Data Fabric工程落地前置评估文档，配套可直接复用的评估问卷；目标是判断当前组织适合轻量/中型/重型语义方案，避免盲目上马Data Fabric本体建模、RDF/知识图谱等语义层建设，防止投入大量人力后出现元数据断层、术语冲突、推理性能不达预期等项目风险。
一、前言
Data Fabric 的核心价值之一，是依靠语义层打通分散异构数据，用统一业务术语、本体模型、知识关联屏蔽底层存储差异，实现数据可理解、可溯源、可自动推理。但语义建设不是通用标配：很多团队跳过前置评估，直接设计全局本体，最终陷入术语打架、元数据不全、推理查询超时、知识工程人力不足的困境。
在启动语义建模、R2RML映射、虚拟知识图谱（VKG）、本体TBox/ABox开发之前，必须完成5个维度的技术准备评估。评估输出结果用于判定选型：轻量语义方案、中型语义方案、重型语义方案。
二、评估规则说明
- 评估方式：打分制，每个维度满分10分，得分越低代表风险越高、准备度越差。
- 5大评估维度：异构数据源复杂度、业务术语冲突程度、元数据采集完备度、团队知识工程能力、查询负载与推理SLA。
- 分级判定规则：
- 总分 0–20分：暂不适合语义建设，优先补齐基础能力；
- 总分 21–30分：轻量语义方案，仅做术语词典+简单映射，不做复杂本体推理；
- 总分 31–40分：中型语义方案，局部领域本体+VKG虚拟映射，有限规则推理；
- 总分 41–50分：重型语义方案，全局本体、多规则推理、RDF三元组、复杂知识查询。
评估问卷可直接复制到飞书/Notion/问卷系统，组织数据、业务、平台团队共同评审打分。
三、5维度落地评估问卷
维度1：异构数据源复杂度（0–10分）
评估重点：数据源类型、存储引擎、数据接入方式、数据更新频率、数据质量基线。
| 问题 | 评分参考 |
|---|---|
| 1. 数据源种类数量：数据库（MySQL/PG）、文件（CSV/Parquet）、API、SaaS、时序、非结构化文档一共有多少类？ | ≤3类：3分；4~6类：2分；≥7类：0分 |
| 2. 数据接入模式：是否存在离线批式、实时流、在线API多模式混合？ | 仅离线批：3分；批+少量实时：2分；大量实时API/流数据：0分 |
| 3. 底层Schema稳定性：表结构、字段是否频繁变更（月度大量改动）？ | 长期稳定：2分；偶尔变更：1分；频繁改动：0分 |
| 4. 跨库主键/业务唯一标识是否可对齐？ | 存在统一业务主键：2分；部分可对齐：1分；完全没有全局业务ID：0分 |
得分说明：
8–10：数据源可控，异构程度低；
5–7：中等异构，需要适配多类型存储；
0–4：高度异构，Schema不稳定，会大幅增加语义映射工作量。
维度2：业务术语冲突程度（0–10分）
评估重点：同名异义、异名同义、口径不统一，业务人员与数据团队词汇差异。
| 问题 | 评分参考 |
|---|---|
| 1. 核心业务实体（客户、订单、资产等）是否存在一词多义？ | 无冲突：3分；少量冲突：2分；大量同名异义：0分 |
| 2. 相同业务指标，不同部门是否有多个字段/计算口径？ | 口径统一：3分；少数指标口径冲突：2分；核心指标口径混乱：0分 |
| 3. 是否已存在业务词汇表/数据字典？ | 已有维护良好词典：2分；有草稿但未评审：1分；完全没有：0分 |
| 4. 业务方是否愿意投入时间参与术语对齐评审？ | 业务深度参与：2分；可配合少量评审：1分；业务无人力配合：0分 |
得分说明：
8–10：术语基线良好，语义建模阻力小；
5–7：局部术语冲突，可通过领域词表解决；
0–4：术语体系混乱，优先做业务术语标准化，不要直接上本体。
维度3：元数据采集完备度（0–10分）
评估重点：技术元数据、业务元数据、血缘、数据质量、数据分类采集能力。
| 问题 | 评分参考 |
|---|---|
| 1. 技术元数据（表、字段、类型、注释）是否可自动化采集？ | 全量自动采集：3分；部分数据源支持：2分；只能手工维护：0分 |
| 2. 数据血缘是否可自动解析，支持跨数据源链路追踪？ | 全链路自动血缘：3分；仅数仓内部血缘：2分；无血缘：0分 |
| 3. 业务元数据（业务含义、责任人、数据分类）是否可挂载？ | 已规模化挂载：2分；仅核心表有注释：1分；几乎无业务元数据：0分 |
| 4. 元数据变更事件能否实时感知，触发语义模型更新？ | 变更可感知：2分；只能定期扫描：1分；无变更感知能力：0分 |
