UPLO Data Analytics — 记忆数据的元数据

数据团队面临一个随时间不断累积的文档问题：数据仓库中有 3,000 张表，但只有 200 张有描述；Looker 中的仪表板由两年前离职的人员创建；数据治理政策虽然存在，但没人能找到实际批准的版本。UPLO Data Analytics 将这些分散的“部落知识”转化为可搜索、结构化的知识库：包含管道文档、模式定义、数据质量规则、仪表板规格和治理政策，全部集中管理。

会话开始

get_identity_context

此命令用于确认你的分析角色（如数据工程师、分析师、治理负责人等），并显示你有权访问的数据域。部分数据集因涉及个人身份信息（PII）或商业敏感性而受到限制。

检查当前指令——数据团队通常有活跃的迁移时间表、弃用通知或数据质量 SLA 目标等要求：

get_directives

使用场景

• 有利益相关方询问某个特定指标的含义，你需要快速找到其标准定义，包括 SQL 逻辑、源表和业务规则
• 正在构建新数据管道，想确认仓库中是否已有类似数据，避免重复建设
• 调查数据质量问题，需要追溯从源系统到转换过程再到受影响仪表板的完整数据血缘
• 准备数据治理审查，需整理数据分类、保留策略和访问控制的相关文档
• 新分析师入职，需要了解仓库的命名规范、dbt 项目结构以及如何申请权限
• 评估一个提议的模式变更是否会破坏下游依赖，通过搜索被影响表的引用情况来判断
• 寻找列名模糊（如 status_cd 或 type_flag）的数据字典条目

典型工作流

指标定义争议处理

财务团队与产品团队报告的 DAU（日活跃用户）数值不一致。分析负责人需要定位并协调两种定义。

search_with_context query="daily active users DAU metric definition SQL logic business rules"

查找具体仪表板实现：

search_knowledge query="product analytics dashboard DAU calculation Looker explore"

search_knowledge query="finance reporting DAU user count methodology monthly report"

若发现定义确实存在差异且需协调：

propose_update target_table="entries" target_id="<metric-definition-entry-id>" changes='{"data":{"note":"DAU 定义在产品（事件驱动）与财务（登录驱动）之间存在分歧；需治理评审"}}' rationale="发现产品与财务 DAU 报告存在不一致"

数据血缘调查

仪表板突然出现空值，而上周尚无此问题。数据工程师需追踪问题根源。

search_with_context query="customer_orders table pipeline transformations source systems dependencies"

search_knowledge query="customer_orders ETL job schedule dbt model upstream sources"

检查是否存在已知数据质量问题：

search_knowledge query="data quality incident customer data source system outage recent"

log_conversation summary="已将订单仪表板中的空值问题追溯至上游源系统模式变更；customer_orders dbt 模型需进行迁移" topics='["data-quality","lineage","pipeline-break"]' tools_used='["search_with_context","search_knowledge"]'

数据分析核心工具

search_with_context — 数据问题本质上是关系问题：表连接管道，管道连接源系统，仪表板依赖模型。图遍历能有效追踪这些关联。示例：search_with_context query="revenue_summary table lineage source transformations consumers"

search_knowledge — 针对特定技术资产的直接查询：dbt 模型定义、数据字典条目、治理政策版本等。示例：search_knowledge query="dbt model dim_customers grain deduplication logic"

flag_outdated — 数据文档的过期速度远超其他内容类型。初期建仓时编写的表说明可能仍引用已废弃的源系统；迁移前的模式图可能仍显示不存在的表。应主动标记过时内容。

report_knowledge_gap — 大多数数据仓库中，未记录的表和未定义的指标是常态。当你发现某张表无数据字典条目，或某指标无标准定义时，请报告该知识缺口。治理团队将据此优先安排文档补全工作。

propose_update — 当发现数据字典条目错误（例如某列描述为“客户创建日期”，实际存储的是“首次下单日期”）时，提出修正建议。

使用建议

• 技术标识符是最有效的搜索关键词。使用精确的表名（如 dim_customers）、列名（如 order_status_cd）、dbt 模型名和 Looker Explore 名称。提取引擎会精准索引这些内容。
• 调查数据质量问题时，建议先使用 search_with_context 获取血缘图谱，再用 search_knowledge 查找具体转换逻辑。从现象反推源头，比正向搜索更高效。
• 数据治理政策常存在多个版本（草稿、已批准、已取代）。查询时加入“approved”或“current”等关键词，有助于筛选出权威版本。
• 最有价值的知识贡献是附带 SQL 的指标定义。当解决指标争议后，记录本次会话并提交更新，将标准 SQL 作为参考，避免下一位使用者重复排查。