跳到主要内容

使用 DFS 构建运营数据管道

当团队需要把源系统数据变成可治理的运营数据，用于看板、Inspector、预测性维护、Physical AI 或 FactVerse AI Agent 时，使用本工作流。

适用场景​

  • 一个源需要驱动实时运营视图。
  • 多个系统描述同一资产或事件。
  • AI 工作流需要可引用证据。
  • Physical AI 需要带时间戳和来源说明的场景输入。

工作流​

操作步骤​

  1. 定义业务问题、源系统、目标身份、字段、时间窗口和允许用途。
  2. 创建 DFS Lite 连接器，并用已启用的 REST、CSV、MQTT、OPC UA 或项目连接器测试连通性。
  3. 浏览和预览源数据，确认字段含义、单位、空值、重复值和异常值。
  4. 审阅字段映射建议，人工确认身份、单位、转换表达式和目标字段。
  5. 运行同步，记录成功时间、失败行、吞吐、配额和质量状态。
  6. 创建 DFS Pro 数据集，填写 owner、steward、profile、lineage 和生命周期。
  7. 需要多源合并时运行融合任务，并处理冲突、低置信度结果和拒绝行。
  8. 交接治理数据集、版本、质量说明和未解决事项。

检查清单​

  • DFS Lite 输出可追溯到源路径。
  • DFS Pro 数据集有 owner、版本、质量状态和 lineage。
  • 融合任务的配置、输入、输出、冲突和审阅结论已记录。

交付结果​

  • 一条从源系统到治理数据集或 AI Agent 证据的可审计数据管道。

实施说明​

保留源系统、字段含义、时间戳、单位、负责人和审阅记录。DFS 输出只有在完成映射、质量检查和交接记录后，才应进入 Inspector、FactVerse AI Agent、BI 或 Physical AI 工作流。

相关页面​

继续阅读适用场景
为 AI Agent 工作流准备 DFS 数据使用 DFS Lite 和 DFS Pro 为 FactVerse AI Agent 准备源数据、治理数据集、融合输出和交接记录。
DFS 场景配方按任务选择 BMS、预测性维护、AI Agent、融合和拒绝行恢复的操作路径。