帆软BI接了智能问数，为什么还是逃不出固定看板的局限？
帆软BI接入智能问数后仍难摆脱固定看板，主因是其依赖预置指标、SQL模板或宽表，提问范围被建设期框架锁死，本质是“预制问答界面”而非真智能。真正破局需转向本体语义层路线——通过业务对象语义建模实现任意问题精准查询，但需配套语义治理投入。
五年数据开发复盘：从数仓建设到 AI 产品化的阶段性思考
五年数据开发复盘：从数仓建设到AI产品化。作者深耕BI、SaaS数仓、数据血缘与建模，提出“以数仓为根基、实体建模为核心、工程稳定性为底座”，强调业务理解重于工具使用。面对AI浪潮，主张聚焦提示词工程、RAG、实体识别等AI工程化落地，而非算法底层——数据开发正演进为连接业务、数据、工程与AI的复合型角色。
数据仓库是什么？数据仓库和ODS、数据集市有什么区别？
本文厘清数据仓库架构中三大核心概念：ODS（操作型数据存储）是贴源、低延迟的数据缓冲区；数据仓库（DW）是面向主题、集成、非易失的中央分析平台；数据集市（DM）是面向部门、轻度汇总的主题小库。三者构成“采集—整合—服务”闭环，是企业数据架构的基石。
固定指标问答和复杂经营分析,为什么适合的技术路线往往不是同一类?
企业智能问数需分两类：固定指标问答（重稳定、快响应，适配预置SQL/指标层）与复杂经营分析（重语义理解、跨系统推理，依赖本体语义层）。二者问题结构本质不同，选型关键不在厂商优劣，而在厘清自身需求——80%固定问题宜选轻量路线；高频跨域、开放式分析则本体语义层更具长期价值。
RFID仓库进出入与盘点采集精细化管理
RFID技术赋能仓库智能化管理，实现入库、出库、盘点全流程自动化采集与实时校验。替代人工扫码记账，提升作业效率5–10倍，杜绝错发漏发与盘点误差，确保库存数据精准、实时、可溯，助力仓储精细化、数字化升级。（238字）
