从业务指标描述到可执行数据服务的全链路自动化平台
WinsightAI 把 Kimball 维度建模理论变成自动化工程流水线——指标口径、知识图谱、向量增强、统一元数据与智能问答融为一体，让数据从业务定义到物理实现的每一层都清晰可追溯、安全可控。
不是数据仓库，也不是 ETL 工具
WinsightAI 是基于维度建模理论（Kimball），将指标口径管理、元数据映射、知识图谱、维度建模、ETL 生成、智能问答整合为一条自动化流水线的新一代 AI 数据中台。从业务指标描述出发，而非从技术表结构出发，让数据建模回归业务本质。
指标驱动的建模
以业务指标描述作为系统入口，自动解析口径、拆解原子/派生/复合指标，杜绝口径歧义。
图谱与向量双引擎
以时序知识图谱存储全部关系，以统一向量服务支撑匹配、发现与智能问答。
全链路可追溯
从指标 → 逻辑事实表 → 计算规则 → ETL 任务 → 源表，每一层关系清晰可查。
为企业数据治理带来 8 项确定性收益
从口径统一到月结提速，从自动化建模到企业级安全，WinsightAI 在每一个关键环节都提供了可被验证的价值。
口径统一
从指标描述文件自动解析，建立原子/派生/复合指标体系，彻底杜绝口径歧义。
自动化建模
基于总线矩阵自动推导星型模型，生成 DDL 与 ETL，无需人工设计表结构。
全链路血缘
指标到源表的端到端血缘关系可视化，变更影响一目了然。
智能问答
业务人员用自然语言提问，系统自动生成 SQL 并返回结果，无需懂 SQL。
多源异构适配
支持多种数据库与 Excel/CSV 文件作为数据源，自动适配方言差异。
全 PG 底座
一套 PostgreSQL 搞定元数据 + 数仓 + 向量，POC 成本极低，可平滑升级。
统一元数据管理
四类元数据集中管理，全局搜索、影响分析、版本追溯一键完成。
企业级安全
完善的认证授权、数据加密、审计日志，满足企业安全合规要求。
四层架构，逻辑统一物理协同
应用层面向业务、引擎层完成智能加工、存储层三位一体、数据源层广泛接入。元数据目录作为统一大脑贯穿全系统。
Presentation Layer
面向业务与开发者：智能问答、数据接口、血缘可视化、建模工作台、统一元数据目录。
Engine Layer
核心引擎协同：指标解析、向量化、语义匹配、多源发现、维度建模、ETL 生成与知识图谱构建。
Storage Layer
元数据 + 数仓 + 向量三位一体（全 PG 底座），支持向分析型数据库平滑升级。
Data Source Layer
广泛接入：指标描述文件、业务数据库（MySQL/PG/Oracle）、Excel/CSV 数据文件。
12 大核心能力，一条自动化流水线
从指标解析到智能问答，每个模块各司其职又彼此联动，统一通过元数据目录协同工作。
指标解析引擎
六阶段 LLM CoT 流水线，将非结构化文档解析为结构化指标体系。
元数据抽取引擎
从多源数据库与文件抽取表结构、字段、主键、注释等技术元数据。
语义向量化模块
统一管理所有实体的向量化生命周期，避免各模块分散处理。
语义匹配引擎
向量 + 规则 + 图谱五层匹配，自动建立指标与字段的映射关系。
元数据目录与语义查询层
系统"元数据大脑"，统一四类元数据的注册、发现、变更、检索。
多源发现引擎
六步验证法 + 分层推理，自动发现多张 ODS 表与原子指标的关系。
知识图谱构建器
构建维护全链路知识图谱，支持时序版本管理与多跳血缘追溯。
总线矩阵生成器
从知识图谱自动生成 Kimball 总线矩阵，定义业务过程与维度。
维度建模引擎
基于总线矩阵自动推导星型模型并生成 DDL，无需人工设计。
ETL 生成与调度引擎
生成 ETL 脚本并编排调度，沙箱验证、灰度发布、一键回滚。
智能问答模块
端到端智能问答：意图解析 → 统一检索 → SQL 生成 → 结果摘要。
企业级安全与权限
RBAC + RLS 权限、JWT/API Key 认证、AES-256 加密与全链路审计日志。
谁在用 WinsightAI？
无论是大型企业的财务管报，还是数据中台项目的指标治理，亦或是 ISV 的能力嵌入，WinsightAI 都能精准匹配核心诉求。
财务管报 · 经营分析
典型场景：财务管报、经营分析、预算执行。面对口径不一致、月结慢、追溯难的痛点。
数仓重建 · 指标治理
典型场景：数仓重建、指标治理。希望降低开发成本，避免重复造轮子。
嵌入自有产品
典型场景：将 WinsightAI 嵌入自有产品，快速获得数据建模与治理底层能力。
相比传统方案，WinsightAI 强在哪
| 维度 | 传统方案 | WinsightAI 方案 |
|---|---|---|
| 建模方式 | 人工设计 | AI 自动推导（基于 Kimball 理论） |
