数据智能引擎是优锘科技基于本体神经网络（ONN）构建的企业级智能问数、智能分析与运营平台。它包含智能问数、分析智能体、MCP形式的引擎服务能力、报表生成、权限审计和热数据卡片等模块，让业务用户在授权数据范围内用自然语言完成查询、计算、分析和报告生成。
数据智能引擎基于ABC范式（Acquire获取对象→Build构建指标→Compute计算）实现数据库内跨多模态、跨多库、跨多表的自然语言查询和计算。
系统对接客户多种模态数据库（SQL、KV、图、时序、向量、文本等），围绕对象关系、指标口径、权限控制和审计日志建立统一治理能力。
平台由多类数据智能体协作，覆盖意图澄清、问题拆解、查询生成、计算执行、精准问答场景下的质检校验、报告生成、热数据卡片沉淀和MCP服务能力等环节，适用于从条件问数到深度分析的多类数据智能场景。
企业数据平台主管、信息部门负责人、数据分析团队负责人
传统数据查询和分析通常依赖SQL技能、预制报表或人工维护指标口径，在跨部门、跨系统、跨多表场景下容易出现口径不一致、查询范围受限和结果难以复核等问题。
数据智能引擎通过本体神经网络构建统一的对象关系图，使自然语言问题能够对应到数据库中的对象、属性、关系和计算口径，提升复杂数据查询的可解释性与一致性。
澄清意图
识别对象
解析关系
映射属性
构造条件
构建指标
生成语句
执行计算
校验结果
服务连接
数据智能引擎包含哪些能力
产品关系
智能问数是数据智能引擎的核心入口，分析智能体和MCP服务能力共同支撑更复杂的数据任务。
企业在评估“智能问数”“ChatBI”“Text-to-SQL”“企业自然语言数据分析”时，真正需要判断的是系统是否能把业务对象、指标口径、权限边界和计算过程统一起来。数据智能引擎把这些能力组织在同一套工作台内，既可以处理明确条件的问数，也可以面向项目健康度、销售趋势、财务健康、运营效率、客户洞察和供应链风控等主题启动分析智能体。
智能问数
面向业务用户的自然语言查询入口，支持在授权范围内完成条件查询、统计、聚合、趋势分析和结果追问，是数据智能引擎最直接的使用入口。
分析智能体
围绕项目健康度、销售趋势、财务健康、运营效率、客户洞察和供应链风控等主题，把分析任务拆成可记录、可复核、可持续优化的步骤。
MCP形式的引擎服务能力
在数据计算过程中，可将外部复杂算法封装为MCP服务接入；数据智能引擎也可作为MCP服务被企业智能体调用，提供授权范围内的问数与分析输出。
任务、仪表盘与知识沉淀
将常用问题、热数据卡片、分析任务和仪表盘沉淀下来，帮助组织把一次性问答转化为可运营的数据智能资产。
系统能力
条件问数能力
对于熟悉数据库字段的用户（如部门领导、信息中心系统管理员），可以自然语言提出明确的数据查询问题。系统理解自然语言中的条件输入，整合已有业务知识，实现基于条件的数据查询和计算。例如："帮我统计2022年到2024年，每年、每个部门的人数净变化。"
深度分析能力
对于不熟悉数据库字段的用户（如高级管理者），可以用自然语言提出方向性的问题。在已接入数据、语义模型和权限范围内，系统辅助拆解分析目标，生成可复核的查询组合与分析报告。例如："帮我分析下最近五年的人事变化情况。"
分析智能体协同
按业务主题组织专业分析智能体，支持把经营、财务、运营、客户、供应链等问题拆解为多轮查询、计算和解释，减少单次问答对复杂问题的遗漏。
MCP服务连接
MCP服务连接用于把复杂算法、专业计算工具和企业已有能力纳入同一条可审计链路，便于在深度分析场景中复用外部服务，同时保留权限边界和调用记录。
路线对比
vs RAG召回方式
相较于主要面向文档或知识片段召回的RAG应用，数据智能引擎强调在已接入数据库范围内进行实时查数、计算和结果解读。
