本文围绕结构化数据场景、多模态数据场景、本体及Data Agent场景三类典型业务场景，对平台核心概念进行介绍。三类场景支持独立使用，也可相互组合；业务处理无需走完全部链路，可按需选用。

简单理解三类场景定位：

• 结构化数据场景：提供结构化数据采集、管理、处理、数仓建模的全生命周期治理能力。
• 多模态数据场景：提供多模态数据采集、管理、处理、检索的一站式治理能力。
• 本体及Data Agent场景：面向Agent提供高质量的上下文，辅助业务分析决策。

说明：不同产品版本、部署形态及租户配置支持的功能范围存在差异。本文用于帮助您理解概念及典型业务组合，不代表当前版本已开放全部能力。实际可用功能、菜单项及权限，请参考版本购买说明及控制台页面实际展示内容。

场景一：结构化数据场景

适用业务

结构化数据指按照字段、记录规整组织的数据，典型载体为数据表，如客户表、订单表、库存表。当数据可明确定义每列字段含义、每行记录代表的实体时，即可采用本场景开展业务。

典型业务任务包含：

1. 客户、订单、库存等业务数据查询；
2. 清洗无效值、重复数据、缺失字段等脏数据；
3. 多表关联、指标统计计算；
4. 按日/周/月周期完成数据批量加工；
5. 将加工完成的数据输出至报表、第三方应用或下游任务。

核心概念

数据表：结构化数据存储载体

数据表用于存储客户、订单等具备明确字段、数据类型的结构化数据。数据表可被SQL、数据管道、数据质量、数据血缘、数据搜索、数据服务等能力引用；实际可引用范围受表类型、计算引擎、账号权限、产品版本约束。

数仓建模

数仓建模基于业务主题对数据进行分层、规范化组织的过程，通过分层设计（ODS/DWD/DWS/ADS）完成原始数据清洗、明细加工、聚合汇总、业务应用输出，实现数据复用、降低计算冗余、统一业务口径。

主题域与子主题域

主题域用于按业务主题对平台数据进行分类整理，默认分为两个层级：

• 主题域：对业务场景或业务数据的中心概括，例如财务管理；
• 子主题域：对同一性质主题的进一步划分，包含若干联系紧密的主题，例如销售营业额。

说明：仅支持删除不包含数据的主题域与子主题域。

数仓分层

数仓分层按层次划分数据，使数据依赖关系清晰、加工链路可追溯。百度胜算默认划分为四层：

数据标准

数据标准用于统一字段的命名、定义、数据类型与取值规范。建模时字段可关联数据标准，实现事前治理；平台同时支持依据数据标准生成数据质量作业，对物化后的物理表完成质量监控。

数据指标

数据指标用于建立统一的指标体系，集中管理指标口径与计算逻辑，避免多方操作导致口径不一致。指标分为三类：

• 原子指标：度量与属性来源于事实表和维度表，用于明确业务的统计口径与计算逻辑，例如支付金额；
• 衍生指标：由原子指标、时间周期、修饰词构成，例如近一周上海地域销售金额；
• 复合指标：由一个或多个衍生指标叠加计算而成，维度与限定继承自衍生指标。

模型类型

• 贴源表：与源系统结构保持一致的原始数据表；
• 维度表：描述业务分析视角，通过代理键与事实表关联；
• 事实表：记录业务过程数据，字段区分维度与度量，可关联维度表代理键；
• 汇总表：按主题完成聚合，字段可关联统计维度或指标；
• 应用表：面向报表与应用输出的结果表。

场景二：多模态数据场景

适用业务

多模态数据包含图片、音频、视频、文档等非表格类文件，无法直接作为数据表查询，需先解析提取文件内有效信息。

典型业务任务包含：

1. 从合同文档提取合同编号、签约金额、签署日期等关键字段；
2. 图片OCR识别，抽取图片内业务信息；
3. 音频、视频内容解析，生成可检索文本信息；
4. 海量文档切片、清洗处理，输出可供上层应用消费的数据。

