多源生产数据AI对齐：指标口径统一实验

数据分析实验室近期完成一项方法性验证：把「指标口径统一」从人工拉群对数，改为 AI 辅助的语义对齐。做法是先用大模型从报表、SQL、看板注释中抽取指标定义，生成「名称—口径—数据源—责任人」四元组草案，由数据工程师确认后落到语义层做一致性校验。

要点：
1）在 3 条产线、约 180 个指标的试点中，识别出跨系统同名不同义的指标 37 组，口径确认耗时由约 2 天压缩到 3 小时左右；
2）异常归因时，系统给出「口径差异 / 采集延迟 / 真实波动」三类假设并附证据链，减少反复对数。

下一步计划把该流程接入实时数仓，测试指标变更的自动影响面分析，并补充口径争议的留痕与回滚机制。数据智能的价值不在模型多大，而在让口径这件事变得可审计、可复用。