Semantic View（语义视图），本质上是在数据之上加一层“可理解的业务语义层”，把底层复杂的数据结构（表、字段、Join、计算逻辑）抽象成业务可读、可复用的指标与维度。一个像样的 Semantic View，通常至少要解决这些事：抽象：把物理表结构抽象成业务对象（指标、维度、实体关系）一致：指标定义一次，多工具复用，少写一堆重复 SQL可治理：权限、审计、血缘、认证等跟着语义对象走AI 就

Semantic View（语义视图），本质上是在数据之上加一层“可理解的业务语义层”，把底层复杂的数据结构（表、字段、Join、计算逻辑）抽象成业务可读、可复用的指标与维度。一个像样的 Semantic View，通常至少要解决这些事：抽象：把物理表结构抽象成业务对象（指标、维度、实体关系）一致：指标定义一次，多工具复用，少写一堆重复 SQL可治理：权限、审计、血缘、认证等跟着语义对象走AI 就

摘要：2025年起全球云服务和存储芯片价格大幅上涨，企业数据平台成本压力剧增。云器Lakehouse通过Serverless按秒计费、存算分离、一体化架构等方案有效降低TCO：1）计算成本节省50%+；2）存储扩容独立管理；3）网络费用优化；4）隐性运维成本减少。火花思维案例显示，该方案可实现零迁移成本、性能提升3-10倍的同时降低60%费用。建议企业从工作负载盘点入手，采用隔离资源池、智能缓存等

选 1~2 条最关键链路（实验/增长/风控/推荐等），把全量重算改成增量化，先把新鲜度做出来。把 Catalog、权限、口径这些治理要素统一起来，至少让数据资产“可发现、可解释、可复现”。选一个能闭环的 AI 场景（对话式分析、运营 Copilot、知识问答等），用 Data Agent 把流程跑起来，而不是只做Demo。等你这三件事跑顺了，再谈“统一智能基座”，就不是概念了。

火花思维技术团队通过引入云器Lakehouse引擎，成功解决了开源Spark在性能、成本和AI能力方面的瓶颈。采用分阶段升级策略，首先通过外表模式实现"零迁移、换引擎"，保持原有数据存储和平台不变，仅替换计算引擎。实际生产数据显示：高消耗任务性能提升3-10倍，计算成本降低60%以上，数据时效从T+1提升至H+1，且迁移工作量趋近于零。这一升级不仅实现了降本增效，还为后续Kap

作者｜同程数科大数据高级工程师 王星同程数科是同程集团旗下的旅游产业金融服务平台，前身是同程金服，正式成立于 2015 年。同程数科以“数字科技引领旅游产业”为愿景，坚持以科技的力量，赋能我国旅游产业。目前，同程数科的业务涵盖产业金融服务、消费金融服务、金融科技及数字科技等板块，累计服务覆盖超过千万用户和 76 座城市。图1.1 业务场景-业务介绍主要包含四大类：图1.2 业务场景-业务需求综合以

Advance Intelligence Group（领创集团）成立于 2016 年，是一家以 AI 技术驱动的科技集团，致力于通过科技创新的本地化应用，改造和重塑金融和零售行业，以多元化的业务布局打造一个服务于消费者、企业和商户的生态圈。集团旗下包含企业业务和消费者业务两大板块，企业业务包含 ADVANCE.AI 和 Ginee，分别为银行、金融、金融科技、零售和电商行业客户提供基于 AI 技术

数仓分层模型数仓分层模型的好处：1、数据结构化更清晰：每一个数据分层都有它的作用域和职责，在使用表的时候能更方便地定位和理解。2、数据血缘追踪：提供给外界使用的是一张业务表，但是这张业务表可能来源很多张表。如果有一张来源表出问题了，我们可以快速准确的定位到问题，并清楚每张表的作用范围。3、增强数据复用能力：减少重复开发，通过数据分层规范化，开发一些通用的中间层数据，能够减少重复计算，提高单张业务表

📌本文将介绍云器科技自研的Lakehouse产品。通过本次分享，您将了解云器Lakehouse产品特性，了解一体化数据平台如何提升数据处理和数据分析的效率，使之更轻松、更简洁、更高效，了解增量计算如何做到平衡数据新鲜度、查询性能和成本。此外，数据湖仓的一体化架构，为目前热门的人工智能大模型提供开放的接口，可以直接使用云器Lakehouse的数据湖中数据进行模型训练。云器一体化平台统一批、流和交互

数据湖仓一体是一种将数据湖和数据仓库融合在一起的数据架构。数据湖仓一体支持机器学习、商业智能和预测分析，使组织能够利用低成本、灵活的存储服务来存储所有类型的数据（结构化、非结构化和半结构化数据），同时提供数据结构和数据管理功能。数据湖仓一体是一种现代数据架构，它结合了数据湖（原始形式的大型原始数据存储库）和数据仓库（经过整理的结构化数据集）的主要优势来创建单一平台。具体来说，数据湖仓一体让组织可以