UPLO 数据分析 — 记忆型元数据

数据团队长期面临文档缺失问题，且该问题随时间推移不断加剧：数仓中拥有 3000 张表，但仅有 200 张具备描述信息；Looker 实例中的看板由两年前已离职的人员构建；数据治理政策虽已制定，却无人能定位实际获批的版本。UPLO 数据分析将这些零散的“部落知识”转化为可搜索、结构化的统一知识库——涵盖数据管道文档、模式定义、数据质量规则、看板规范及治理策略，全部集中于一处。

会话启动

get_identity_context

该命令用于确认您的分析角色（如数据工程师、分析师、治理负责人等），并展示您有权访问的数据域。部分数据集因 PII 治理要求或竞争敏感性而受到访问限制。

查看当前指令——数据团队通常有关于迁移时限、弃用通知或数据质量 SLA 目标的正在进行中的强制性要求：

get_directives

适用场景

• 业务方询问某个具体指标的含义，您需查找其权威定义，包括 SQL 逻辑、源表及业务规则
• 您正在构建新数据管道，希望确认数仓中是否已存在类似数据，以避免重复建设
• 调查数据质量问题事件，需追溯从源系统经各层转换直至受影响看板的完整血缘链路
• 为数据治理审查做准备，需汇总数据分类、保留策略及访问控制等相关文档
• 新入职分析师需了解数仓的模式命名规范、dbt 项目结构，以及如何申请访问权限
• 评估某项拟议的模式变更是否会破坏下游依赖——通过检索受影响表的所有引用实现
• 查找列名含义模糊（如 status_cd 或 type_flag）所对应的数据字典条目

典型工作流示例

指标定义争议

财务团队与产品团队报告的 DAU（日活跃用户）数值不一致。分析负责人需定位并协调各方定义。

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

搜索具体的看板实现：

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

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

若定义确实存在差异且需协调统一：

propose_update target_table="entries" target_id="" changes='{"data":{"note":"DAU definitions diverge between product (event-based) and finance (login-based); needs governance review"}}' rationale="Metric inconsistency discovered between product and finance DAU reporting"

数据血缘调查

某看板本周开始显示 NULL 值，而上周并无此现象。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"

检查是否存在已知的数据质量问题事件：

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

log_conversation summary="Traced NULL values in orders dashboard to upstream source system schema change; customer_orders dbt model needs migration" topics='["data-quality","lineage","pipeline-break"]' tools_used='["search_with_context","search_knowledge"]'

数据分析核心工具

search_with_context —— 数据问题本质是关系问题：表关联管道、管道关联源系统、看板依赖模型。图遍历即沿这些连接路径展开。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检索：如 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 —— 数据文档的老化速度远超多数内容类型。初始建仓时撰写的表描述可能仍指向已被弃用的源系统；迁移前生成的模式图可能包含已不存在的“幻影表”。请主动、高频地标记过时内容。

report_knowledge_gap —— 在大多数数仓中，未文档化的表与无权威定义的指标实属常态。当您遇到无数据字典条目的表，或无标准定义的指标时，请及时上报缺口。治理团队将依据此类信号优先安排文档补全冲刺任务。

propose_update —— 当您发现数据字典条目有误（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”），请提交修正建议。

使用提示

• 技术标识符是最高效的搜索关键词。请使用精确的表名（dim_customers）、列名（order_status_cd）、dbt 模型名及 Looker Explore 名。提取引擎对这些标识符建立了精准索引。
• 调查数据质量问题时，建议先使用 search_with_context 获取血缘图谱，再通过 search_knowledge 查阅具体转换逻辑。从症状反向溯源比正向搜索更高效。
• 数据治理政策常存在多个版本（草案、已批准、已取代）。在查询时加入 “approved” 或 “current” 等关键词，有助于筛选出权威版本。
• 最具价值的可贡献文档是附带 SQL 的指标定义。当您解决一项指标争议后，请记录会话过程，并提交含权威 SQL 的更新建议，使后续使用者无需重复排查。