语义层

我的理解

语义层的价值是让“收缴率”“近 12 个月”“某区域项目”这类业务表达可以稳定落到指标、维度和查询上。它越清楚，AI 问数越不容易胡猜。

没有语义层时，业务说“上个月收缴率”，数据团队要手动翻译成“按账期统计、分子=实收、分母=应收、时间=上月、组织=全集团”的 SQL。每次翻译都可能出错，每个人翻译结果还不一样。语义层把这套翻译规则固化下来，业务语言进、SQL 出，中间不留人工歧义。

语义层的三层结构

我实践过的语义层不是一层扁平的映射表，而是三层嵌套的抽象，每层解决不同层次的歧义。

• 词汇层：业务术语到字段的映射，比如“收缴率”映射到哪个指标定义
• 关系层：维度之间的关联关系，比如“项目”属于“区域”属于“集团”
• 计算层：复合指标的计算逻辑，比如“近 12 个月滚动收缴率”怎么算

为什么 AI 问数离不开语义层

AI 问数的本质是让模型把自然语言翻译成 SQL。没有语义层时，模型要同时处理词汇歧义、关系歧义和计算歧义——三重不确定性叠加，幻觉率极高。有语义层后，模型只需要识别业务术语，剩下的翻译由语义层完成，模型只负责把意图说清楚。

维度	无语义层	有语义层
词汇歧义	模型自己猜字段含义	术语到字段显式映射
关系歧义	模型猜 JOIN 关系	维度关系预定义
计算歧义	模型自己拼公式	复合指标计算固化
幻觉率	高（三重不确定性叠加）	低（只处理意图识别）
可解释性	很难解释为什么这么查	可追溯到具体语义定义

语义层不是给数据团队用的，是给业务和 AI 用的。它把数据团队脑子里的翻译规则外化成系统可读的定义，让翻译不再依赖某个人。

1. 先梳理高频业务术语，列出业务最常问的 20 个指标和 10 个维度。
2. 再为每个术语写定义：映射到哪个字段、按什么口径、什么时间边界。
3. 然后定义维度关系树：项目→区域→集团，建立组织层级。
4. 接着定义复合指标计算逻辑：滚动、同比、环比、累计怎么算。
5. 最后把语义层接入 BI 和 AI 问数，验证业务语言能稳定落到查询。