核心概念

数据目录

数据目录为元数据第一层，用于按业务或项目维度隔离数据资产，目录下可创建数据模式。数据目录名称在同一元存储内不可重复。

数据目录详情可查看存储路径、创建信息，以及目录下数据表、数据卷、数据集、算子、模型的数量。同时支持配置可访问该目录的工作空间，并对用户完成授权与撤销。

说明：每个工作空间预置一个system数据目录，提供平台内置的数据与AI资产，不支持重命名。数据目录仅在不存在数据表、数据卷的情况下才可删除。

数据模式

数据模式为元数据第二层，在数据目录下创建，用于进一步归集数据表、数据卷、数据集、算子与模型。数据模式名称在同一数据目录内不可重复。

每个数据目录创建后默认包含一个名称为default的数据模式。

注意：数据模式内存在数据表、数据卷、数据集、算子或模型时不可删除；删除后无法恢复。

数据表

数据表以行和列的形式存储结构化数据，适合管理客户、订单等有明确字段和数据类型的数据。数据表可以被 SQL、数据管道、数据质量、数据血缘、数据搜索和数据服务等能力引用，具体可用范围取决于表类型、引擎、权限和版本。

外部表

外部表是在平台中登记外部存储或外部系统数据位置的表对象，适合在不完整复制数据的情况下引用外部数据。外部表的查询、采集、写入和血缘能力取决于数据源类型、连接插件和当前引擎，创建成功不代表所有下游任务均可使用。

数据集

数据集是面向应用使用的数据资产载体，可以组织文件集合、结构化数据或多模态数据，并记录数据类型、Schema、存储格式和版本等信息。数据集与数据表不是同义词：数据表强调行列结构，数据集强调面向应用组织和使用数据。

数据集分为内部数据集与外部数据集：内部数据集由平台统一管理数据文件；外部数据集用于管理存储在对象存储中的数据。创建时需指定数据类型，支持文本、图片、音频、视频。

数据集通过版本管理实际数据内容。创建版本时需选择数据解析格式。版本内支持上传、预览、下载、删除文件，并可通过SQL对版本数据完成查询分析。

数据卷

数据卷是面向文件或非表格数据的存储对象，适合按文件路径管理原始文件、工程文件或非结构化数据，可被开发机、数据管道或多模态处理使用。数据卷不等同于项目文件管理目录，具体读写方式以页面和引擎支持为准。

数据卷分为内部数据卷与外部数据卷：内部数据卷在元存储对应路径下统一管理；外部数据卷以挂载方式引用其他对象存储路径的数据，需配置存储路径与访问凭证。

模型

模型用于在数据模式中统一管理模型文件及其版本，供多模态解析、内容理解、自定义算子等需要模型推理的任务引用。

模型分为内部模型与外部模型：内部模型由平台统一管理模型文件；外部模型用于管理存储在外部对象存储中的模型文件。模型通过版本管理具体模型文件，支持文件上传、搜索、预览、下载与删除。

定位区分：模型用于管理模型文件资产；模型服务用于将模型部署为可调用的在线推理服务，二者不是同一能力。

算子

算子为数据处理的最小执行单元，使用Python编写，可完成文本、图片、音频、视频、文档等数据的解析与加工，也可包含模型推理逻辑。多个算子通过串联、并联方式编排为工作流，由计算引擎调度运行。

算子按处理逻辑分为以下类型：extract、transform、filter、dedup、embedding、others。

平台在system数据目录中内置多个算子，可查看算子的描述、使用说明与版本信息。算子版本详情包含代码语言、算子代码路径、算子类型、运行环境、输入参数、输出参数、运行参数，以及支持引擎（Ray、Spark）与资源配置（CPU、GPU）。

如内置算子无法满足业务需求，可在数据模式中创建自定义算子，并通过算子版本上传执行代码，指定算子类型、支持引擎、资源类型、执行镜像与依赖模型。

注意：算子名称在同一数据模式中不可重复；算子的实际可用引擎与资源类型以算子版本配置为准。

场景三：本体及Data Agent场景

适用业务

业务数据库存储大量底层字段，但业务人员更关注客户、订单、设备、供应商等业务实体，以及实体之间的关联关系。

通过本体能力，可将底层数据库字段抽象为业务对象与对象关系。例如底层字段customer_id、order_id、amount，可抽象业务关系：客户 —[拥有订单]→ 订单。

业务人员无需理解底层表名、字段，即可从业务视角使用数据；配合数据搜索、自定义函数等上下文配置后，可通过Data Agent提交自然语言业务问题，自动完成查询、统计与分析。

数据资产相关概念

结构化数据集

结构化数据集用于以字段和记录的形式管理可分析数据，适合被数据管道、数据搜索或其他应用作为结构化输入使用。它的具体输入方式、存储格式、版本和下游能力以当前版本和数据集配置为准。

