什麼是 Cube？

Cube 是一個先進的代理式分析平台，可在您的整個資料生態系統中建立統一的語義層。其核心使命是透過允許組織一次性定義核心業務指標和計算邏輯，來消除資料碎片化和不一致性。這個單一事實來源確保了所有下游工具——從傳統的 BI 儀表板到最尖端的 AI 代理——都根據完全相同的定義來取用資料，從而大幅減少差異並改善資料治理，正如 Alcon 等用戶所強調的，他們在指標定義方面取得了顯著的效率提升。

該平台彌合了現代資料堆疊（如資料倉儲和資料湖）與消費層之間的差距，提供企業級的安全、效能調校和即時資料處理工具。透過提供強大的、API 優先的基礎，Cube 賦予開發人員和分析師構建複雜資料體驗的能力，包括高效能的嵌入式分析和具備上下文感知能力的 LLM 應用程式，確保資料在整個組織中不僅是可用的，而且是值得信賴和可操作的。

關鍵功能

• 代理式分析平台 (Agentic Analytics Platform)： 透過與 AI 和多代理系統深度整合，支援下一代資料工作流程，實現動態資料解釋和增強的響應能力。
• 語義層基礎 (Semantic Layer Foundation)： 在中心位置定義指標、維度和關係。這確保了所有消費點的一致性，避免了重複編寫查詢的需求（例如 Alcon 的經驗）。
• 嵌入式分析 (Embedded Analytics)： 提供工具，可直接在應用程式中建置安全、一致且高效能的嵌入式儀表板和視覺化。
• 即時分析支援 (Real-time Analytics Support)： 採用針對速度和一致性進行優化的堆疊設計，使人們可以信賴最新、最即時的資料。
• LLM 與 AI 上下文層 (LLM & AI Context Layer)： 提供必要的結構化上下文和預先計算的指標，以驅動 AI 聊天機器人和大型語言模型產生準確且相關的回應。
• 效能優化 (Performance Optimization)： 諸如快取、預聚合管理和查詢重寫等功能可確保低延遲響應，從而顯著減少分析停機時間（例如 Cloud Academy 報告減少了 90%）。
• 雲端 OLAP 橋接 (Cloud OLAP Bridging)： 作為關鍵的中介，將現代雲端資料倉儲 (OLAP) 的原始功能與試算表和 BI 工具等使用者友好的介面連接起來。

如何使用 Cube

開始使用 Cube 涉及建立您的語義模型並連接您的資料來源。典型的工作流程圍繞著在 Cube 的建模語言中定義您的資料配置。首先，將 Cube 連接到您的底層資料倉儲（例如 Snowflake、BigQuery）。其次，在 Cube 模式檔案中定義您的核心指標、維度和關係，建立單一事實來源。

定義模型後，您可以透過各種 API 暴露這些資料，包括用於傳統 BI 工具的 SQL API、用於自訂應用程式的 REST/GraphQL，或直接將其整合到您的 LLM 管線中。使用者受益於快速迭代；例如，由於 Cube 簡化的部署流程，Cloud Academy 在發布新資料模型方面達到了 5 倍的速度提升。該平台會自動處理查詢編譯、優化和快取，這意味著無論終端使用者使用何種工具，他們所看到的結果都是一致且快速的。

使用案例

1. 企業 BI 標準化： 大型組織使用 Cube 來強制在數十個不同的 BI 工具（Tableau、Power BI、Looker）中對 KPI（如每月經常性收入或客戶獲取成本）使用一致的定義，確保高階主管報告的統一性和可信度。
2. AI 代理的上下文化： 將 Cube 作為內部 AI 助理的資料層整合。當員工向 LLM 驅動的機器人詢問資料問題時，Cube 會將自然語言查詢轉換為針對資料倉儲的優化、具備上下文感知能力的查詢，確保 AI 回應在事實上基於定義的指標。
3. 建置面向客戶的分析： 公司利用 Cube 的嵌入式分析功能，安全地在其 SaaS 應用程式中向其終端客戶提供量身定制、高效能的儀表板，大規模管理權限和效能。
4. 現代化舊有報告： 從舊資料堆疊遷移的組織使用 Cube 透過熟悉的介面快速暴露其新的雲端資料倉儲資料，在保持關鍵報告向後相容性的同時，加速新基礎設施投資的價值實現時間。
5. 即時營運儀表板： 對於需要即時回饋的使用案例（例如監控即時交易流程或系統健康狀況），Cube 的即時功能可確保營運儀表板反映資料的最新狀態，而不會犧牲一致性。

常見問題 (FAQ)

問：Cube 原生支援哪些資料來源？ A：Cube 旨在連接幾乎所有現代資料倉儲或資料庫，包括 Snowflake、BigQuery、Databricks、PostgreSQL、MySQL 和各種雲端 OLAP 系統。它充當這些來源之上的抽象層。

問：Cube 如何改善 AI/LLM 的效能？ A：Cube 提供結構化的上下文。Cube 不會將原始資料餵給 LLM，而是根據預先定義的指標將使用者意圖轉換為優化查詢。這減少了「幻覺」，確保了準確性，並在適當的時候透過查詢聚合或預先計算的視圖顯著加快了回應時間。

問：Cube 主要是一個視覺化工具還是資料建模工具？ A：Cube 本質上是一個語義層和分析 API 平台。它專注於定義資料的「含義」以及「如何」一致地查詢它。雖然它支援嵌入式分析，但它是工具不可知論的，旨在驅動視覺化工具，而不是取代它們。

問：Cube 如何處理安全性和存取控制？ A：安全性在 Cube 層內集中管理。您可以根據使用者角色或透過 API 傳遞的上下文定義細粒度的存取控制、行級安全性 (RLS) 和欄級安全性，確保資料取用者無論使用何種下游工具，都只能看到他們被授權存取的部分。

問：Cube 與傳統 BI 工具的建模層有何不同？ A：傳統 BI 工具會建立特定於該工具的孤立模型。Cube 建立一個通用的語義層，為所有工具（BI、自訂應用程式、AI）提供服務。這種集中化可以防止指標漂移，並確保無論指標是在 Tableau 中查看還是被內部 AI 代理查詢時，其定義都是一致的。