- 博客(8)
- 收藏
- 关注
RSS订阅原创 数据标准:梳理业务主题、对象和事件的粒度应如何把握（干货）
对一级主题的逻辑细分，如营销拆分为"市场活动""销售线索"。由业务部门自行管理。判断一个主题粒度是否合适的三个问题：① 有没有独立的业务Owner？② 是否围绕1~2个核心业务对象？③ 端到端流程是否过长需要拆分？
2026-04-24 07:05:24
407
原创 数据治理第一步就要上主数据系统？90%的企业都踩坑了
此时不要碰主数据内容，先做数据地图（元数据采集），告诉大家这个字段在系统 A 叫 amount，在系统 B 叫 je，它们的口径差了一个"含税"。这是一个单行道时刻。ERP 上线的逻辑是"垃圾进，垃圾出"。但现实往往是这样的：项目启动会开完，IT 拿着标准文档找业务部门，"请你们把客户名字按这个规范填一下"，业务部门一脸不情愿："我订单都签不完，哪有空管你名字写'有限公司'还是'有限公司'？比如同一个客户"华为"，在 CRM 里叫"华为技术"，在 ERP 里叫"华为技术有限公司"，在售后系统里叫"华为"。
2026-04-23 07:08:33
521
原创 本体论不知道在哪用？怎么用？一篇说清楚
本体论不是万能药。如果你数据量很小（就几张表）、不用跟别的系统对接、业务逻辑也很简单（就是加加减减），那老老实实用数据库和SQL更省事。当你的问题复杂到常规方法已经搞不定了，再考虑本体论。你手上的问题属于上面哪种情况？欢迎留言聊聊，我们一起看看值不值得用本体方案。
2026-04-22 17:08:25
600
原创 竞品分析：AI Agent时代，电商人如何用“数字员工“实现降维打击
执行层才是AI Agent区别于传统BI工具的关键——它通过调用各类API和自动化工具，将决策转化为实际操作：价格调整（RPA/平台API）、广告优化（广告平台API）、素材生成（大模型API/设计插件）、库存预警（ERP API）、客服话术更新（CRM API）。：当AI Agent拿到10万条竞品评论时，数据清洗→情感分类（BERT/RoBERTa，准确率90%+）→实体识别与聚类（LDA主题模型或K-means）→大模型总结（GPT-4o或文心一言），最终转化为一段"人话"报告。
2026-04-21 14:32:52
674
原创 数据AI Agent的战场，不在酷炫的图表和分析语言，而在每个业务场景的毛细血管里
Data AI Agent的未来，绝不在那一两句漂亮的总结陈词里，而在每一个具体业务动作的微调中。一个没有场景Skill约束的Agent，就像一个读过万卷书却没出过门的书生，说话引经据典，办事寸步难行。而加上专属Skill的深度约束后，模型开始懂你的资金红线、懂你的仓库死角、懂你的客户脾气。此时它输出的不再是"可以参考的建议"，而是"可以直接执行的操作指令"。好在，建造这些"约束场景"的成本正在断崖式下降。企业不再需要为了一个自动化流程投入整支IT团队，轻量级的定制化正在成为主流。
2026-04-20 13:10:58
559
原创 我用 Trae + GLM5 踩过的那些坑
AI 开发工具确实强大，但它不是万能的。它更像一个"超能实习生"——干活快、知识广，但需要你给出清晰的指令、做好验收、及时纠偏。对于像我这样很久没写代码、靠 AI 重拾兴趣的人来说，它既是一个巨大的助力，也是一个需要学会驾驭的工具。用 Spec 做好规划，用测试守住底线，用分步验证确保每一步都踏实。这三招用好了，AI 就是你的神队友。如果你也在用 Trae、GLM5 或者其他 AI 辅助开发工具，欢迎留言交流你的经验和困惑。一起成长，一起少踩坑。
2026-04-19 19:24:40
500
原创 Harness工程让你的AI Agent从表演走向生产（原理和实践）
核心理念：每一次Agent执行出错，都不应该只是甩给用户一条报错信息❌反面教材Agent执行SQL报错：Error: Column 'user_id' is ambiguous用户复制报错，手动改好，然后默默关掉窗口。第二天，Agent再次遇到同样问题，再次报错。构建一个"错误-修复-沉淀"的自愈循环🔄 AutoFix Agent 流程捕获错误- query_data 执行失败，返回详细报错信息触发AutoFix- 将"原始SQL + 报错堆栈 + 表结构上下文"发送给AutoFix Agent。
2026-04-19 06:45:05
470
原创 指标中台最被忽视的痛点：不是指标定义僵化，而是维度既不标准，也不够灵活
指标中台的建设是一场持久战。解决指标口径统一的问题是"上半场"，让维度真正灵活起来是"下半场"。许多企业在上半场投入了大量资源，却在下半场遇到瓶颈——数据口径对了，分析能力却依然受限。而这一切的伏笔，往往在项目启动之初就已经埋下。当我们在收指标需求时，如果只关心指标名称和公式，而对维度划分轻描淡写地带过，那上线后的灵活性就注定是空中楼阁。当初收需求时，维度划分的细节有没有被认真对待？业务新增一个分析维度，需要多久？分钟级还是周级？维度可以任意组合下钻吗？还是只能按预设路径？维度的定义是统一的吗？
2026-04-18 09:06:47
548
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人