# auto-data-platform-introduce **Repository Path**: blankwe/auto-data-platform-introduce ## Basic Information - **Project Name**: auto-data-platform-introduce - **Description**: 数据中台，数据治理平台，AI数据中台，开箱即用，基于starocks构造的数据产品。轻量，现代化。 - **Primary Language**: Unknown - **License**: AGPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 5 - **Forks**: 0 - **Created**: 2026-04-21 - **Last Updated**: 2026-04-23 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # auto-data-platform ## 下一代 AI 数据中台与数据治理平台 `auto-data-platform` 是一套面向企业级数据建设场景的一体化平台，覆盖**数据接入、元数据管理、数据开发、调度运维、数据分析、数据治理、数据服务、AI 赋能**等核心环节，帮助企业把分散的数据资产真正变成可管理、可复用、可交付、可增长的业务能力。 它不是单点工具的简单拼接，而是面向企业数据体系建设的统一底座，让数据从“分散存在”走向“统一治理”，从“被动响应”走向“主动服务”，从“人工驱动”走向“AI 协同”。 --- ## 产品愿景 在企业数字化建设中，数据往往同时面临三个现实问题： - **有数据，但资产看不清**：数据源众多，元数据分散，找数、用数、管数都很难。 - **有平台，但协作效率低**：开发、调度、治理、分析、服务彼此割裂，沟通成本高。 - **有 AI 需求，但底座不够强**：缺少高质量、可追溯、可复用的数据资产，AI 难以真正落地。 `auto-data-platform` 的目标，就是把这些问题收敛到一个平台中，让企业拥有一套真正可持续演进的数据能力体系。 --- ## 核心价值 ### 统一 统一数据接入、元数据管理、任务编排、治理规则与服务出口，避免系统割裂和标准不一致。 ### 提效 通过自动化配置、标准化流程和 AI 辅助能力，减少重复开发、人工排障和跨团队协作成本。 ### 降本 降低数据开发、运维、治理和交付过程中的人力投入与沟通成本，提升组织整体效率。 ### 增质 通过质量校验、血缘追踪、标准管理和审计留痕，提升数据准确性、一致性与可信度。 ### 可复用 让数据资产、指标、图表、接口和治理规则沉淀为企业公共能力，而不是一次性项目产物。 ### 可演进 平台兼顾当前企业数据建设需求与未来 AI 场景扩展，为智能分析、智能生成和智能诊断提供统一数据底座。 --- ## 平台亮点 - **一体化数据平台**：集成数据开发、治理、分析、服务与运维能力，减少工具碎片化。 - **面向业务交付**：不仅服务数据团队，也服务管理者、业务团队和技术团队。 - **AI 深度融合**：内置智能对话、智能体和数仓向导，让数据平台具备协同智能能力。 - **私有化友好**：支持企业内部部署，适配多种企业级数据基础设施环境。 - **治理与交付并重**：既关注数据质量与标准，也关注数据如何被快速、安全地交付出去。 --- ## 核心能力 ### 1. 数据集成 统一连接企业内外部数据源，支持元数据采集、目录同步与资产登记，让数据从源头开始就可管理。 - 数据源管理 - 元数据管理 - 元数据入仓 - 表资产与目录治理 ### 2. 数据开发 提供从表管理、同步任务到脚本开发的一体化数据开发能力，减少人工编排与重复开发。 - 表管理与资产维护 - 同步任务配置与执行 - 脚本开发与版本管理 - 数据开发过程可追踪、可回溯 ### 3. 调度与运维 构建企业级任务执行与调度体系，让数据链路稳定运行、问题可定位、异常可处理。 - 工作流管理 - 调度记录 - 执行列表 - 运行监控 - 统一执行日志与任务追踪 ### 4. 数据分析 面向业务和分析人员提供从数据集到图表、从图表到看板的可视化分析能力。 - 数据集管理 - 分析工作台 - 图表管理 - 看板管理 - 结果保存与复用 ### 5. 数据治理 围绕质量、标准和血缘，帮助企业建立可持续的数据治理体系。 - 数据质量总览 - 质量规则管理 - 执行记录追踪 - 血缘分析 - 数据标准管理 ### 6. 数据服务 将治理后的数据能力以服务化方式开放出来，支撑业务系统、第三方系统和内部应用快速消费数据。 - 鉴权管理 - 接口管理 - 接口文档 - 流量审计 ### 7. AI 赋能 平台内置智能对话与智能体能力，让数据平台不只是“能用”，而是“会帮你做”。 - 智能对话 - 智能体助手 - 数仓向导 - 自动化配置建议 - 任务执行辅助 - 异常分析与治理辅助 --- ## 当前平台功能一览 ### AI 赋能 - 智能对话 - 智能体 ### 数据集成 - 数据源管理 - 元数据管理 - 元数据入仓 ### 数据开发 - 表管理 - 同步任务 - 脚本开发 ### 调度与运维 - 运行监控 - 工作流管理 - 调度记录 - 执行列表 ### 数据分析 - 数据集管理 - 分析工作台 - 图表管理 - 看板管理 ### 数据治理 - 质量总览 - 质量规则 - 执行记录 - 血缘分析 - 数据标准 ### 数据服务 - 鉴权管理 - 接口管理 - 接口文档 - 流量审计 ### 系统管理 - 用户管理 - 系统配置 - 系统监控 - 关于我们 --- ## 解决用户什么问题 ### 对管理者来说 - 看不清企业到底有哪些数据资产 - 数据建设投入很大，但成果难衡量 - 各部门各做各的，平台难统一 - 想推动 AI 落地，却缺少统一的数据底座 ### 对数据团队来说 - 数据源多、结构杂、接入成本高 - 规则、标准、口径长期不一致 - 开发、调度、发布、排障全靠经验 - 数据链路长，协作效率低 ### 对业务团队来说 - 想要数据，但取数周期长 - 报表口径不统一，争议多 - 数据难复用，重复沟通成本高 - 缺少可直接调用的数据服务 ### 对技术团队来说 - 系统耦合高，链路分散 - 任务运行状态难追踪 - 问题定位慢，排障成本高 - 缺少标准化的数据资产管理方式 ### 对 AI 场景来说 - 缺少高质量、可治理、可追溯的数据基础 - 数据来源散乱，难以形成稳定知识底座 - 缺少支持智能分析、智能生成、智能诊断的数据中枢 --- ## 平台带来的业务结果 - **统一入口**：一个平台承载数据建设、治理、分析和服务 - **统一标准**：让数据口径、资产定义和治理规则保持一致 - **统一交付**：让数据从生产到消费形成闭环 - **统一协同**：让管理、技术、业务和治理团队在同一平台上工作 - **统一演进**：让平台随着企业增长持续扩展，而不是推倒重来 --- ## 适用场景 - 企业数据中台建设 - 数据治理体系建设 - 元数据与资产统一管理 - 数据开发与任务调度 - 经营分析与可视化看板 - 数据服务开放与共享 - AI 数据底座建设 --- ## 安装教程 1. 将 `docker` 目录上传到服务器 2. 执行：`cd docker && docker-compose up -d` 3. 访问地址:http://ip:8080 默认账号密码：`admin/admin` --- ## 联系方式 如需了解平台演示、部署方式、合作支持或定制化方案，请通过平台提供的联系方式联系管理员。 ![wc.jpg](image/wc.jpg) --- ## 软件架构 ![img.png](image/img.png) ![img_1.png](image/img_1.png) ![img_2.png](image/img_2.png) ![img_3.png](image/img_3.png) ![img_22.png](image/img_22.png) ![img_4.png](image/img_4.png) ![img_5.png](image/img_5.png) ![img_6.png](image/img_6.png) ![img_7.png](image/img_7.png) ![img_8.png](image/img_8.png) ![img_9.png](image/img_9.png) ![img_10.png](image/img_10.png) ![img_11.png](image/img_11.png) ![img_12.png](image/img_12.png) ![img_13.png](image/img_13.png) ![img_14.png](image/img_14.png) ![img_15.png](image/img_15.png) ![img_16.png](image/img_16.png) ![img_17.png](image/img_17.png) ![img_18.png](image/img_18.png) ![img_19.png](image/img_19.png) ![img_20.png](image/img_20.png) ![img_21.png](image/img_21.png)