資料中心 DataFocus OT 產品介紹
DataFocus OT · 企業本體平臺
讓 AI 進入業務，控制權留在你手裡
老闆在催 AI 落地，員工已經在用外面的 AI 工具，IT 和法務卻不敢把企業數據交出去。
DataFocus OT 用業務本體給 AI 三樣東西：一張讀得懂的業務地圖、一條有邊界的通道，以及一套要人批准的動作。這樣，你可以放心地對 AI 說"可以"。
AI 進企業，缺的不是模型
今天的大模型已經很聰明，但放進企業裡，常常缺三樣東西。
缺上下文
模型不認識你的業務。它不知道 CRM、ERP 和合同里的"客戶 A"是不是同一家，不知道"交付"算完工、發貨還是簽收，也不知道哪一版規則正在生效。直接給它數據庫，它只能去猜表名、猜關聯。
缺邊界
讓 AI 直接連數據，它能看什麼、能改什麼都不受控。給每個 AI 單獨配一套權限，既配不過來，也很快對不上。
缺行動能力
只會回答問題的 AI 價值有限。企業要的是發現問題之後能推進處理，而且每一步都在規則之內、有人把關。
業務本體補的正是這三樣。
什麼是業務本體
本體是圍繞一個業務主題建立的業務模型。以產品內置的"採購審批"示例本體為例，它由五部分組成。
| 組成 | 在 DataFocus OT 中 | 採購審批本體裡 |
|---|---|---|
| 業務對象與關係 | 把各系統的數據表組織到本體下，寫明表與表如何關聯及其業務含義，並在本體圖譜中呈現 | 採購申請、審批事件日誌、路徑變體、瓶頸、合規偏差、優化任務、審計記錄等 9 張表；例如"審計記錄按案例編號追蹤採購申請" |
| 規則與知識 | 文檔中心存放制度、規則和口徑說明，並關聯到它們約束的數據 | 合規偏差校驗規則、SLA 與瓶頸識別規則、事件日誌口徑說明、任務寫回與審計 SOP |
| 指標 | 指標中心，按計劃推送給相關人員 | — |
| 動作 | 執行腳本（計算、校驗、寫回）；控制面板上的業務動作 | "合規偏差檢測"腳本；面板上的重新挖掘、生成整改任務、要求補證、關閉偏差、重開偏差 |
| 權限 | 沿用企業的用戶、角色和資源權限；按本體授權給 AI Agent | 只有被授權的人和 Agent 能看到這個本體 |
每個本體都配有一個本體智能體：用自然語言向它提問，它會結合本體中的數據和文檔給出有依據的回答，還可以調用本體中的執行項完成分析或寫回。
AI 幫你搭本體。搭本體不必從零手工開始：
- 界面上可以讓 AI 生成執行腳本、生成和修改控制面板的草稿，校驗、預覽之後再保存；
- 外部 Agent 可以根據數據和文檔起草本體，提出需要確認的業務問題，由業務負責人確認後發佈產品方告知 產品方說明已有，本站尚未實測。。
看得見的證據
同一個問題，業務人員和 AI 得到同一組數字（使用產品內置的示例數據）。
業務人員 · 數據搜索輸入"申請部門 金額"
AI Agent · Claude Code 通過 MCP 問同一個問題
金額合計最高的是運營保障部，為 7,842,000 元。
- 運營保障部7,842,000
- 採購部6,966,000
- 數字化部5,786,000
依據：查詢 Demo_流程挖掘_採購申請主數據表，執行 SELECT "申請部門", "幣種", SUM("金額") … GROUP BY "申請部門", "幣種"；回執中的數據指紋 evidenceRowsSha256 = 98e5b99a…d159。（回答摘錄）
兩邊的數字逐項相同
本體帶來什麼
一次定義，處處複用
業務口徑在本體裡只定義一次，搜索分析、看板、控制面板、本體智能體和外部 Agent 都用它，得到的是同一組數字。
AI 的回答有依據
AI 沿著本體裡定義好的對象和關係去找數據，不靠猜；每次查詢都返回實際執行的 SQL、所用的數據表和數據指紋。
AI 不越界
權限跟著本體走：Agent 只能拿到授權用戶本人權限內的數據，越權請求不會透露數據是否存在，權限一收回就失效。
從發現問題到解決問題
業務人員在控制面板上選中一條異常，就能生成整改任務、要求補證或關閉偏差；AI 要做改動，只能提交草稿，經人批准後才會生效。
功能之外的價值
敢對 AI 說"可以"
很多企業卡在中間：老闆催 AI 落地，IT 和法務不敢開放數據，員工已經在把數據複製給外面的 AI 工具。DataFocus OT 把"禁止"變成"受控地允許"：有權限、能撤銷、改動要批准。AI 用起來了，數據也不再從後門流出去。
掌握 AI 時代的主動權
模型更新得很快。業務知識沉澱在你自己服務器上的本體裡，接入哪個模型、哪個 Agent 由你決定；換了也不用從頭再來，業務知識也不會交給某一家 AI 廠商。
越用越值錢
第一個本體是投入。第二個場景可以複用已有的對象、規則和權限，每多一個 AI 應用，成本就更低。一次性的 AI 試點做完往往就扔了，本體會留下來。
出了錯，能追到責任
每次查詢都有回執，每次變更都有審批記錄，Agent 的全部操作還會記入審計日誌產品方告知 產品方說明已有，本站尚未實測。。用了哪份數據、按哪條規則、誰批准的，都查得到。AI 可以追責，管理層才敢放行。
