合同上月生效、今天才录入，历史报表该改吗？用双时态区分有效时间与系统时间
有效时间回答业务事实何时成立，系统时间回答系统何时知道。双时态模型同时保存两条时间轴，使原始发布、迟到修正和重述视图都可复现。
阅读文章BuildTable 数据建模与语义实践
浏览 AI 友好数据模型、指标体系和业务语义层实践。
吨、千克、箱、件为什么一换算就对不上？计量单位模型要管理维度、精度和有效期
单位换算不只是乘一个系数。应区分物理维度、标准单位、包装层级、产品特定换算、温压条件、有效期和舍入，禁止对不可比单位汇总。
阅读文章有的组织三层、有的七层，报表怎么统一汇总？不规则层级需要父子关系、闭包表和历史版本
固定 Level1-Level7 列会让缺层与调岗失真。用稳定节点、父子边、闭包路径和有效期表达不规则层级，并明确去重、跨属与当前/历史视图。
阅读文章客户标签每天都变，SCD2 维度为什么会爆炸？用迷你维度隔离快速变化属性
把稳定客户身份与频繁变化、低到中基数的画像组合分开建模，让事实记录事件时画像，同时控制历史维度行数、敏感属性和组合增长。
阅读文章跨境销售额为什么越汇总越不对？多币种事实表要同时保留原币、功能币和报告币
金额必须携带币种、汇率类型、报价方向、有效日期和舍入规则；交易、结算、期末折算与重估应分开建模，不能把混合币种直接求和。
阅读文章共享运费和平台费怎么落到订单利润？用分摊桥记录成本池、驱动、版本与尾差
共享成本不能直接 Join 到订单行。先冻结成本池和分摊范围，再用版本化权重桥生成可守恒、可重放、可对比的分摊事实，并区分归因与管理假设。
阅读文章客户编码已经唯一，维度表为什么还需要代理键？
业务键用于识别源系统实体，代理键用于稳定关联数仓历史；两者职责不同，尤其在多源整合、编码复用和历史维度中。
阅读文章没有金额和数量，还需要事实表吗？用无事实事实表记录事件与覆盖关系
报名、到访、资格、排班和促销覆盖虽没有数值度量，仍可按业务事件粒度建事实表，用行数和反连接回答发生与未发生。
阅读文章账户余额和库存余额为什么不能按天相加？理解半可加指标
余额可跨账户或商品求和，却不能跨时间直接累加；应为期末、期初、平均和时点值分别定义聚合规则与数据密度。
阅读文章订单有下单、发货、签收多个日期，日期维度应该建几张？
通常复用一张一致日期维度，通过下单日、发货日、签收日等角色键连接，并为每个指标声明默认时间角色。
阅读文章几十个是否标记塞进事实表，为什么会让模型越来越难用？
把低基数标记和小型枚举按业务相关性组合成杂项维度，可减少事实表杂乱并集中管理组合语义。
阅读文章订单从创建到签收不断更新，用交易事实还是累积快照？
交易事实记录每次事件，累积快照在一行中更新关键里程碑；两者适合不同问题，常需组合使用。
阅读文章一个客户属于多个标签，事实表怎么关联？用桥接表处理多对多关系
多对多关系直接 Join 会重复事实；桥接表应声明成员关系、有效时间、权重和汇总规则。
阅读文章订单号没有维度表，应该放在哪里？理解退化维度
订单号、票据号等交易标识可直接保留在事实表，用于明细追溯与分组；不必创建只有主键的空维度。
阅读文章交易先到、客户主数据后到，数据模型如何处理迟到维度？
事实不能因维度未到而丢失；应创建占位成员、保留来源业务键，并在维度到达后可审计地回填。
阅读文章自然月和财务月总对不上？先把财务日历建成共享维度
自然月、4-4-5 周历和业务日的边界不同；共享日历维度应明确期间、截止规则、比较口径和版本。
阅读文章空值、未知、不适用和零不是一回事：AI 数据模型如何表达缺失语义
把所有空值填成零会制造错误结论；模型应区分未采集、未知、不适用、尚未发生、真实零值和缺失记录。
阅读文章数据模型出了问题谁负责？用 RACI 划清指标、质量和发布责任
模型治理不应只写一个负责人；应分别定义业务口径、数据质量、技术实现、语义发布和变更批准的责任。
阅读文章跨销售、库存和财务分析，为什么需要一致性维度？
