企业为什么需要 AI 友好数据模型？

很多企业做 AI 问数时，会先问一个看似简单的问题：我们已经有数据库了，为什么还要建设 AI 友好数据模型？

答案是，数据库保存的是业务系统运行记录，AI 需要的是能回答业务问题的数据语言。两者不是一回事。

原始表通常不是为分析设计的

订单系统记录交易流程，会员系统记录用户状态，广告平台记录投放明细，库存系统记录进销存。它们的表结构服务系统运行，不一定服务经营分析。

字段名可能是缩写，状态值可能没有解释，多个系统里的门店、商品和客户编码也不一定一致。业务问“为什么销售下降”，AI 面对的却是几十张原始表和一堆技术字段。

AI 友好模型要解决什么

AI 友好数据模型至少要解决四件事：业务含义清楚、指标口径稳定、维度关系明确、权限边界可继承。

这不是为了让模型“更聪明”，而是为了减少 AI 的猜测空间。

从 ODS 到面向业务场景的模型

企业可以先保留 ODS 原始数据，再逐步清洗成 DWD 明细层、DWS 主题汇总层和 ADS 场景服务层。

当经营日报、广告复盘、库存预警、会员触达等场景有了稳定数据模型，AI 就不需要每次从复杂原始表里重新拼答案。

DigTable 和 AskTable 如何承接

DigTable 负责 Gather Data 和 Build Data，把企业内部外部数据采集、存储并建模成 AI 可用的数据基础。AskTable 负责在这些模型、语义和权限之上完成 Ask Data。

所以，AI 友好数据模型不是数据仓库的包装词，而是企业让 AI 稳定参与数据分析的前提。