知識留在公司
老員工腦子裡的規則和處理辦法變成本體。人員流動，知識還在；新同事和新的 AI 應用都從這裡開始。
為什麼是 DataFocus
很多產品都說自己有"本體"。常見的做法大致有四類。
| 做法 | 擅長 | 不足 |
|---|---|---|
| 知識圖譜：從文檔中抽取實體和關係 | 檢索和問答 | 金額、彙總等數字靠模型生成，算不準；沒有業務動作 |
| 指標層或語義層：數據平臺自帶 | 報表數字準確 | 沒有規則文檔和業務動作；綁定在該平臺上 |
| 數據目錄 | 說明數據在哪裡、是什麼 | 只描述數據，不參與業務運行 |
| 重型本體平臺 | 功能完整 | 價格高、實施重，依賴駐場團隊；AI 多綁定自家產品 |
DataFocus OT 的做法
數字算得準。底層是真實的計算引擎（Flash 用 Apache Doris，Heavy 用 Trino 等），回答來自實際執行的 SQL，並帶可核對的回執，不讓大模型去"估"數字。這建立在 DataFocus 搜索式分析產品的基礎之上。
數據、規則、動作在同一個本體裡。數據告訴你發生了什麼，規則告訴你應該怎樣，動作讓你接著處理。
對 AI 開放，但默認受控。用標準 MCP 和 OAuth 接入任何支持 MCP 的 Agent；權限繼承、實時撤銷、變更審批、查詢回執都是內建的，不是外掛的。
輕。私有化部署，Flash 一個引擎就能運行；從一個本體起步，不需要龐大的駐場團隊；AI 還能幫你搭本體。
人和 AI 共用。業務人員手上的搜索分析、看板和推送，用的是同一個本體。投入一次，兩邊受益。
功能一覽
業務人員
- 搜索式分析：輸入列名和關鍵詞即可得到圖表，可查看實際執行的 SQL，支持時序預測和歸因分析。
- 智能問數：用自然語言向 AI 助手"小慧"提問，由它轉換成查詢。
- 本體工作臺：與本體智能體對話，由它結合數據和文檔給出分析。
- 控制面板：查看業務狀態，直接執行業務動作。
- 問答、數據看板，以及定時推送到企業微信、釘釘、飛書。
- 數據填報：設計填報表單，收集和管理數據。
- 21 種界面語言，包括簡體中文、繁體中文、English、日本語、한국어。
AI Agent（通過 MCP 接入）
- 標準 MCP 接口（Streamable HTTP），通過 OAuth 授權；Claude Code 等客戶端可以直接接入。
- 讀取本體、資源和圖譜，在本體範圍內執行只讀查詢，結果附帶 SQL 和數據指紋。
- 提交控制面板等變更草稿，經人工審批後應用。
- 通過 DataFocus 用自然語言完成分析，委託本體智能體執行任務產品方告知 產品方說明已有，本站尚未實測。
AI 自動建模研究產品方告知 產品方說明已有，本站尚未實測。
選定一張業務數據表、設定預測目標和評價指標後，AI 會按以下步驟完成建模研究：
- 先調查數據，再提出基線和候選方案；
- 調用平臺訓練模型並比較效果；
- 用一份事先留出、只用一次的數據，對選定的模型做獨立評分；
- 確認有可靠提升才採用，沒有提升就如實報告；
- 用戶在頁面上下載預測結果和模型訓練包。
整個研究受預算和數據權限約束，可以暫停和恢復；收回數據權限後，研究會隨之停止。
數據與 IT 團隊
- 數據接入：導入數據表、接入外部數據源，建立數據集和公式。
- 數據治理：資產目錄、資產全景、數據服務 API。
- 系統管理：組織架構、角色與資源權限、AD/LDAP 賬號同步，以及外部 Agent 的操作能力和變更審批。
兩個版本
| 對比項 | OT Flash | OT Heavy |
|---|---|---|
| 計算與存儲 | Apache Doris，內存計算與數據倉庫合一 | Hadoop、Hive、Trino、Iceberg |
| 業務本體 | 支持 | 支持 |
| AI Agent 接入（MCP） | 支持 | 支持產品方告知 產品方說明已有，本站尚未實測。 |
| 數據加工 | — | ETL（DataSpring，基於 Flink） |
| AutoML 與 AI 自動建模研究 | — | 支持產品方告知 產品方說明已有，本站尚未實測。 |
| 適合 | 想先在一個業務域快速建起本體，數據可以集中到一個分析引擎的團隊 | 數據量大、已在使用大數據平臺，並需要數據加工和建模的企業 |
第一步：從一個本體開始
- 選一個業務問題：有數據、有制度文檔、有明確負責人，例如訂單交付或採購審批。
- 帶上相關的數據表和規則文檔，建起第一個本體。
- 讓業務人員先用起來，再授權一個 AI Agent 接入。
- 跑通之後，擴展到下一個業務主題。
- 私有化部署：安裝在企業自己的服務器上。大模型服務由管理員在系統中配置；使用外部模型時，請按企業的數據政策確認傳輸範圍。
- 配套資料：中英文用戶手冊（截圖均取自真實產品界面），以及 Agent 與 MCP 接入手冊。
產品方告知 產品方說明已有，本站尚未實測。 產品方說明已有，本站尚未實測。