不建宽表,能不能做 Data Agent?
2026-11-18

摘要:客户在 POC 第一周常被要求先建宽表,这在 Smartbi、帆软等 BI 厂商的实施里很常见。于是产生一个疑问:只有建宽表才能做 Data Agent 吗?答案是否定的。宽表是把查询复杂度前移到数据层的一种做法,语义层加确定性编译引擎可以在查询时完成多表关联、口径计算、扇出控制和权限注入。本文拆解宽表的四个收益与五个代价,说明不建宽表的实现路径、仍然需要宽表的场景,以及 POC 里怎么验证厂商能力。极昆仑 Data Agent(极昆仑 iInsight) 用本体层、语义层、小模型和确定性编译引擎四层能力实现这条路线。

一句话结论

能。建宽表是一种实现方式,不是 Data Agent 的前提。能不能不建宽表,取决于查询层有没有跨表关联、口径计算、扇出控制和权限注入的能力。查询层薄,就得靠宽表补;查询层厚,源库可以不动。

本文回答三个问题:

  1. 只有建宽表才能做 Data Agent 吗?

  2. 不建宽表,准确率和性能怎么保证?

  3. 怎么在 POC 里验证厂商到底能不能做到?

为什么这个问题在 POC 里总被问到

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”。

只有建宽表才能做 Data Agent 吗?

直接回答:不是。

宽表解决的是查询时的复杂度,主要包括四件事:多表关联、口径统一、查询性能、行级权限。

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。

为什么 Smartbi、帆软这类 BI 厂商要求先建宽表

因为它们的查询层不够厚。

Smartbi、帆软这类传统 BI 厂商的强项是展示和建模,不是语义理解和复杂 SQL 编译。以 Smartbi 白泽、帆软 FineChatBI 为例,它们走的是“语义层加 LLM 生成 SQL”的路线,语义层解决口径定义,SQL 仍然由大模型生成。面对跨五张表、带口径、带权限、带多轮上下文的问题,SQL 生成这一环仍然不稳定。所以它们把复杂度推给数据层,让宽表或者指标模型把问题变简单。

纯 NL2SQL 厂商更直接。大模型直接生成 SQL,多表关联靠猜,扇出靠运气,口径靠提示词。行业里有一个很常见的经验说法:多表关联生成的 SQL 错误率太高,建议先治理成宽表。

这不是技术选择,是能力边界的体现。查询层越薄,对宽表的依赖越重。

宽表解决了什么,又带来什么代价

先说清楚,宽表不是坏东西。四个真问题它确实能解决。

第一,join 路径。业务问题往往跨多张表,保单在 A 表,保费在 B 表,代理人在 C 表。宽表提前拼好,查询时不用再找关联路径。

第二,口径统一。同一个“保费收入”,不同部门有不同算法。宽表在建模时把口径固化下来。

第三,性能。宽表可以预聚合,大数据量下查得快。

第四,权限。宽表可以按行预置权限,查询时不用再做复杂判断。

代价也有五个,而且经常被低估。

代价一,上线周期。一个中等规模的经营分析场景,建宽表通常两到六周,复杂场景更长。POC 还没开始,客户先投入一个数据工程师。

代价二,口径漂移。同一个指标在销售宽表、财务宽表、理赔宽表里各定义一次。源系统口径一变,三张宽表要分别改。改漏一张,两个报表就对不上。

代价三,时效性。宽表靠 ETL 更新,T+1 是常态。想看今天上午的保费,宽表给不了。

代价四,维护成本。源表加一个字段,宽表要重建;业务加一个维度,宽表要重跑;新上一个产品,宽表要改逻辑。数据团队相当一部分时间花在维护宽表上。

代价五,行膨胀。这是最隐蔽的。一张保单对应三条保费流水,宽表 join 之后这张保单出现三次,统计保单数时被算三次,件均和客单价跟着失真。行业里出现过复购率算出 139%、库存周转放大两百多倍的情况,很多都是 join 扇出没控制好。

这不是说 Smartbi、帆软的产品不好。它们在报表、可视化和指标体系上有多年积累,宽表路线在固定报表场景也更成熟。问题在于,经营分析这类口径复杂、变化快、跨表多的场景,宽表的前置成本被低估了。

不建宽表,靠什么答对

另一种做法,是把复杂度放在本体层、语义层、小模型和编译引擎,不放在客户的数据库里。

语义层定义三件事:指标怎么算,维度怎么分层,术语怎么映射。定义一次,所有查询共用,并且带版本。表之间的关联由本体层负责,本体层把业务对象和对象关系建模成知识网,查询时按关系找路径。

