DataFocus
简体中文
← 返回博客

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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 范围窄。 一个业务领域,而不是“整个财务”。
  6. 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。

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。