共享的商品、门店、客户和日期维度让不同事实表按同一业务对象对齐；仅靠字段同名无法保证可比。
阅读文章毛利率、转化率为什么不能直接求平均？比率指标要保留分子分母
比率通常不可加；跨门店、商品和时间汇总时，应先聚合分子分母再计算，避免平均的平均。
阅读文章客户和商品重复记录怎么合并？主数据实体归并不能只靠模糊匹配
实体归并需要标准化、候选生成、匹配证据、黄金记录和可撤销决议，避免误合并污染所有下游分析。
阅读文章事实表和维度表怎么区分？让 AI 先知道“发生了什么”和“描述谁”
事实记录业务事件与度量，维度描述分析对象；角色混淆会导致错误聚合、重复 Join 和难以解释的问数结果。
阅读文章业务流水和每日快照怎么选？两种模型回答的问题不同
流水保留变化过程，快照简化时点分析；库存、账户和设备状态常需要组合使用，而不是互相替代。
阅读文章数据契约变更如何保持向后兼容？字段不能说删就删
先分类新增、修改与删除，识别下游依赖，采用并行版本、弃用期和自动测试，避免报表与 AI 智能体突然失效。
阅读文章数据粒度不写清，AI 为什么容易重复计算？
“一行代表什么”是数据模型最重要的说明之一；粒度模糊会让 Join、指标和自然语言问数一起失真。
阅读文章语义模型的 Join 怎么治理？给关系加上基数契约
Join 契约应说明允许路径、基数、有效时间和失败方式，防止模型变化后指标静默膨胀。
阅读文章指标口径要改时，怎样知道会影响哪些报表和 AI 问题？
语义变更需要依赖图、版本、生效时间、回归问题集和发布沟通，不能直接覆盖旧定义。
阅读文章AI 友好的字段命名不是改成英文：还要补齐粒度和业务含义
字段名只是入口；AI 需要知道字段代表什么、何时有效、能否聚合以及谁负责维护。
阅读文章语义层怎么测试？从字段检查到业务问题回归
语义测试需要同时覆盖结构、指标、权限和真实问法，不能只跑数据质量断言。
阅读文章AI 建模的数据质量要分几层？不要只看空值率
质量应覆盖完整性、准确性、一致性、及时性和可用性，并与业务动作关联。
阅读文章当 AI 开始使用企业指标，语义和指标为什么必须版本化？
指标不是静态公式；负责人、适用范围、生效时间和变更影响都应成为可查询的版本信息。
阅读文章组织、客户和商品会变化：AI 分析为什么需要历史维度模型？
只保留当前属性会改写历史；SCD 模型让分析按当时状态或当前状态得到可解释结果。
阅读文章给 AI 分析准备数据：宽表还是星型模型？
宽表上手快，星型模型复用和治理更清晰；应按问题稳定度、团队和变更频率选择。
阅读文章AI-ready 数据模型为什么需要数据契约？
让字段、指标、粒度、质量状态和变更责任在进入 AI 前就有明确约定。
阅读文章语义模型里的粒度和 Join，为什么会让 AI 得出错的结论？
多数“数字不对”并非模型不会算，而是事实表粒度、连接关系和聚合路径没有被声明。
阅读文章AI 建模工具和语义层怎么选？先明确它们解决的是不同问题
建模工具负责整理和交付数据结构，语义层负责让指标与业务语言可复用；两者通常需要协作。
阅读文章AI Agent 普及后，语义层为什么重新成为数据基础设施？
模型能读表并不代表理解业务，指标、关系、术语、权限和版本需要进入可治理的数据层。
阅读文章怎样把数据库元数据变成 AI 可用的语义清单？
从表结构到语义清单，需要受控反射、质量画像、关系推断、业务确认和版本化发布。
阅读文章企业做 AI 数据准备：DataWorks、FineDataLink、dbt 与 BuildTable 怎么分工？
数据集成、数据开发、指标语义和 AI 友好建模不是同一件事，选型应先画清能力边界。
阅读文章什么样的数据模型，才真正适合 AI？
AI 需要的不只是表和字段，而是稳定口径、清晰关系与可追溯的业务语义。
阅读文章业务语义层：让 AI 听懂企业自己的语言
把指标口径、企业黑话、业务规则和权限范围组织成 AI 可复用的上下文。
阅读文章