基于DDD和本体论思想-对传统ChatBI智能问数元模型和语义的优化改进

表名: purchase_order
字段: po_id, supplier_id, promised_date, po_status
关系: purchase_order → goods_receipt (一对多)

第一层:领域术语词典 (消除歧义)
    ↓
第二层:静态数据模型 (数据存储)
    ↓
第三层:过程模型 (数据如何产生)
    ↓
第四层:指标推理模型 (数据如何使用)
    ↓
第五层:呈现约束模型 (数据如何展示)
    ↓
第六层:上下文感知 (理解用户意图)
    ↓
第七层:元模型治理 (持续优化)

术语: 履约准时率
业务定义:在承诺交付日期(含)之前完成实际收货的订单占比
同义词:[准时交付率,OTD,On-TimeDeliveryRate]
易混淆概念:
-不等于"发货准时率"(那是供应商视角)
-不等于"到货准时率"(那可能不包含质检)
判定标准:所有批次收货日期≤承诺交付日期
使用场景:[供应商绩效评估,采购效率分析,供应链风险预警]

实体: purchase_order (采购订单)
关键字段:
  - promised_date: 承诺交付日期
    业务规则:
      - "必须在供应商确认订单后才有值"
      - "可以晚于需求日期,但需要采购员审批"
      - "若订单拆分送货,每个送货单有独立承诺日期"

流程: 采购订单履约全流程
触发条件: 采购需求产生 + 存在有效框架协议

活动1: 创建采购订单
  执行者: 采购员
  输入: 采购需求、框架协议
  输出: purchase_order (状态=draft)
  业务规则:
    - R001: 合同必须在有效期内
    - R002: 供应商不能在黑名单
    - R003: 需求日期 ≥ 当前日期 + 标准交付周期

活动2: 供应商确认订单
  执行者: 供应商
  输入: 订单草稿
  输出: promised_date (承诺日期)
  业务规则:
    - R004: 承诺日期必须晚于当前
    - R005: 若承诺日期超需求日期3天,需主管审批

活动3: 供应商发货
活动4: 仓库收货
活动5: 质量检验
  业务规则:
    - R010: 收货后24小时内必须完成质检
    - R011: 质检不合格→创建退货单→重新发货

活动6: 退货处理 (若质检不合格)
活动7: 订单完成确认
  触发条件: 所有物料收货完成 + 质检合格
  业务规则:
    - R013: 准时性判定 = MAX(收货日期) ≤ 承诺日期

指标: 采购订单履约准时率(M001)

业务定义:
在承诺交付日期(含)之前完成所有收货的订单占比,
反映供应商的交付能力

计算口径:
统计范围:po_statusIN('completed','closed')
统计周期:按订单创建日期(po_date)
排除规则:已取消订单、金额<1000元的小额订单

计算公式:
分子:准时订单数(MAX(收货日期)≤承诺日期)
分母:总订单数

完整SQL逻辑:[附完整可执行的SQL]

数据血缘:
来源流程:P001-采购订单履约全流程
来源表:purchase_order+goods_receipt
关键字段:promised_date,receipt_date

典型分析场景:
场景1:供应商绩效评估
    问题模式:"XX供应商上月的准时率是多少?"
    答案结构:数值+同比环比+排名+异常说明
    
场景2:延期原因分析
    问题模式:"为什么上个月准时率下降了?"
    答案结构:趋势图+根因分解(质检不合格X%,供应商延误Y%)
    
场景3:风险预警
    问题模式:"准时率低于80%的供应商有哪些?"
    答案结构:预警清单+风险等级+改进建议

图表类型: 趋势图
适用指标:准时率、延期天数
配置:
-横轴:时间周期
-纵轴:准时率(%)
-基准线:行业平均85%(虚线)
-预警线:75%(红色)
-颜色:准时=绿色,预警=黄色,异常=红色

模板: 月度供应商履约分析报告
章节:
  1. 执行摘要 (本月准时率、环比变化、预警供应商数量)
  2. 准时率趋势分析 (近6个月趋势图 + 关键事件标注)
  3. 供应商绩效排名 (TOP10 + BOTTOM5)
  4. 延期原因分析 (根因分解:质检X%, 物流Y%, 生产Z%)
  5. 改进建议 (针对每个问题供应商的具体措施)

