01 / 产品详情

将每个问题,沉淀为 Data MCP、Data Agent 与 Data App。

Lanikaia 是数据平台之上的问题执行层。它接收经营或业务问题,并将数据、定义、生成代码、审批状态与输出保留为同一份可复用工作。CDO / Head of Data 可以评估产出了什么、谁能审阅、以及能复用到什么程度。

02 / 产出物

Lanikaia 产出三类具体资产。

  1. 01

    Data MCP

    受治理的数据使用接口

    将 dataset、function、metric、policy、lineage 发布为 MCP tool。Agent 与内部工具只能调用被授权的数据和定义。

    评估视角: 现有 metric、dbt asset、policy 能否作为 MCP tool 安全调用。

  2. 02

    Data Agent

    将问题推进为可执行工作的 Agent

    自然语言问题会变成包含引用数据、生成代码、中间表、审阅上下文与审批状态的工作单元。它不是聊天记录,而是可复现的分析历史。

    评估视角: 同一问题能否由其他团队、其他周期、其他数据 snapshot 重新执行。

  3. 03

    Data App

    让已验证发现进入业务的输出面

    将验证后的结果发布到 workflow、approval、operational view、API、MCP、BI 或 Excel output。分析结果不会止步于报告,而会进入业务节奏。

    评估视角: 输出能连接到董事会、周会复盘还是日常运营。

03 / 产品内流程

一个问题会经过五个状态。

  1. 01

    Ask

    用户用业务语言提问。例: 主要客户的流失率为什么上升。

  2. 02

    Context

    Lanikaia 收集 metric、policy、catalog grant 与相关历史,并在执行前确定可读取范围和使用定义。

  3. 03

    Execute

    Agent 生成 SQL / Python / workflow,并绑定 Iceberg snapshot 与 semantic asset 后执行。

  4. 04

    Review

    分析师、领域专家与数据负责人在同一位置审阅答案、生成代码、引用来源与审批状态。

  5. 05

    Promote

    只有有价值的工作会被提升为 Data MCP、Data Agent 或 Data App,成为下一次可复用对象。

04 / 评估角色

不同读者应检查不同位置。

05 / 下一步

用一个真实工作负载评估产品。