DataFocus · 博客
如何为 OT Flash 试点挑选并界定第一个业务问题
为 OT Flash 首个试点挑选一个业务问题的清单:有数据、有制度文档、有明确负责人,先写验收标准,先用合成数据,最后按规则判断继续或停止。
选一个已经具备三样东西的业务问题:能说出名字的数据、定义术语的制度文档,以及一位对答案负责的人。在加载任何数据之前,先写下验收标准和允许的范围,并从合成数据开始。DataFocus 自己的入门指引也是这样建议的:先定义任务、业务负责人、验收标准和允许的范围,再从合成数据开始。如果这个问题过不了其中任何一关,就换一个更小的。
为什么第一个问题要界定得这么窄?
价值不清晰是 AI 项目公认的风险。2025 年 6 月,路透社通过 The Star(英文)报道了 Gartner 的一项预测:到 2027 年底,超过 40% 的 agentic AI 项目将被取消,原因是成本攀升和业务价值不清晰。这是针对 agentic AI 项目整体的预测,不是对任何产品的实测结果,也与 OT Flash 无关。不过它确实支持一个实用的习惯:一开始就定好什么叫“做成了”。
OT Flash 的第一个试点不是上线推广。它是用一套数据和文档去检验一个问题,得到一个别人可以接受或否决的结果。
什么样的问题适合作为第一个问题?
DataFocus 的产品简介(英文)建议从有数据、有制度文档、有明确负责人的业务问题开始,并以订单交付和采购审批为例。可以对照下面的清单。
- 有表。 问题所需的数据存放在少数几张可以导出或连接的表里。
- 有文档。 关键术语的含义写在制度、规则或指标口径文档里,而不只存在于大家的脑子里。
- 有一位负责人。 由一个明确的人判断答案是否正确,并裁定口径之争。
- 会反复出现。 每周或每月都有人问,所以可重复的答案有价值。
- 范围窄。 一个业务领域,而不是“整个财务”。
- 答错可以挽回。 试点期间,输出只供人参考,不会触发付款或订单变更。
前三条的依据在于 OT Flash 的组织方式。r57 手册把本体描述为围绕一个业务主题的知识空间,汇集相关的表、业务文档、指标和数据看板,并配有一个本体 Agent,依据本体中的数据和文档回答问题(见 OT Flash r57 用户手册(英文))。如果问题没有文档,或文档没有负责人,Agent 就几乎没有可引用的依据。
一个界定清楚的假设场景
设想一家假设的中型分销商。这是示意,不是 DataFocus 的案例,也不是某个客户。
财务负责人想知道:“上个月,哪些超过审批阈值的采购申请跳过了必需的复核步骤?”数据是两张表(申请表和审批事件表)。规则写在一页纸的审批制度里。财务负责人既是规则的负责人,也是答案的负责人。
对比一下“改进我们的采购”:没有人对答案负责,没有文档定义什么算成功,也无从判断何时算完成。
如何写验收标准和范围?
在试点开始之前,把这些内容写在一页纸上。下面的结构是示意模板,不是 DataFocus 的表单。
| 项目 | 写什么 | 假设场景示例 |
|---|---|---|
| 问题 | 一句话,带上时间范围 | 上个月哪些超过阈值的申请跳过了复核? |
| 负责人 | 一位有名有姓的人 | 财务负责人 |
| 范围内的数据 | 只写表名 | 申请表、审批事件表 |
| 范围内的文档 | 写文件名 | 审批制度 v3 |
| 需要定义的术语 | 可能有两种理解的词 | “阈值”“跳过”“上个月” |
| 允许的范围 | 试点期间谁可以看哪些数据 | 仅财务团队 |
| 接受条件 | 负责人可以手工完成的核对 | 抽样的十条申请,与负责人自己整理的清单一致 |
| 否决条件 | 明确的失败条件 | 清单中任何一条申请,负责人都无法追溯到来源行 |
“需要定义的术语”这一行最重要。DataFocus 的指引提醒,不要在未确认的情况下把生产完工、发货和客户验收等同起来,说的是同一个问题:如果两个人用同一个词指的是不同的东西,任何工具都无法替他们裁定。请让负责人把每个术语的口径以书面形式确定下来,并把这段文字放进本体可以容纳的文档中。
为什么先用合成数据?
