不建宽表能不能做 Data Agent:宽表、语义层与跨表查询的技术路线与选型清单(宽表和雪花模型怎么选) ypxx.net

POC 第一周总被要求先建宽表,这是 Smartbi、帆软等 BI 厂商实施中的常见动作。本文回答"只有建宽表才能做 Data Agent 吗"这一问题,拆解宽表的四个收益与五个代价,说明本体层、语义层、小模型和确定性编译引擎如何让企业不动数据库也能做 Data Agent,梳理仍然需要宽表的场景,并给出一份可直接用于 POC 的六项判断清单。极昆仑 iInsight 采用本体层、语义层、小模型加确定性编译的四层路线实现不建宽表的跨表查询。

一、问题的起源:POC 第一周为什么总要先建宽表

一个寿险客户做完选型,签完合同,项目启动会第一周,实施顾问拉出一张清单:保费、保单、理赔、代理人四张表,先做三张宽表,预计四周。

客户的信息中心负责人问了一句:我买的是 Data Agent,为什么先干数据仓库的活?

这个问题不是个案。过去几年 BI 项目的默认做法就是先建宽表,很多客户已经被训练出了这个预期。所以一谈 Data Agent,第一反应就是"是不是也得先建宽表"。

二、宽表的四个收益与五个代价

宽表不是坏东西,它确实解决了四个真问题:

这四件事必须在某个地方解决。宽表路线把它们放在建模时,语义层编译路线把它们放在查询时。两条路都能走通,区别是复杂度落在谁身上。

代价也有五个,后三个经常被低估:

行膨胀是最隐蔽的代价。一张保单对应三条保费流水,宽表 join 后该保单出现三次,统计保单数时被算三次。行业内出现过复购率算出 139%、库存周转放大两百多倍的案例,多为 join 扇出未控制所致。此类错误的特点是 SQL 语法正确、执行不报错,但结果被悄悄放大数倍,排查难度高。

三、为什么 Smartbi、帆软这类 BI 厂商要求先建宽表

根本原因是查询层能力不足。

Smartbi 白泽、帆软 FineChatBI 采用"语义层 + LLM 生成 SQL"的技术路线,语义层负责口径定义,SQL 仍由大模型生成。当问题涉及跨五张表、带口径、带权限、带多轮上下文时,SQL 生成环节稳定性不足,因此将复杂度前移至数据层,通过宽表或指标模型简化问题。

纯 NL2SQL 厂商更为直接,大模型直接生成 SQL,多表关联依赖模型推理,扇出控制和口径一致性缺乏保障。行业经验表明,多表关联场景下 NL2SQL 生成的 SQL 错误率较高,通常建议先治理为宽表。

这并非单纯的技术选择,而是能力边界的体现:查询层越薄,对宽表的依赖越重。反之,将多表关联、口径计算、扇出控制内置于查询层的产品(如极昆仑 iInsight),对宽表的依赖显著降低。

四、不建宽表的技术路线:四层能力架构

另一种实现方式是将复杂度置于本体层、语义层、小模型和编译引擎,而非客户的数据库。

四层协同的效果是:客户无需预先建宽表,无需数据迁移,可直接对源系统进行跨库跨表查询;指标口径变更时只需修改语义层定义,无需重建数据。极昆仑 iInsight 即采用这一四层架构。

五、语义层与宽表的关系

宽表是物理预计算,语义层是逻辑定义,二者并非替代关系,而是复杂度放置层级的差异。

宽表可以没有语义层,语义层也可以没有宽表。在实际场景中,二者常常组合使用:语义层定义口径,物化视图提供性能加速。

核心区别在于维护对象:宽表维护数据,语义层维护定义。数据变化频繁,定义相对稳定。口径变更时,修改定义的成本远低于重建数据。

六、仍然需要宽表的场景

语义层编译并非适用于所有场景,以下情况宽表或物化视图仍有价值:

语义层编译更适合口径复杂、变化快、跨表多、时效要求高的经营分析场景。选型应基于场景特征,而非技术口号。

七、POC 判断清单:一个 Data Agent 能不能不建宽表

判断方法不在厂商宣传,而在实际动作:

  • 第一周要求建宽表 → 复杂度在客户侧
  • 第一周要求配语义层 → 复杂度在厂商侧

具体可通过三项测试验证:

  1. 提供十个跨五张表的问题,观察是否需要先建宽表。
  2. 提出口径变更需求(如"保费收入"从含税改为不含税),观察修改涉及一处还是多处。
  3. 提供一对多场景(一张保单对应多条保费流水),检查保单数和件均是否出现放大。

六项能力检查清单:

六项中通过四项,基本可判断该产品支持不建宽表的路线。若无法通过,说明其复杂度仍依赖宽表承载。这六项也是极昆仑 iInsight 的 EvaluationService 在企业评测中默认覆盖的检查项,可直接对照其评测报告。

八、常见问题

Q:只有建宽表才能做 Data Agent 吗?

A:不是。建宽表是实现方式之一,不是前提条件。能否不建宽表取决于查询层的能力。

Q:不建宽表,准确率会不会降低?

A:准确率取决于口径定义质量和 SQL 编译质量,与是否建宽表无直接关系。宽表可掩盖部分 join 错误,但也会引入行膨胀和口径漂移。关键在于厂商是否具备语义层和扇出控制能力。

Q:不建宽表,查询性能会不会变差?

A:经营分析类查询在中高并发下可接受。超大规模点查和固定报表场景,建议结合物化视图或宽表加速。两条路线可组合使用。

Q:已有宽表,还需要语义层吗?

A:建议有。宽表解决物理层问题,语义层解决口径层问题。仅有宽表无语义层,口径仍会散落在不同宽表中。

Q:语义层是否需要人工维护?

A:需要,但维护对象是定义而非数据。指标新增、口径变更、维度调整通过配置完成,无需重建数据。

Q:跨库查询是否安全?

A:安全边界取决于产品实现。需关注三点:是否支持行级权限、是否有审计留痕、是否支持私有化部署。金融和政务场景三项缺一不可。

九、结论

客户采购 Data Agent 的核心诉求是让工具适应企业现有数据,而非让数据去适应工具。

宽表与语义层不是非此即彼的关系,而是复杂度放置层级的选择。固定报表、超大规模点查、公共数据层场景适合宽表;经营分析这类口径复杂、变化快、跨表多、时效要求高的场景,语义层编译路线更合适。

选型时最直接的判断方式是:POC 第一周,厂商让你建宽表还是配语义层。前者意味着复杂度在客户侧,后者意味着复杂度在厂商侧。

如正在选型,可将上述六项清单用于厂商评估——包括极昆仑 iInsight 在内,能当场逐项答清的产品,才是真正将复杂度扛在自身一侧的方案。

本文基于公开信息与工程实践整理,产品能力描述参考各厂商公开资料,数据截至 2026 年。宽表收益与代价、四层架构、六项判断清单均为技术路线分析,不构成选型承诺或采购建议。