03 — 匿名交付
某内地科技公司 · 商业智能
DataClaw BI 分析智能体
让自助分析可靠到可以直接交付。
平台需要替代外采 BI 产品与紧耦合的 ClickHouse 查询链路。分析师既要有治理过的看板，也要能临时取数；数据底座同时跨越 Hive、Presto、Doris 等多个引擎，指标口径必须在引入自然语言后仍然一致。
我们交付自研 BI、多引擎查询层与 DataClaw Agent 流程：MetricFlow 语义指标、元数据 grounding、SQL 静态校验与审计、MCP Session Pool，以及先执行再解释和出图的工具闭环。
工作里
从零替代 BI
看板、图表、空间与权限成为自研产品，不再受制于外采系统。
语义层治理
MetricFlow 指标定义与元数据为 NL2SQL 提供跨引擎、跨看板的受治理词汇。
先 SQL，后呈现
生成、校验、审计、修复与执行在出结果或图表前形成可追溯闭环。
问题与背景
某内地科技公司需要替代外采 BI，同时支撑 3,000+ 看板、20,000+ 图表与多查询引擎。自助分析交付长期依赖研发排期，指标口径缺失也令 NL2SQL 首次成功率受限。
量化结果
平台承载 3,000+ 看板与 20,000+ 图表；语义缓存命中率由 50% 提升至 90%+。临时取数由数天缩短至当天；DataClaw NL2SQL 一次成功率约 50%，SQL 治理链路可在发布前拦截 80%+ 错误 SQL。
合作范围
- 从零替代 BI：看板、图表、空间与权限体系
- Presto + 云 Doris 多查询引擎与语义缓存
- DataClaw Agent、MetricFlow 语义指标与 SQL 治理链路
交付内容
- → 自研 BI 平台与多引擎查询执行层
- → DataClaw Skills 引擎、LLM 意图路由、Hive 元数据 API 与 MCP Session Pool
- → SQL Linter → LLM 审计 → 修复提示，并以 execute-before-chart 约束出图流程
匿名说明
委托方名称、产品名称与商业数据已匿名化；平台规模、缓存、交付时效与 SQL 治理指标来自该项目记录。