01 / 产品详情
将业务问题与分析过程，沉淀为 Data MCP、Data Agent 与 Data App。
02 / 产出物
KunimiAI 产出三类具体资产。
01
Data MCP
受治理的数据使用接口
将数据集、函数、指标、策略及数据血缘封装为 MCP 工具。Agent 与内部工具仅可调用经授权的数据与定义。
评估要点: 现有指标、dbt 资产与策略能否作为 MCP 工具安全调用。
02
Data Agent
将问题推进为可执行工作的 Agent
自然语言提问将转化为包含引用数据、生成代码、中间表、审阅记录与审批状态的工作单元，形成可复现的分析历史，而非单纯的对话日志。
评估要点: 同一问题能否在不同团队、后续周期或不同数据快照下重新执行。
03
Data App
让已验证发现进入业务的输出面
将核验后的结果输出至工作流、审批流、业务看板、API、MCP、BI 或 Excel，使分析结果融入实际业务流程。
评估要点: 输出成果能否有效对接管理层汇报、业务复盘及日常运营。
03 / 产品内流程
一个问题会经过五个状态。
- 01
Ask
用户用业务语言提问。例: 主要客户的流失率为什么上升。
- 02
Context
KunimiAI 整合指标、策略、数据目录权限与历史记录，并在执行前明确数据读取范围与业务定义。
- 03
Execute
Agent 生成 SQL、Python 脚本或工作流，结合 Iceberg 数据快照与语义资产进行执行。
- 04
Review
分析师、业务专家与数据负责人可在统一界面协同审阅分析结果、生成代码、数据引用来源及审批记录。
- 05
Promote
经过验证的高价值分析可沉淀为 Data MCP、Data Agent 或 Data App，作为后续复用的资产。
04 / 评估角色
不同读者应检查不同位置。
CDO / Head of Data
评估 Data MCP、Data Agent、Data App 是否符合企业现有的数据治理框架与权责分工。
Data Platform Lead
评估 Polaris、Iceberg、dbt、企业身份认证与审计日志的集成对接方式。
Analyst / BI Lead
评估临时性分析是否能沉淀为可重新执行的版本记录与业务成果。
Security / Governance
评估事前权限拦截、事后数据血缘、审批流程及审计日志的完备性。
05 / 下一步