放位置業務定義設定一次,即可用於搜尋分析、資料看板、控制面板、本體 Agent 和外部 Agent(產品簡介(英文))
AI 答案如何有依據每次查詢都會返回實際執行的 SQL、用到的表和資料指紋;答案來自真正執行過的 SQL,而不是模型估算的數字
機器上執行什麼監控頁面列出 df-webserver、df-search、df-biserver、df-doris-fe、df-doris-be、df-pgsql、df-redis 和 df-nginx 等容器

最後一行是個有用的現實檢驗:“一個引擎”不等於一個程序。你仍然要運維一組服務。但它們一起交付,並在同一個 System Manager 頁面裡監控,這與自己拼接、分別升級多個獨立產品,是不同量級的運維負擔。

取捨同樣是明確的。DataFocus 把 ETL 和 AutoML 列在 OT Heavy 中;產品簡介顯示 Flash 不提供這兩項。Flash 仍然可以匯入和重新整理資料,但如果你的方案依賴多階段資料管道,Flash 並不是圍繞這個目標設計的。

為什麼一個業務問題對應一個本體?

在 OT Flash 中,本體是圍繞一個業務主題建立的知識空間。它彙集相關的表、業務文件、指標和資料看板,並帶有一個本體 Agent,只基於該本體的資料和文件作答。

產品簡介建議的順序有意收得很窄:選一個既有資料、有制度文件、又有明確負責人的業務問題(它的例子是訂單交付和採購審批),帶入相關的表和規則文件,建立第一個本體,讓業務使用者先用起來,再授權一個 AI Agent,之後才擴充套件到下一個業務領域。

對小團隊來說,這個形態是對的。一個問題意味著:有一個能判斷答案對不對的負責人,有一套需要統一的定義,也有一小塊範圍,可以在任何 Agent 接觸之前先把許可權圍起來。

前 30 天的範圍可以怎麼定?

下面的計劃是一個假設場景,面向大約有一位懂資料的工程師和一位業務負責人的公司。它應用的是 DataFocus 公開的入門指引;各周的劃分是我們的建議,不是 DataFocus 的標準流程。

  1. 第 1 周:定義任務。 按入門指南的要求,寫下業務問題、業務負責人、驗收標準和允許的範圍。示例:“本週哪些未完成訂單將錯過承諾交付日期?”,負責人為運營負責人。
  2. 第 1 周:準備伺服器和決策事項。 過一遍 DataFocus 的準備清單:使用範圍、作業系統和架構、容量、資料授權、模型選擇、資料出口和備份責任人。
  3. 第 2 周:先用合成數據。 指南推薦這樣做,並說明不要在互動演示中輸入客戶資訊。這一週用來在沒有風險的情況下熟悉本體的各個模組。
  4. 第 2–3 周:以只讀方式連線真實資料來源。 r57 手冊建議為 OT Flash 使用專用的只讀資料庫賬號,只能訪問你要分析的庫和表。匯入這個問題需要的兩三張表,並確定重新整理頻率,DataFocus 的選型說明要求你提前規劃這一點。
  5. 第 3 周:統一口徑。 “承諾日期”“未完成訂單”和“延誤”在本體中各定義一次,由負責人確認。
  6. 第 4 周:先讓業務使用者用,再接 Agent。 讓負責人使用搜索、答案和資料看板。只有數字值得信任之後,才在該本體上授權一個 AI Agent。

第 30 天的驗收標準很簡單:負責人從搜尋、資料看板和 Agent 得到同一個數字,並且能看到其背後的 SQL。

免費自建之後還剩哪些成本?

DataFocus 對此說得很直接:OT 自建在你自己的伺服器上,“伺服器、模型呼叫和第三方服務由你承擔。”請為以下幾項預留預算:

  • 專用伺服器。 系統要求和支援的平臺列在 Flash 的發行說明中;資源規劃應圍繞資料量、併發和模型要求。
  • 模型呼叫。 由管理員配置大模型服務。如果使用外部模型,DataFocus 提示要依據你的資料政策,確認哪些內容會發送給它。
  • 授權與配置。 README 說明,新安裝需要針對具體例項的產品授權和模型配置。
  • 備份。 README 描述了把 Doris 線上快照備份到相容 S3 的儲存,並指出恢復時服務會中斷。需要有人負責並測試這件事。
  • 人力時間。 升級、聯結器檢查和使用者支援。

兩個版本都可以從下載頁面(英文)免費下載,安裝程式和發行說明發布在 OT Flash 和 OT Heavy 的 GitHub 倉庫中。

什麼時候該告別 Flash?

當讓 Flash 有吸引力的那些約束開始變成束縛,它就不再是合適的選擇:

  • 資料不再放得進一個分析引擎,或者你已經在執行 Hadoop/Hive/Trino 平臺。DataFocus 把 OT Heavy 定位給大數據量、已有大數據平臺,以及需要資料管道和建模的場景。
  • 你需要內建的 ETL 或 AutoML。 DataFocus 把它們列在 Heavy 中,而不是 Flash。
  • 你需要超出 Flash 發行說明所列範圍的平臺或高可用部署。

一條站得住的判斷規則:如果你能說出一個業務問題、一個負責人,以及不到幾張的來源表,就從 Flash 開始。如果你的第一個問題就需要一支資料管道團隊,那麼 Flash 不是合適的第一步。

下一步

閱讀下載頁面(英文)上的版本對比和 OT 產品簡介(英文),然後在安裝任何東西之前,先寫下你的第一個業務問題和它的負責人。