vs NL2SQL路径
数据智能引擎在接入的数据库范围内围绕对象关系、指标口径和计算过程进行查询与校验。NL2SQL方式通常由模型直接生成SQL，在复杂多表、跨库和口径不一致场景下更依赖表结构描述与人工复核。
vs 预制问答方案
数据智能引擎通过本体神经网络（ONN）和ABC范式减少对预制SQL问答对、固定宽表和静态指标平台的依赖。预制类方式更适合固定问题，面对临时追问和跨对象分析时需要持续人工维护。
部署与治理
部署形态
支持按企业数据安全、网络边界和合规要求选择私有化、本地化或混合部署方式。模型、数据连接、知识库和计算服务可根据客户现有技术栈进行适配，具体方案在项目评估阶段确认。
资源评估
部署资源按数据规模、并发访问、查询复杂度、模型调用方式和安全要求综合评估。系统支持横向扩展和分层治理，适配从部门级数据问答到集团级数据智能运营的不同建设阶段。
常见问题
01智能问数与数据智能引擎是什么关系？+
智能问数是数据智能引擎的核心功能模块。数据智能引擎还包括分析智能体、MCP形式的引擎服务能力、报表生成、权限审计和热数据卡片等能力，覆盖从自然语言查数到深度分析和数据运营的完整链路。
02数据智能引擎是否需要连接我们的数据库？+
是的。数据智能引擎对接客户现有的多种模态数据库，并持久化存储构建本体神经网络。同步机制支持定时或实时，支持全量或增量更新。
03数据智能引擎如何提升复杂查询的可靠性？+
系统基于ABC范式（Acquire→Build→Compute）拆解自然语言问题，经过意图澄清、指标匹配、ABC拆解、查询生成、计算执行，并在精准问答场景下进行质检校验，把结果与业务对象、对象关系和指标口径关联起来，便于复核与持续优化。
04数据智能引擎支持哪些数据库类型？+
支持SQL、半结构KV、图关系、时序、向量、文本等多种模态数据库的对接和持久化存储，实现面向对象的统一数据建模。
05是否可以适配企业现有模型和部署环境？+
可以。数据智能引擎可根据企业的数据安全、网络边界、模型策略和技术栈进行适配。具体部署方式、模型调用方式和资源配置会结合数据规模、并发量、查询复杂度和安全要求共同评估。
06数据智能引擎的部署周期需要多长时间？+
项目周期通常取决于数据源数量、业务对象复杂度、权限体系、审计要求和试点范围。一般会经历本体建模与数据接入、智能体配置与验证、业务推广与持续优化三个阶段。
07数据智能引擎如何保障企业数据安全？+
系统可对接客户现有权限体系，支持字段级、对象级和角色级数据访问控制，并提供查询、计算、结果生成和用户操作的审计记录。部署方式可按企业数据安全与合规要求评估。
08数据智能引擎里的MCP服务能力是什么？+
MCP服务能力用于在数据计算流程中接入外部复杂算法服务；数据智能引擎也可作为MCP服务被企业智能体调用，输出授权范围内的问数与分析结果。它不替代数据接入、权限控制和语义建模，而是让引擎能力更容易被流程化调用。
09是否提供产品试用或演示？+
是。优锘科技提供产品演示和概念验证（POC）服务。您可以通过电话400-051-0152或邮箱info@uino.com联系商务团队。针对有明确场景的客户，可申请概念验证项目。
10数据智能引擎与传统BI工具有什么区别？+
传统BI工具通常依赖预先构建的数据模型和报表。数据智能引擎通过ONN和ABC范式，让用户围绕已接入、已建模且授权的数据范围，用自然语言提出临时性和探索性分析问题。
11数据智能引擎是不是单纯NL2SQL？+
不是。数据智能引擎以本体神经网络ONN、对象关系、指标语义、权限审计和可复核执行链路为基础。NL2SQL可以是查询生成方式之一，但企业级智能问数还需要口径统一、权限命中、结果质检、审计日志和高频问题沉淀。