得分说明：
8–10：元数据底座成熟，可作为语义层基础；
5–7：元数据部分缺失，语义映射需要人工补充；
0–4：元数据缺失严重，语义层会变成纯手工维护，维护成本极高。
维度4：团队知识工程能力（0–10分）
评估重点：本体建模、RDF/R2RML、知识推理、语义查询、持续运维的人力储备。
| 问题 | 评分参考 |
|---|---|
| 1. 团队是否有人理解本体（TBox/ABox）、RDF、R2RML/VKG基础概念？ | 有专职人员：3分；有人了解概念：2分；完全无经验：0分 |
| 2. 是否具备领域建模能力，可划分边界、定义实体与关系？ | 可独立做领域本体：3分；需要外部顾问协助：2分；无法独立建模：0分 |
| 3. 是否有长期运维人力，持续迭代术语、本体、映射规则？ | 专职持续维护：2分；兼职维护：1分；项目型一次性投入：0分 |
| 4. 团队能否看懂SPARQL或语义查询，定位推理性能问题？ | 可独立调优：2分；需要培训后上手：1分；完全不熟悉：0分 |
得分说明：
8–10：知识工程能力充足，可承担重型语义建设；
5–7：具备基础能力，适合分领域、渐进式中型方案；
0–4：知识工程能力薄弱，严禁直接构建复杂本体，优先轻量方案。
维度5：查询负载与推理SLA（0–10分）
评估重点：语义查询并发、响应时延、推理规则复杂度、数据体量、SLA约束。
| 问题 | 评分参考 |
|---|---|
| 1. 语义查询预期并发量？ | 低并发（<10 QPS）：3分；中等并发：2分；高并发在线查询：0分 |
| 2. 查询SLA时延要求 | 离线分析、无强时延：3分；秒级查询：2分；毫秒级在线SLA：0分 |
| 3. 是否需要大量复杂规则推理（传递推理、冲突校验、多实体关联推导）？ | 几乎不需要推理：2分；少量简单规则：1分；大量复杂推理：0分 |
| 4. 参与语义计算的数据总规模 | 千万级以内：2分；亿级：1分；十亿级以上：0分 |
得分说明：
8–10：负载压力小，推理需求简单；
5–7：中等负载，需要对推理做裁剪、缓存、分区；
0–4：高并发+强SLA+海量数据，复杂推理会带来严重性能瓶颈。
四、综合判定模型（总分汇总）
将5个维度得分相加，对照下面方案选型：
总分 0–20分：暂缓语义建设
现状短板明显：元数据缺失、术语冲突、异构数据源复杂，或者团队缺少知识工程能力。
建议动作：先落地数据字典、元数据平台、基础数据血缘、业务口径统一；暂不启动本体、RDF、VKG语义层开发。等基础底座达标后再二次评估。总分 21–30分：轻量语义方案
适用场景：不需要复杂知识推理，核心目标是统一业务术语，打通简单字段映射。
建设范围：业务术语词典、概念-字段映射表；采用虚拟语义标签，不构建完整本体，不做RDF持久化；仅支持简单概念查询，关闭复杂推理。
典型组件：元数据平台增强、术语中心，轻量化VKG，不引入SPARQL复杂推理引擎。总分 31–40分：中型语义方案（最常见落地选型）
适用场景：分业务域建设，局部知识关联，少量规则推理。
建设范围：领域本体（而非全局大本体）、R2RML虚拟映射，轻量VKG；仅在指定领域启用简单推理；跨域查询依靠虚拟联邦，不做全量三元组落地。
约束：本体按业务域隔离，禁止一次性构建企业级全局本体；推理规则严格控制数量，做查询缓存与下推优化。总分 41–50分：重型语义方案
适用场景：企业级统一语义，多实体复杂关系、大量规则推理，跨全域数据知识挖掘。
建设范围：企业顶层本体+领域子本体、RDF三元组存储、完整R2RML映射、复杂规则推理、SPARQL查询服务；配套推理性能调优、三元组分区、增量更新策略。
风险提示：成本高、运维重，必须配套专职知识工程团队、性能压测、版本管理机制。
五、评估输出物清单
完成评估会议后，输出交付件：
- 5维度打分表，标注风险项与风险等级；
- 风险整改清单（优先级P0/P1/P2）；
- 语义方案选型结论（暂缓 / 轻量 / 中型 / 重型）；
- 里程碑规划：基础底座补齐阶段 → 语义试点阶段 → 规模化推广阶段；
- 非功能约束文档：推理开关策略、查询SLA上限、本体变更管控流程。
六、结语
Data Fabric语义建设的最大误区，是把本体、知识图谱当成“必选高级能力”。语义层本质是高成本的抽象层，收益高度依赖底层元数据、业务共识与知识工程能力。这份自检清单的核心目标：先评估准备度，再定方案规模，小步试点，避免一次性全局重构。