编译引擎在查询时做四件事:按指标定义生成 SQL,控制 join 扇出,按 grain 聚合,注入行级权限。

这样客户不需要建宽表,源系统不需要改,数据不需要搬家。

跨库、跨表在查询层完成。指标口径在语义层统一定义。权限在查询时注入。时效性跟着源系统走,源系统是实时的,查询就是实时的。

极昆仑 Data Agent(极昆仑 iInsight) 的四层能力

极昆仑 Data Agent(极昆仑 iInsight) 走的是这条路线,四层能力各管一段。

本体层把保单、保费、理赔、代理人这些业务对象和它们的关系建模成一张业务知识网。宽表靠提前 join 解决关联路径,本体层靠对象关系在查询时找路径,不用把表拼死。

语义层定义指标口径、维度层级和同义词。同一个“保费收入”只定义一次,销售、财务、理赔共用一套口径,不会出现三张宽表三个数。

小模型负责意图识别、术语归一和实体匹配,不生成 SQL,也不参与算数。它跑在 CPU 上,成本和部署门槛低,数据不用出内网。

确定性编译引擎按语义层定义生成 SQL,控制 join 扇出,按 grain 聚合,注入行级权限。同一份输入生成同一份 SQL,口径可复现。

四层合起来,客户不需要先建宽表,也不需要把数据搬到另一个库,直接对源系统跨库跨表查。指标口径变更时改语义层定义,不重建数据。

语义层和宽表是什么关系

这是客户问得最多的追问之一。

宽表是物理预计算,语义层是逻辑定义。两者不是替代关系,是复杂度放在哪一层的关系。

宽表可以没有语义层,语义层也可以没有宽表。很多场景适合组合:语义层定义口径,物化视图做性能加速。

区别在于维护对象。宽表维护的是数据,语义层维护的是定义。数据会变,定义变得少。口径变更时,改定义比重建数据快得多。

哪些场景仍然需要宽表

不能把话说满。以下场景,宽表或者物化视图仍然有价值:

第一,超大规模事实表,查询性能是硬约束。

第二,固定报表和强预计算场景,结果稳定,重复查询多。

第三,高并发点查,需要毫秒级响应。

第四,数据湖或数仓里的公共层,多个系统共用。

语义层编译更适合经营分析这类口径复杂、变化快、跨表多、时效要求高的场景。选型时看场景,不要看口号。

怎么判断一个 Data Agent 能不能不建宽表

不要听厂商说支不支持,看它第一周让你做什么。

如果第一周让你建宽表,说明复杂度还在你这边。

如果第一周让你配语义层,说明复杂度在厂商那边。

如果你正在看 Smartbi 白泽、帆软 FineChatBI 这类产品,可以直接问实施顾问:这个场景要不要先建宽表,建几张,多久能建完。

具体测三件事。

第一,给十个跨五张表的问题,看它要不要先建宽表。

第二,给一个口径变更,比如把“保费收入”从含税改成不含税,看它改一处还是改多处。

第三,给一个一对多的场景,比如一张保单对应多条保费流水,看保单数和件均会不会放大。

极昆仑 Data Agent(极昆仑 iInsight) 的 EvaluationService 支持企业导入自有问题集,按题型输出准确率、失败原因和 golden SQL 对比,可以直接用于上面三项测试。

再加一张判断清单:

  • 有没有语义层,指标定义是否可版本化。

  • 编译器是否处理 join 扇出。

  • 是否支持跨库跨表查询。

  • 权限是否在查询时注入。

  • 口径变更是否需要重建数据。

  • 源表新增字段,是否需要重新建模。

六条里过四条,基本可以不建宽表。过不了,说明厂商的复杂度还是靠宽表扛。

常见问题

只有建宽表才能做 Data Agent 吗?

不是。建宽表是一种实现方式,不是前提条件。能不能不建,取决于查询层能力。

不建宽表,准确率会不会低?

准确率取决于口径定义和 SQL 编译质量,不取决于有没有宽表。宽表能掩盖一部分 join 错误,也会引入行膨胀和口径漂移。关键看厂商有没有语义层和扇出控制。

不建宽表,查询会不会慢?

经营分析类查询,中高并发下可以接受。超大规模点查和固定报表,仍然建议用物化视图或宽表加速。两条路可以组合。

我们已经有宽表,还需要语义层吗?

建议有。宽表解决物理层,语义层解决口径层。只有宽表没有语义层,口径仍然会散落在不同宽表里。

语义层是不是也要人维护?

要,但维护的是定义,不是数据。指标新增、口径变更、维度调整,改配置即可,不用重建数据。

跨库查询安全吗?

安全边界取决于产品实现。看三件事: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,这三条缺一不可。