Aloudata 数据技术词典

Agentic Workflow

Agentic Workflow 是一种由多个智能体（Agent）通过自主规划、工具调用、协作与反思等机制，完成复杂任务的自动化工作流。它通过将任务分解为可执行的步骤序列，并动态调整执行路径，实现对目标导向的、开放式、多步骤业务问题的端到端智能处理。

多智能体协作

多智能体协作是一种人工智能系统架构范式，指多个具备特定能力、知识或目标的智能体（Agent）通过通信、协商、任务分解与组合等方式协同工作，以解决单个智能体难以处理的复杂问题。它旨在模拟人类团队协作，通过分工与协同实现超越个体能力的集体智能，以解决开放、动态环境下的复杂问题，确保更高的任务完成度、鲁棒性和效率。

数据智能体

数据智能体是一种基于人工智能和大语言模型构建的智能问数软件实体，它能够自主或半自主地理解、规划并执行复杂的数据查询和分析任务。它通过自然语言交互的方式，感知数据环境、理解用户意图、调用工具并生成洞察或行动建设，降低数据查询和分析技术门槛，告别 ETL 依赖，推动“数据民主化”。

Aloudata Agent

Aloudata Agent 是 Aloudata 自主研发的企业级分析决策智能体，旨在通过自然语言交互，让业务人员能够自主、可信、深度地进行数据查询和分析。它基于统一的指标语义层和创新的 NL2MQL2SQL 技术路径，将自然语言问题转化为指标查询语言（MQL），再由指标语义引擎自动生成 SQL 语句，帮助企业实现从“智能问数”到“智能归因”再到“决策建议”的智能分析闭环。

NL2MQL2SQL

NL2MQL2SQL 是由 Aloudata 独创的、用于企业级数据分析智能体建设的技术路径。相较于 NL2SQL 技术路径，其通过引入统一指标语义层作为“中间语言”，能够将自然语言问题先转换为精确的指标语言查询（MQL），再生成可执行的 100% 准确的 SQL 语句，从而确保分析意图的准确传递与业务口径的一致性，避免“数据幻觉”，解决语义理解偏差、口径不一致和结果可信度低等问题。

NL2SQL

NL2SQL 是一种技术路径，通过利用大语言模型将用户的自然语言问题自动转换为数据库查询语言 SQL，让非技术用户也能够通过对话方式高效自助查询数据，降低数据获取门槛，提升数据查询和分析效率，是推动“数据民主化”的关键技术路径之一。

语义层

语义层是数据架构中位于物理存储与业务应用之间的抽象层，它通过统一的业务术语、计算规则和关系定义，将底层复杂的技术数据映射为业务人员可理解、可信任的“业务事实”，是实现数据业务化与自助分析的关键。

预计算

预计算是一种通过提前计算并存储中间或最终结果，以空间换时间的数据处理策略。它旨在优化海量数据查询性能，通过在数据查询前预先执行复杂的计算逻辑，将结果物化到存储介质中，从而在发起查询请求时能够快速返回结果，实现高性能数据服务，避免实时计算开销。

智能归因分析

智能归因分析是一种基于数据与算法的自动化分析技术，旨在通过多维度下钻、相关性分析、异常检测等技术，自动识别并量化导致业务指标（如销售额下降、用户流失率上升）发生波动的关键驱动因素，从而将数据洞察从“发生了什么”推进到“为什么会发生”的深度。

指标口径

指标口径是衡量业务指标计算逻辑与数据范围的统一定义，明确了指标的计算公式、统计维度、时间周期、数据来源及业务限定条件，是确保数据一致性、准确性和可比性的基石。清晰、标准化的指标口径是数据驱动决策的前提。

Aloudata CAN

Aloudata CAN 是 Aloudata 自主研发的 NoETL 自动化指标平台，集配置化指标定义、自动化指标生产、语义化指标目录、开放化指标服务于一体，可帮助企业构建统一、可解释、可复用的指标语义层，解决指标口径混乱、开发响应慢、分析洞察浅、分析不灵活和成本高昂等痛点，并为落地企业级数据分析智能体（Data Agent）提供可信智能底座。

指标平台

指标平台是一种用于集中定义、管理、计算和交付企业关键业务指标（Metrics）的技术基础设施。它通过构建一个统一的语义层，将分散在报表、数据集和业务系统中的指标定义标准化、资产化，并提供标准化的 API 或接口，确保指标口径在企业内一致、可复用，并支持向 BI 工具、AI 应用和业务系统等多样化消费端提供可靠的数据服务。