| 口径管理 | Excel 离线维护 | 图谱在线管理 + 版本追踪 |
| ETL 开发 | 手工编写 | 图谱规则 → 自动生成 → 沙箱验证 → 灰度发布 |
| 数据查询 | 需要懂 SQL | 自然语言问答 |
| 多源发现 | 人工梳理表关系 | 六步验证法 + 分层推理自动发现 |
| 元数据管理 | 分散在多个工具 | 统一目录 + 四层元数据集中管理 |
| 部署成本 | 多套系统 | 全 PG 底座，一键部署 |
| 安全保障 | 单点密码认证 | RBAC + RLS + 加密 + 审计四层防护 |
| 系统韧性 | 单点故障 | 四层降级策略 + 容灾恢复 |
智能模块，让数据自己说话
基于图谱增强检索与统一元数据目录，WinsightAI 将取数、追溯与治理整合为开箱即用的智能模块，业务人员无需写代码即可掌控数据全貌。
智能问答
自然语言提问，自动生成 SQL 并返回可解释结果，业务人员自助取数。
血缘可视化
指标 → 表 → 字段全链路血缘图谱，一键追溯数据来源与影响范围。
元数据目录
统一检索入口，业务与技术元数据一查即得，资产盘点零门槛。
企业级四层安全防护
从认证、授权、审计到数据加密，WinsightAI 构建了覆盖全链路的企业级安全体系，满足金融、政企等强合规场景要求。
认证层
JWT + API Key 双机制：用户登录签发 Token；系统对接使用可吊销、可限频的 API Key。
授权层
RBAC + RLS：Admin/Editor/Viewer/Auditor 四角色，按部门、项目隔离数据行。
审计层
全操作日志：记录谁、何时、对什么实体、做了什么操作；日志保留 1 年热 + 5 年冷。
数据安全
传输 TLS 1.2+、敏感字段 AES-256 加密存储、查询结果按角色自动脱敏。
四阶段交付，稳健落地
从基础验证到全面智能化，WinsightAI 提供清晰可衡量的里程碑，帮助企业低风险、分阶段获得价值。
基础验证
- 环境搭建
- 指标解析 PoC
- 向量匹配 PoC
- 基础图谱
核心能力
- 元数据目录实现
- 完整知识图谱
- 总线矩阵生成
- 星型模型 DDL
自动化
- 多源发现引擎
- ETL 沙箱验证
- ETL 生成
- 调度引擎集成
智能化
- 智能问答上线
- 数据接口服务
- 时序血缘追踪
- 安全权限上线
关于 AI 数据中台，你可能想问
围绕 AI 数据中台、AI 数据仓库、AI 数据分析与 AI 指标管理，我们整理了企业最关心的几个问题。
什么是 AI 数据中台？
AI 数据中台是以数据资产化和业务智能化为目标，融合元数据管理、指标治理、知识图谱与 AI 建模能力，把分散的数据与口径统一沉淀为可复用数据服务的平台。WinsightAI 以业务指标描述为入口，自动化完成指标解析、维度建模、ETL 生成与智能问答，属于典型的 AI 数据中台。
AI 数据仓库和传统数仓有什么区别？
传统数仓依赖人工设计表结构、手工编写 ETL；AI 数据仓库（智能数仓）基于维度建模理论自动推导星型模型、自动生成 DDL 与 ETL，并支持语义匹配与多源自动发现，大幅降低开发成本与口径歧义。
什么是 AI 指标管理（指标中台）？
AI 指标管理通过统一指标口径（原子/派生/复合指标）、自动解析业务文档、建立指标到字段的映射与血缘，解决企业口径不一致、取数难的痛点。WinsightAI 将指标管理贯穿建模全链路，也常被称为指标中台。
AI 数据分析能帮业务人员做什么？
业务人员无需写 SQL，用自然语言提问即可由 AI 自动生成 SQL、返回结果并生成图表摘要；同时支持自助取数、血缘追溯与可视化分析，实现人人可用的 AI 数据分析。
WinsightAI 适合哪些企业？
适用于中大型企业的财务管报与经营分析、数据中台项目的数仓重建与指标治理，以及 ISV/SI 伙伴将 AI 数据中台能力嵌入自有产品。
AI 数据中台的实施周期需要多久？
WinsightAI 采用分阶段交付：P0 基础验证 2-3 周，P1 核心能力 3-4 周，P2 自动化 3-4 周，P3 智能化 2-3 周，整体约 10-12 周完整落地（3 个月以内）；也可先做指标解析与智能问答的轻量 POC，数周内见效。
AI 数据仓库的部署成本高吗？
WinsightAI 采用"元数据 + 数仓 + 向量"三位一体的全 PG 底座，单台服务器即可完成 POC，初始投入低；随数据规模增长可平滑升级到分析型数据库，避免早期过度投资。
AI 数据分析的结果可靠、能否追溯？
结果建立在统一指标口径与全链路血缘之上，每个数字都能追溯到指标定义、计算规则与源表，杜绝"数出多门"，业务可放心用于决策。
预约产品演示
填写下方信息，我们的团队会尽快与您联系。