怡途AI数据分析平台
AI驱动的语义SQL分析平台
怡途AI数据分析平台是一个SaaS化语义SQL分析平台，面向企业用户提供基于自然语言的数据库查询与分析服务。通过语义建模层（MDL）将物理表映射为业务术语，让业务人员无需SQL技能即可完成复杂的数据分析。
> 上个月华东区销售额前10的产品是哪些？
SELECT product_name, SUM(amount) as total
FROM orders WHERE region = '华东'
AND date >= '2026-04-01'
GROUP BY product_name
ORDER BY total DESC LIMIT 10;
工作流程
三步完成数据分析
连接数据源
连接数据库或上传CSV文件，系统自动发现表结构并生成语义模型
用中文提问
输入业务问题，如「上个月华东区销售额前10的产品是哪些」
获取分析结果
AI自动生成SQL、安全校验、执行查询、返回可视化结果和洞察分析
功能特性
从连接数据源到智能分析，怡途提供完整的数据分析链路
AI 自然语言查询
用中文描述分析需求，AI自动理解语义并生成精确SQL，零门槛数据查询
22+ 数据源支持
支持PostgreSQL、MySQL、BigQuery、Snowflake等主流数据库和云数据仓库
语义建模 (MDL)
将物理表结构映射为业务术语，让AI准确理解数据含义，提升SQL生成准确率
企业级安全
RBAC多租户权限、SQL安全策略审核、行级/列级访问控制、数据库凭证多层加密
秒级响应
实时AI对话式分析，SSE流式返回结果，从提问到出图仅需数秒
语义记忆系统
基于向量数据库的查询记忆，相似问题直接复用成功映射，越用越聪明
多维分析 (Cube)
从MDL提取Cube定义，支持度量/维度组合查询，自动生成聚合SQL
SQL编辑器
面向技术用户的专业编辑器，支持语法高亮、执行计划预览、异步查询
企业级安全
RBAC权限体系、SQL安全策略、行级列级访问控制、数据库凭证多层加密
广泛兼容
22+种数据源支持，从传统数据库到云数据仓库，一站式连接
极速响应
SSE流式返回结果，AI实时对话分析，从提问到出图仅需数秒
常见问题
为什么业务同事也能自己出报表
怡途AI数据分析平台把「问一句、拿一张图」做成了可交付给业务的默认体验。数据团队不再是取数请求的漏斗，业务同事也不必学 SQL 才能回答一个数字。平台通过语义建模层（MDL）把物理表结构映射为业务术语，再由大模型结合语义记忆生成带安全策略校验的 SQL，最后以 SSE 流式返回结果与可视化，端到端可审计、可回滚、可复用。我们服务的客户里，有连锁零售、跨境电商、SaaS 和金融风控，共同点是「数据在库里躺着、决策在群里争着」——上线怡途以后，取数周期从数天压到数秒，重复取数请求普遍下降 70% 以上。
三种真实场景
场景 · 月初复盘时想知道「上个月华东区销售额前 10 的 SKU 是哪些、同比是多少」，过去要给数据同事提工单等 2–3 天。
结果 · 在怡途对话框里用中文直接问，AI 自动生成带门店和日期过滤的 SQL、执行、渲染柱状图，30 秒内拿到结果，再追问「按毛利再排一遍」也只是一句话的事。
场景 · 每周要给投放团队产出「近 7 天各渠道 ROAS、转化率、客单价」，SQL 会写但重复劳动多，还容易口径不一。
结果 · 把常用问题保存为 MDL 里的 Cube 指标，怡途会自动复用语义记忆，同事只需要点开「渠道周报」就能得到统一口径的结果集，导出 Excel 或推到飞书群一次完成。
场景 · 需要抽查最近三个月 T+1 异常交易，SQL 复杂、要跨库、还要满足行级/列级权限，DBA 通常拒绝临时账号访问。
结果 · 怡途的 SQL 严格模式屏蔽 DROP/DELETE，行列权限直接绑到 RBAC 角色，审计员只看得到授权范围内的数据；查询与 SQL 全量留痕，随时可回放。
性能与规模指标
含 PG/MySQL/Oracle/BigQuery/Snowflake/Redshift/ClickHouse/Databricks 等
客户样本 5,000 条业务问题上盲测，失败自动纠错重试
从提问到首个 SSE 分片，含大模型推理时间
在服客户 2025 全年累计执行的 SQL 查询数
上线 3 个月后数据团队工单相比历史均值的下降幅度
Kubernetes Helm Chart 一键部署，含高可用副本
与常见方案的差别
自然语言即查询，业务同事零门槛使用；MDL 语义层保证口径统一。
需要先建模、拖字段、写 DAX/表达式，学习曲线陡；口径散落在报表里难以复用。
结论 · 传统 BI 适合数据团队做深度报表，怡途适合让全员日常自助查询。两者可并存。
有 MDL 建模层 + 语义记忆 + SQL 安全策略，企业级权限和审计一步到位。
通常只是「prompt 里塞表结构」，遇到复杂多表 JOIN 或权限约束时准确率断崖式下降。
结论 · 把 Text2SQL 从「玩具 Demo」升到「可交付生产」的门槛，是语义层和安全策略。
SaaS 开箱即用，30 分钟接入数据库；也可私有化 Helm 部署，代码不外流。
从模型选型、向量库、SQL 校验、权限中间件到监控告警都要自建，6 人月起。
结论 · 自建方案的隐藏成本是「持续维护」，而不是「第一次跑通」。怡途负责持续升级。
深入了解
语义建模层 MDL 是怎么工作的
MDL（Modeling Definition Language）是怡途的核心，它把物理表 orders/order_items/customers 之类的名字，映射成「订单/订单明细/客户」这样的业务名词，并显式声明主键、外键、维度、度量、口径。大模型在生成 SQL 之前会先读 MDL，因此不会出现「把 amount 当成税前还是税后」这类幽灵错误；同一个「销售额」的定义整个公司只有一份。MDL 由数据团队维护，业务同事只用问问题——这才是「数据分析民主化」的正确姿势。
SQL 安全策略与权限控制
怡途默认拒绝一切写操作：DROP、DELETE、UPDATE、TRUNCATE 直接被 SQL 严格模式拦下；SELECT 也会经过 RBAC 检查，行级过滤和列级脱敏由平台在下发 SQL 时自动注入。数据库凭证以 Fernet 对称加密存储，服务端解密后仅用于当次执行、不落地。所有查询与生成的 SQL 全量落审计库，可按用户/角色/时间回放，满足内审、外审、等保三级和金融行业的合规审计需要。
语义记忆系统：越用越准
每一条被业务同事标记「有用」的查询，其自然语言、生成 SQL、涉及表都会写入向量数据库。下一次遇到语义近似的问题时，系统会先从记忆里检索候选，再交给大模型改写；这套「先检索、后生成」的模式让常见问题的准确率从冷启动的 80% 稳定爬升到 95% 以上，也把 token 消耗压下来大概 40%。企业不再是「买了一次 SQL 生成能力」，而是「买了一个越用越懂自己业务的数据分析同事」。
上线路径：从试用到全员铺开
第 1 天注册 SaaS 版即可连库试用，Free 版每月 100 次查询足够验证 3–5 个高频问题；第 1 周搭 MDL、导入 5–10 个核心 Cube，业务同事进入自助阶段；第 1 个月接入 SSO 与 RBAC，安排数据治理培训，正式在部门内推广；第 3 个月起大部分客户会切到 Pro/Team 版并把「取数请求」从工单系统里删除。需要私有化的客户，我们提供 Helm Chart 与专属客户成功经理，两周内可交付高可用集群。