媒体集

媒体集用于组织图片、音频、视频和文档等非结构化或多模态内容，通常配合内容理解、数据管道或搜索能力使用。媒体集关注文件集合及其内容处理，不等同于数据表。

本体与Data Agent逻辑关系

本体与Data Agent常搭配使用，但能力定位不同：

1本体：将底层数据抽象为客户、订单等业务对象
2↓
3数据搜索 / 自定义函数：构建可查询、可复用的业务上下文
4↓
5Data Agent：针对业务问题自动完成查询、计算、分析

可以将本体理解为业务词典，Data Agent为依托该词典完成分析的智能助手。

注意：本体不是Data Agent的强制前置依赖。Data Agent同样支持基于数据集、函数、数据搜索等上下文开展分析，实际能力以版本、租户配置及用户权限为准。

本体相关概念

Object Type：业务对象类型定义

Object Type定义一类业务对象的结构、属性、主键。例如客户Object Type，可定义客户编号、客户名称、所属地区等属性。

说明：Object Type属于业务对象模板，描述对象应当具备的字段，本身不代表单条实际业务数据。

Object：业务对象实例

Object为对应Object Type下的单条实际业务数据。例如客户Object Type下，“示例客户A”即为一条Object实例。

Link Type：对象关联关系定义

Link Type定义两个Object Type之间的业务关联。例如配置客户拥有订单，建立「客户」与「订单」的对象关联。

说明：Link Type定义关联规则模板，不代表单条真实的对象关联实例。

Action Type：业务操作定义

Action Type定义可对业务对象执行的业务动作，例如调整客户等级。聚焦业务行为定义，区别于对象关联关系。

Data Agent相关概念

Data Agent：业务数据分析代理

Data Agent是面向业务问题的数据分析代理，针对需要查询、统计、对比、综合研判的业务问题完成分析。

示例业务问题：

• 本月销售额排名前三的地区是哪些？
• 哪些客户连续两个月订单金额发生下滑？
• 对比两款产品销量变化，输出潜在原因分析。

核心能力：无需用户手动编写完整SQL语句，在用户已授权访问的配置上下文内，完成业务问题的分析计算。

Data Agent可使用上下文

Data Agent可结合如下一类或多类上下文开展分析：

1. 已授权访问的业务数据集；
2. Object Type及对应的业务属性、关联关系；
3. 自定义业务函数；
4. 数据搜索能力；
5. 其他已配置业务上下文。

Data Agent可通过查询、推理、计算、可视化等形式输出结果，同时展示分析链路与工具执行记录。实际支持的上下文、分析范围、工具集，由产品版本、租户配置、用户权限共同决定。

逻辑建模：可复用业务逻辑组件

逻辑建模为可复用的业务逻辑组件，支持本体对象查询、数据处理、调用平台业务能力。配置完成后，Data Agent可调用逻辑建模服务实现特定业务计算与处理逻辑。

Data Agent 与 AI FDE 的差异

二者均可调用平台数据与工具，但是业务目标不同。

其他通用概念

工作空间、项目、文件

• 工作空间：人员、项目、资源、权限的协作隔离边界；
• 项目：用于归集数据开发脚本、Notebook、本体、函数等业务资源；
• 文件：管理项目内文件夹与脚本文件，为Notebook、开发机、AI FDE提供文件运行上下文。

数据质量与数据血缘

• 数据质量：配置完整性、唯一性、有效性等校验规则，通过监控任务执行校验，输出质量报告，汇总校验状态与异常问题。
• 数据血缘：记录数据从采集、加工到消费的全链路流转关系，支持追溯上游数据源、评估下游任务影响、查看任务依赖。血缘完整度依赖任务、计算引擎、外部系统适配支持。

SQL、Notebook、数据管道：三类数据加工能力

选型指引：一次性临时查询选用SQL；探索式开发调试选用Notebook；长期、批量、周期性执行的业务任务选用数据管道。

工作流：多任务编排调度

数据管道定义单业务链路的数据加工逻辑；工作流负责编排多个任务的执行依赖关系与调度时机。

工作流支持接入数据采集、Notebook、Shell、训练任务等任务节点，同时提供任务状态监控、日志查看、失败重试、告警通知等运维管理能力。

数据服务与模型服务

• 数据服务：封装数据查询、处理逻辑，对外提供可调用接口，解决应用如何调用业务数据的问题。
• 模型服务：将大语言模型、Embedding向量模型等算法模型部署为在线推理服务，解决对外提供模型推理能力的问题。

限制说明：内容理解、数据搜索、Data Agent、AI FDE能否调用指定模型服务，取决于产品版本、模型类型、租户配置，不默认支持全部模型服务互通。