AI 发展迅速，展现切实价值的压力也日益增加。然而，尽管投入持续增长、采纳意愿不断提升，许多企业却发现其数据基础尚不足以支撑 AI 智能体和应用程序的需求。
数据分散存在于本地部署系统以及多个云环境中。每个数据源都有其自身的结构、逻辑和业务规则。将这些数据用于分析、规划或 AI 时，通常需要花费大量时间来提取、清洗和整合数据，以重建适用于不同应用的上下文。这一字段究竟意味着什么？哪种定义是正确的？这些数据又如何与某个流程相关联？
这种情况在企业内部反复发生，形成了一种所谓的“复杂性税”，即为使现有数据变得可用而增加的工作量。这种复杂性税会拖慢负责扩展性和治理的 IT 团队的进度，也会阻碍业务团队快速获取答案、简化工作流以及对结果建立信心。
业务数据织网架构通过在一个可信且可复用的基础之上连接数据与业务上下文，帮助应对这一挑战。当通过实际使用者的体验来看待这一基础架构时，它会变得更加易于理解。让我们跟随企业中的三个人，看看业务数据织网架构如何支持从数据产品创建、规划模型生成到最终计划更新的连贯规划工作流。
创建可信的数据产品
我们的第一位用户是 Olga，一位业务线开发工程师。她接到任务，需要基于 SAP S/4HANA 现有的数据产品创建一个衍生数据产品。她的目标是为 Ryan 提供合适的数据，以便他用这些数据构建规划模型。
Olga 首先在 Joule Studio 中开始工作。她用自然语言描述了自己的需求，希望获得一个简化的成本中心数据产品，仅包含活跃的成本中心、英文描述，以及一份整合后的 ID 和描述列表。
AI 智能体会搜索现有数据源，并向 Olga 展示可供选择的方案供其审阅。它不会从零开始，也不会直接假设下一步操作，而是引导 Olga 逐步完成迭代过程，并在过程中不断征求确认。在继续之前，Olga 可以预览新生成的数据产品，这让她能够对数据内容和逻辑更加有信心，因为她全程参与了整个过程。
该智能体为该数据产品建议了一个名称，Olga 随后根据她与 Ryan 共同商定的命名规范进行修改。智能体应用这一更改，并准备发布该数据产品。
Olga 的经历说明了业务数据织网架构如何让业务上下文在不同系统和领域间得以复用，这是一项重要的优势。Olga 无需从原始数据开始，也无需从零重建逻辑。她直接使用现有的受控数据产品，并持续参与其中，为下一位用户创建高质量的数据产品。
将可信数据转化为规划模型
在我们的场景中，下一位用户是 Ryan，他是一名在 SAP Analytics Cloud [分析云] 中工作的规划建模师，需要为负责特定业务领域的数据分析师 Anna 创建一个运营费用规划模型。
Ryan 同样在 Joule 中开始工作，描述他想要构建的模型以及 Anna 所需的详细程度。Joule 识别出他的意图，并搜索可用且匹配请求的数据产品。由于 Olga 新生成的数据产品已经发布并具有清晰的命名，Ryan 可以轻松找到它，选择后继续推进。
这一由智能体引导的过程，使 Ryan 无需自行搜索可用的数据产品、理解其结构、创建维度或进行维护。智能体构建了一个模型，以执行 Ryan 所请求的具体数据操作，并在几秒钟内完成，而非数小时。
最后，Ryan 要求智能体在规划模型上添加一个分析故事，以便 Anna 更直观地查看结果。Joule Agents 汇总了所需的数据，生成可视化图表，并将其组织成清晰直观的布局。Ryan 对最终生成的仪表盘进行微调后，再与 Anna 共享。
Ryan 体验到了业务数据织网架构的第二个重要优势：当可信的数据源随时可用时，建模变得更加简单和高效。智能体能够基于有明确业务背景的受控数据进行操作，Ryan 也对输出结果充满信心。
无需追踪每个数据点即可规划
最后，我们见到了 Anna，一位财务规划师。她打开了 Ryan 发布的规划模型和分析故事。在进行修改之前，她创建了一个私有的工作副本，以便调整自己的计划而不影响已发布的版本。
在 Anna 看来，这些数据已可直接使用。部分成本数据来自 SAP S/4HANA，其他数据则通过业务数据织网架构连接的第三方承运商接口获取。她所需的规划数据随时可用，Anna 无需停下来询问每个数值的来源。
Anna 使用自然语言来调整计划，移除某些项目，并让 Joule 根据其他标准重新填充这些内容。Joule 会保留她之前请求的上下文，跨维度执行计算，并将结果写回计划中。
Anna 的经历凸显了数据织网架构的另一大优势：信任已内置于工作流程之中。数据涵盖 SAP 和非 SAP 来源，但 Anna 无需在推进前逐一验证每个数据点。她可以自信地进行规划，因为数据基础已经完成了连接数据源、保持语义一致以及实施治理的工作。
三位用户，一个互联的工作流
Olga、Ryan 和 Anna 共同展示了当数据、上下文与 AI 智能体协同工作时所能实现的效果。短短几分钟内，三个人完成了过去需要数天才能完成的工作，而且所有人都基于同一可信的数据基础开展协作。
对 IT 领导者而言，关键在于：代理式 AI 的可靠性取决于其背后的数据质量。业务数据织网架构为智能体提供了所需的业务上下文，使其能够跨角色、系统和流程支持实际工作。它帮助团队摆脱碎片化数据和重复性手动操作，转向更高效的工作方式——数据相互关联，含义得以保留，信任融入整个流程。
观看点播网络研讨会 《借助业务数据织网架构构建 AI 的数据基础》， 即可亲眼见证演示过程，并跟随 Olga、Ryan 和 Anna 了解每一步如何在 SAP Business Data Cloud 中展开。
