高价值使用场景
明确数据要支持哪个决策、流程或 AI 任务，以及谁使用、使用频率和成功标准。
DIRECT ANSWER
先说结论。
数据平台不应从“先接入所有数据”开始，而应先选择一个高价值业务场景，确认所需数据源、责任人、业务口径、质量规则、权限和使用方式。第一阶段需要形成可追溯的数据链路、可复用的数据模型与服务，并用真实业务结果验证，再逐步扩展。
01 / HOW TO CHOOSE
先看当前情况，
再选择实现路径。
同一个项目名称可能对应完全不同的工作量。先按用户、流程、系统与风险判断，再比较方案和报价。
| 当前情况 | 建议路径 | 判断依据 |
|---|---|---|
| 只需要固定经营看板 | 先建设主题报表 | 数据源少且口径稳定时，优先解决展示与分析，不必一开始建设完整平台。 |
| 多个系统口径不一致 | 先做数据治理与主题模型 | 需要定义标准、责任人、映射、质量规则和问题闭环。 |
| 多个应用重复取数 | 建设数据服务层 | 将稳定模型通过 API、查询或数据产品方式复用，减少系统间重复连接。 |
| 需要为 AI 提供上下文 | 建设受控数据服务 | 按场景提供必要字段、语义、权限、脱敏、检索与审计，不直接暴露原始全量数据。 |
02 / BEFORE START
启动项目之前，
准备好这些输入。
资料不必一次完整，但关键责任、现有条件和不可改变的边界需要尽早说明。
数据源与责任人
列出系统、表、文件、接口、更新频率、数据拥有方和异常联系人。
业务口径与主数据
统一客户、商品、项目、组织、时间等关键对象的定义、编码和映射规则。
质量规则与问题闭环
定义完整性、准确性、一致性、及时性检查，并记录问题、责任和处理结果。
权限、隐私与留痕
按用户、角色、字段和用途授权，明确脱敏、导出、保留、删除和访问日志。
服务与持续运营
确定报表、API、查询、检索或数据产品的服务方式，以及变更、监控和成本责任。
03 / ACCEPTANCE
把“做完了”，
变成可执行的验收。
验收标准应在开发前确认，并使用真实角色、数据和运行环境验证。
接入与血缘
能够追踪关键指标从源系统到模型、规则和最终应用的完整路径。
口径与质量
同一指标在约定场景中含义一致，质量问题能够被发现、定位、分派和复核。
权限与审计
不同角色只能访问允许的数据，敏感字段、下载、共享和服务调用具有日志。
服务可用性
报表、接口或检索服务在约定更新频率、性能和异常恢复范围内稳定运行。
04 / RELATED WORK
从指南进入服务，
再参考相近项目。
服务页说明交付能力，项目页展示对应方向的业务和建设内容。
05 / FAQ
围绕真实决策，
继续回答常见问题。
如果您的系统、数据或上线条件不同，可以在沟通项目时进一步确认。
数据中台和报表系统有什么不同？
报表主要展示结果；数据平台还需要处理接入、模型、口径、质量、权限、目录和复用服务，为多个应用提供一致基础。
是否应该一次接入所有系统？
通常不建议。先从一个高价值场景和关键数据源验证口径、质量、权限和服务，再按优先级扩展。
历史数据质量很差还能开始吗？
可以，但要先盘点可用范围，定义清洗、补录、例外和责任机制，并区分可修复数据与只能保留说明的数据。
数据平台怎样为 AI Agent 提供数据？
通过受控 API、查询、检索或摘要服务提供任务所需上下文，并限制字段、身份、用途、脱敏和日志。
06 / REFERENCES
参考资料。
以下为本指南使用的标准组织、平台或政府机构资料；具体项目仍需结合业务和适用要求确认。
- 01The Government Data Quality Framework ↗UK Government
用于理解数据质量维度、责任和持续改进机制。
- 02NIST Privacy Framework ↗NIST
用于规划数据处理、隐私风险、治理与生命周期控制。
- 03Apache Atlas Documentation ↗Apache Software Foundation
用于参考元数据、分类、血缘与数据治理能力的技术组织方式。
GUIDE 05 · NEXT STEP