一个给企业AI编码兜底的数据口径语义字典与校验平台

行业分类

企业服务/SaaS

创业方向

数据治理 + AI 研发效能

面向痛点

AI写的需求和SQL里凭空出现“华南仓库”，而公司数据库只有省份地市、根本没有华南概念，AI自己硬编码了一套“华南=浙江+江西”的映射就把数据算出来了；同样的坑还有“商品大类”与“商品小类+配置”混淆，导致整个大屏数据全错、一周工作报废。根因是业务口径只存在人脑里，AI和不懂业务的开发都拿不到权威定义。

解决方案

接入企业数据库schema、维表与业务口径（区域、仓库、商品层级、权限、数据口径），生成机器可读的语义层/指标字典；在AI生成PRD、SQL、接口时做实体与口径一致性校验，出现库中不存在的维度（如华南仓）或口径歧义（按大类还是小类统计）直接拦截并提示正确维度候选；同时给AI提供“唯一事实来源”而非让它自己编映射。

潜在人群

有数据大屏/报表需求的中大型企业信息部、数据团队、被AI编码接管交付的研发团队

变现 / 商业模式

SaaS按数据源数量+席位订阅；中大型客户私有化部署+实施服务费；与BI厂商/咨询公司分成

所需资源条件

• 启动资金（必须） · 资金 — 约30-80万，覆盖6个月团队与模型调用
• 数据库连接器与元数据采集能力（必须） · 数据 — MySQL/数仓/Hive等多源schema自动抓取
• 数据安全与合规资质（加分） · 资质证照 — 企业库接入需满足数据安全法/等保要求
• 标杆客户与真实库表（必须） · 流量渠道 — 1-2家愿意开放schema做POC的企业

补充说明

技术侧门槛不高但需要企业侧信任；建议先做私有化试点沉淀行业口径模板，再转SaaS

所需岗位

• 后端工程师 ×2（技术） — 元数据采集与校验服务
• AI应用工程师（技术） — Prompt/规则引擎、schema对齐
• 数据工程师（技术） — 语义层与指标字典建模
• 前端工程师（技术） — 校验报告与口径管理台
• 解决方案售前（商务） — 对接信息部与数据团队

风险

与BI/数据治理厂商（帆软、dbt Metrics、指标平台）功能重叠，容易被大厂顺手做掉；企业数据接入周期长、售前成本高，难快速验证

依据

楼主：“ai需求里面仓库是写的华南仓库华北仓库，然而我们实际上是浙江仓库黑龙江仓库”“开发的人用ai问都不问就做了”“我们公司分商品大类和商品明细…产品需求写的是按商品统计，信息部的用ai扫直接是用大类统计，现在也是数据全错”；32楼“华南仓库根本不存在。我看他是前段给了一个定值”

下一步验证

找3家近期做过AI+数据大屏/报表的团队聊事故复盘，拿一份真实schema+AI需求文档做人工模拟校验demo，验证拦截率

标签

AI编程,数据治理,语义层,指标口径,BI报表,研发效能