问题类型1: "{{时间}}的{{指标}}是多少?"
答案模板:
{{时间}}的{{指标}}为**{{数值}}{{单位}}**

📊数据详情:
-统计订单总数:{{N}}
-准时订单数:{{M}}

📈趋势对比:
-环比上期:{{+/-X%}}
-同比去年:{{+/-Y%}}

💡数据说明:
该数据统计范围为{{...}},判定标准为{{...}},
数据来源于{{流程P001}},最后更新时间{{...}}

---

问题类型2:"为什么{{供应商}}{{时间}}延期了?"
答案模板:
🔍延期原因分析-{{供应商}}在{{时间}}:

📉数据表现:
-延期订单:{{N}}单(占比{{X%}})
-平均延期:{{M}}天

🔍原因分解:
1.质检不合格退货:{{占比X%}}
     主要问题:包装破损({{Y单}}),规格不符({{Z单}})
2.供应商生产延误:{{占比%}}
3.物流延误:{{占比%}}

📋典型案例:
订单PO001:承诺12-15,实际12-22,延期7天
原因:首次送货质检不合格,退货重送

💡数据追溯:
purchase_order→goods_receipt→quality_inspection→return_record

采购部:
  关注指标:准时率、延期天数
预警阈值:<85%
报告频率:每周一上午

质量部:
关注指标:质检合格率、退货率
关注场景:质检不合格导致的延期

月末(25-31日):
  用户行为:查询本月数据、生成月报
AI默认:统计周期=本月
自动触发:月度分析报告

周一上午:
用户行为:查看上周数据
AI默认:统计周期=上周

采购员:
  专业度:业务专家
回答风格:业务语言,少技术术语
详细度:中等,关注结论和行动建议
偏好格式:图表+简要文字

数据分析师:
专业度:技术专家
回答风格:可以使用SQL、统计术语
详细度:详细,可输出计算逻辑
偏好格式:数据表+方法说明

采购经理:
专业度:管理层
回答风格:高层次总结
详细度:精简,关注战略洞察
偏好格式:执行摘要+关键数字

场景:
  用户: "上个月供应商A的准时率是多少?"
  AI: "78% (低于预警线)"
  用户: "他的订单量呢?" 
  AI: (自动关联"他"=供应商A, 时间=上个月)

版本: v1.0.0
更新日志:
  - 2025-01-15: 初始版本,定义8个核心术语,4个指标
  - 2025-02-01: 新增"首次送货准时率"指标
  - 2025-03-01: 优化质检不合格的判定规则

术语词典: 
拥有者:数据治理团队
评审者:业务部门负责人
更新频率:季度评审

业务流程:
拥有者:业务流程部门
评审者:IT部门
更新频率:流程变更时实时更新

监控指标:
  -AI回答准确率>90%(用户反馈+人工抽检)
-元模型覆盖率>80%(问题可匹配度)

改进闭环:
触发:AI回答错误
行动:分析是哪层元模型缺失

触发:新业务场景
行动:扩展术语词典和流程模型

🔍 根因分析 - 供应商A在2024年12月:

📉 数据表现:
- 总订单: 23单
- 延期订单: 11单 (47.8%)
- 平均延期: 6.2天

🔍 延期原因分解:
1. 质检不合格退货重送: 72.7% (8单)
   主要问题: 包装破损5单, 规格不符3单
2. 供应商生产延误: 18.2% (2单)
3. 物流延误: 9.1% (1单)

📋 典型延期订单:
- PO202412001: 承诺12-15, 实际12-22, 延期7天
  追溯路径: 12-15首次送货 → 质检不合格(包装破损18%) 
           → 12-16退货 → 12-22重新送货

💡 改进建议:
- 已要求供应商A升级包装标准
- 下次订单增加包装质量检查条款
- 建议交付周期+2天以降低风险

📋 数据来源:
基于采购订单履约全流程(P001)的数据追溯
purchase_order → delivery_record → goods_receipt 
→ quality_inspection → return_record

用户问题 
  → 术语识别(从术语词典匹配) 
  → 指标识别(从指标库匹配)
  → 场景匹配(从典型场景匹配)
  → 流程追溯(从过程模型追溯)
  → 生成答案(按呈现模板输出)