自适应关系投影

自适应关系投影是 Aloudata 提出并在其逻辑数据编织平台 Aloudata AIR 中应用的一种智能数据物化加速技术。它通过分析全域逻辑视图定义和用户查询行为，自动构建全局算子图谱，识别并物化关键数据枢纽，以最低的存储和计算成本，为复杂、多变的跨源数据查询提供高性能、自适应的查询加速。

Aloudata AIR

Aloudata AIR 是由 Aloudata 自主研发的国内首个基于 Data Fabric 理念的逻辑数据编织平台，旨在通过数据虚拟化（Data Virtualization）技术，在不物理搬运数据的前提下，实现企业全域多源异构数据的逻辑整合、统一访问与高性能查询，以解决传统物理集中数据模式的成本高、周期长、灵活性差、回报率低等痛点，实现敏捷高效数据交付。

数据虚拟化

数据虚拟化是一种数据集成与管理技术，它通过构建一个统一的逻辑数据层，在不移动物理数据的前提下，实现对分散、异构数据源的实时、统一访问与查询，是数据编织（Data Fabric）架构的核心技术实现。

联邦查询

联邦查询是一种数据查询技术，支持用户通过统一的查询接口和语句，同时访问和整合分布在多个异构数据源中的数据，而无需将数据物理集中到一个位置，再进行复制、搬运，从而实现跨源数据的逻辑整合与统一分析。

数据编织

数据编织是一种现代化的数据管理架构理念，通过逻辑整合而非物理搬运的方式，将分散在不同位置、不同格式的异构数据源连接起来，形成一个统一、敏捷、安全的数据服务层，从而解决数据孤岛、算力重复投入、数据多层复制等问题，提升数据交付效率与业务敏捷性。

物化加速

物化加速是一种数据工程与数据管理领域的技术策略，指通过预先计算并存储（即“物化”）查询结果或中间数据，将计算密集型操作从查询时（On-Demand）转移到数据准备阶段，从而在后续相同或相似查询中直接返回预计算结果，以提升查询响应速度、降低实时计算负载并保障高并发场景下的稳定性。

语义编织

语义编织是 Aloudata 提出的、以业务语义为核心的数据组织与建模方法，它通过声明式定义业务指标和维度，在逻辑层构建统一的、可理解的数据语义网络，从而屏蔽底层数据源的物理复杂性，实现业务与技术的解耦。

NoETL

NoETL 是 Aloudata 提出的核心理念，指通过自动化、语义化、逻辑化的数据编织和语义编织技术，替代传统依赖人工 ETL 的数据开发模式，旨在实现“逻辑编织替代物理搬运”，重塑企业数据基础设施。

变更影响分析

变更影响分析是数据治理领域的核心实践，通过在数据资产（如表、字段、ETL/ELT 任务、指标）发生变更前或变更后，系统性地评估该变更对下游数据链路、应用系统和业务流程可能产生的范围与风险，以实现主动的风险防控与高效的变更协同，保障业务连续性。

数据血缘

数据血缘，描绘了数据从源头到最终消费端全链路流转、加工与依赖关系的全过程。它通过构建数据之间的血缘图谱，清晰地揭示数据的“来龙去脉”，可以精准追溯数据来源、解析数据加工逻辑和最终应用方式，是保障数据质量、实现有效治理和满足合规审计要求的关键技术基础。

算子级血缘

算子级血缘是一种深入到 SQL 内部，解析并记录每一个数据加工操作（如 FILTER、JOIN、AGGREGATION 等）的精细化数据血缘解析技术。它超越了传统的表级或列级依赖关系，能够精确理解字段的加工逻辑，是实现数据链路白盒化、自动化治理和主动风险防控的核心基础。

Aloudata BIG

Aloudata BIG 是 Aloudata 自主研发的全球首个实现算子级血缘解析的主动元数据平台，旨在解决企业因数据资产膨胀、数据链路复杂而导致的“看不清、管不住、治不动”的治理难题，能够助力企业构建端到端、跨平台、可扩展的血缘图谱，解析精度超 99%，是企业落地 DataOps 和实现数据管理自动化的基石。

主动元数据

主动元数据是元数据管理领域的一种先进范式，它强调元数据应被自动化、智能化地采集、分析、关联和应用，从而驱动数据管理活动从被动响应转向主动预防与干预，是构建自动化、智能化数据治理体系的核心。