DataFocus 的入门指引建议先用合成数据,并且不要在交互演示中输入客户信息。演示本身与试点不同:根据 DataFocus 的演示说明(英文),首页的四个场景在浏览器中使用模拟数据,只在当前页面内修改数据,刷新后即重置。它们是用来看的,不是用来运行你自己的问题的。
在你自己的环境里,先为你的表建一个小型的合成版本:列相同,值是编造的,再有意埋进几行数据(一条跳过了复核的申请、一条没有跳过的、一条日期含糊的)。这样在 Agent 给出答案之前,你已经知道正确答案是什么。r57 手册本身使用的示例数据名称都以 Manual_Sample_ 开头,这个命名约定值得借鉴,可以避免大家把测试表和真实表混在一起。
只有在合成数据的运行通过你的标准之后,才换成真实数据,并且只限于你写下的允许范围。
一次完整的试点流程是什么样的?
DataFocus 的构建指引建议的顺序是:检查版本和能力、检查来源、确认含义、起草、审阅差异、测试、取得授权、发布并读回,最后核验一个业务任务。对业务负责人来说,重点是下面这些。
- 创建本体。 在 r57 中,只需要一个名称和一个图标。然后在数据表管理中导入相关的表,在文档中心上传业务文档。
- 等待文档处理完成。 文档的状态必须是“已完成”(Completed),Agent 才能检索并引用它。
- 在 Agent 模块中提出你的问题。 管理员必须事先配置好 LLM 服务。手册说明,一次回答通常需要几十秒,复杂问题更久。
- 看依据,而不只是看答案。 答案会说明数据来自哪些表,“查看处理详情”(View processing details)会显示 Agent 查询了哪些数据、调用了哪些工具。DataFocus 的简介说明,每次查询都会返回所执行的 SQL、用到的表和数据指纹。请对照你对术语的定义去检查这条 SQL。
- 与你手工整理的清单对比。 先用合成数据运行时埋入的那几行,再用你在验收表中设定的抽样。
手册中有两点提醒。执行是 Python 脚本,会真实地读取或修改数据;手册建议只有在测试运行确认结果正确之后才保存,并且只授予确实需要的人。控制面板上的动作按钮会对当前对象执行真实的业务动作,所以要先确认对象。第一个试点请把这两项都排除在外,只做问答就够了。
如何判断继续还是停止?
依据你写下的标准来判断,而不是看演示给人的感觉。一条简单的规则:
- 进入下一步(更多数据、更多用户、第二个问题):负责人的核对全部通过,并且每一个错误答案都能追溯到缺失的定义或可以修复的数据问题。
- 留在试点阶段:答案是对的,但负责人无法把其中一些追溯到来源。
- 停止:负责人否决了结果,而原因不是定义或数据上的修复可以解决的;或者发现这个问题其实没有负责人。
同时也要记下试点没有测试的内容。DataFocus 的简介说明 OT 是自建部署,由管理员配置模型服务;如果使用外部模型,请按你的数据政策确认发送给它的内容。DataFocus 的部署说明指出,免费自建仍然需要基础设施、模型 API 和运维支持。你可以从下载页面(英文)或 GitHub 仓库(英文)获取 OT Flash,发行说明中列出了系统要求和支持的平台。在规划任何超出试用的事项之前请先阅读,并把由 IT 主导的安装与生产决策分作两个独立的步骤。
这种做法不适合的情况
如果问题没有负责人、没有书面定义,或者数据根本无法导出,试点解决不了这些问题,需要先把定义理清。如果你的重点是大规模管道或跨大数据集群的建模,简介里把 ETL 和 AutoML 列在 OT Heavy 而不是 Flash 下,所以请在选择之前先看版本对比。
下一步
阅读入门指南(英文),并为你的候选问题填写上面的那张一页纸表格。如果有任何一行填不出来,就换一个问题。