DataBuddy

DataBuddy 将企业数据接入、开发、治理和分析放进同一个工作台，用户可以围绕业务表和指标用自然语言提问，也可以编写 SQL、运行 Notebook、组织数据处理任务。分析结果能够继续做成图表和仪表盘，机器学习任务则可从实验记录推进到模型注册与在线服务。对于已有数据库、湖仓和数据团队的企业，它把问数所需的业务口径、数据权限和工程处理放在同一条工作链路中。

用统一的数据语义连接工程与分析

DataBuddy 是腾讯云的数据与 AI 平台，底层以统一元数据、语义层和资产血缘组织数据工作。表、指标、维度与业务逻辑可以在同一体系中维护，Buddy 分析时据此理解业务口径，工程人员也可围绕这些资产开发处理任务。使用前需要配置工作空间、计算资源和资产权限，问答入口由这些企业数据基础支撑。

围绕业务主题建立分析空间

分析空间把相关数据表、已发布的指标模型和知识库聚到一个业务范围内，Buddy 提问只检索当前空间中的资产。用户先从 Catalog 和指标平台选择材料，再填写空间名称，之后可查看字段描述、指标与维度等信息。空间引用已有资产而不复制数据，也支持分享给同事；分享关系与底层数据权限分别管理，对方仍需拥有相应资产的读取权限。

将外部数据库与文件接入湖仓

接入任务可以选择周期性离线同步、持续捕获变更的实时同步，或把文件写入数据表与数据卷。配置时需指定来源对象、目标 Catalog 与 Schema，再设置字段映射、并发或运行策略。CSV、JSON 等文件可解析成结构化表，文件到卷则保留原格式；实时与离线任务分别使用对应的计算资源，适合按数据时效选择入湖方式。

在开发工作台中编写和调度数据任务

开发工作台提供 SQL、Python 与多语法 Notebook，AI 助手可辅助生成 SQL、纠错和续写代码。完成调试后，可用可视化 DAG 添加任务并连线设置依赖，再配置周期或 Cron 触发方式。工作流也能组合条件分支、循环与质量监控任务；Git 集成和基于 YAML 的 Bundle 发布体系则用于版本管理与多环境部署。

把查询结果做成图表与固定看板

SQL 查询运行后，结果、日志和执行代码分别显示，结果表支持排序、筛选与下载。分析人员可直接在结果区创建图表，选择图形并配置维度、度量和聚合方式；图表配置随 SQL 文件保存。需要持续跟踪时，可进一步把数据集组织为包含指标卡、柱图、折线图和表格的仪表盘，添加筛选器后发布。查询结果也支持 CSV、Excel 和 TXT 导出。

从实验记录推进到模型服务

数据科学模块基于 MLflow，记录训练参数、指标和模型工件，支持自定义训练及分类、回归、时序预测等 AutoML 实验。团队可以比较多次运行，将选定模型注册到 Catalog，再部署成在线推理 API，并管理版本切换和流量分发。特征表以主键和时间戳组织复用；使用这些功能需先开通开发工作台，AutoML 还需配置机器学习镜像。

按表和字段配置数据质量规则

数据质量检测支持系统模板与自定义 SQL 两种规则，可以针对整张表检查行数、产出及时性，也可对字段检查空值、重复值或数值范围。一个配置文件可以定义多条规则，自定义 SQL 还可表达业务特有的校验逻辑。系统将实际检测值与用户设定的触发条件比较，满足异常条件时产生告警，便于在数据进入报表或模型前检查问题。

为 Agent 操作保留权限与审计记录

Buddy 以发起请求的用户身份访问数据，沿用其底层行列权限。对于高风险删除或删表 SQL，执行前会拦截并请求用户确认；数据表和工具还可标记敏感数据、状态改变与不可信输入等安全标签，用于任务风险评估。执行链路记录用户输入、工具调用、中间结果与安全事件，具备相应权限的管理人员可以据此追溯问题。

从网页控制台完成一次业务查询

1. 准备账号与工作空间：通过腾讯云账号完成实名认证并开通服务，初始化空间，确认具有所需的数据访问权限。
2. 准备数据和计算资源：为工作空间绑定交互式分析集群及 Catalog，使用已有业务表，或按接入流程导入文件和数据库数据。
3. 创建查询文件：在“数据探索”中新建 SQL，选择计算资源和默认 Catalog，编写需要的筛选、聚合或时间趋势查询。
4. 检查运行结果：执行语句后查看结果、日志和代码面板；根据结果修正查询，必要时将日期、地区等条件改为参数以便复用。
5. 输出图表或看板：在结果区创建图表并配置字段；需要离线交付时下载查询结果，需要持续查看时将查询沉淀到仪表盘并发布。

服务于业务问数与企业数据生产

• 经营分析：把销售明细与已发布的收入指标放入分析空间，围绕地区和时间提问，核对口径后整理成日常经营看板。
• 数据工程开发：将业务库数据同步到湖仓，在工作台编写清洗逻辑，再用工作流安排依赖与周期，持续准备下游报表数据。
• 预测模型研发：整理带主键和时间戳的特征表，记录不同训练实验的指标，将选定模型注册并部署为业务可调用的预测接口。
• 数据质量巡检：为关键表设置产出及时性、空值率和重复值规则，让异常告警帮助定位数据交付问题。
• 企业 Agent 管理：按角色分配分析与开发权限，结合风险拦截和执行记录，检查智能体的数据访问与操作过程。