01
语义体系
六层语义模型
从业务概念逐层下钻到物理表/字段，让大模型「真懂业务」而不只是抄 SQL 模板。比如客户问「上周华南区高价值客户的留存率」，DataBuddy 能自动定位到「华南区 = 省份 ∈ {广东, 广西, 海南}」「高价值 = ARR ≥ 100 万」「留存率 = 7 日内有登录的客户数占比」。
关键词：业务 → 模型 → 指标 → 主题 → 物理 → 元数据
两者都挂着「Buddy」前缀，但解决的是同一家企业里完全不同的两个人的问题。本文用六维度对比 + 三个差异化能力 + 售前话术，把客户最常混淆的边界一次讲清楚。
DataBuddy（数智助手）是腾讯云 2026-05-19 正式发布的数据智能体平台，对接 WeData + DLC，目标是把数据分析师/数据工程师从「写 SQL、调字段、跑指标」里解放出来。
WorkBuddy 是面向所有职能岗位（HR / 销售 / 运营 / 法务 / 财务 / 售前 / 行政）的通用 AI Agent 工作台，靠 Skill + Connector 把日常工作流自动化。
已经买了腾讯云数据底座（WeData / DLC / TBase）的客户，他们的数据分析师团队。诉求：用对话式分析替代写 SQL、做指标体系、看板下钻、数据治理。
所有需要在电脑前处理「日常事务」的非数据岗职能人员。诉求：写文档、订会议、跑流程、出报告、对客户、调外部 API。本质是「AI 时代的个人电脑」。
客户最常混淆的几个维度逐项对照。如果某一行客户表示「都需要」，那不是产品选择题，是两条产品线都得引入。
| 维度 | DataBuddy（数智助手） | WorkBuddy |
|---|---|---|
| 定位 | 面向数据分析师/数据工程师的数据智能体平台 | 面向全体知识工作者的通用 AI Agent 工作台 |
| 核心场景 | 对话式数据分析、指标体系搭建、数据治理、看板下钻、数仓查询、ETL 调度 | 文档撰写、会议预定、邮件处理、客户管理、流程自动化、内部知识检索、跨系统协同 |
| 技术底座 | 深度对接 WeData + DLC + TBase，六层语义体系（业务 → 模型 → 指标 → 主题 → 物理 → 元数据） | Skill + Connector + MCP + Memory 四层；底层不绑定特定数据库，靠插件接入业务系统 |
| 能力边界 | 只在结构化数据 + 数仓范围内强；不写文档、不订会议、不连飞书企微 | 覆盖所有日常事务；但深度数据分析弱于 DataBuddy（没有数仓语义层） |
| 目标用户 | 已经买了腾讯云数据底座的存量客户的数据团队 | 任何企业的职能岗员工，不强依赖云产品（个人版可纯本地） |
| 商业化 | 跟 WeData / DLC 捆绑售卖，扩大数据云的客单价和续费 | 独立产品线（个人版 + 企业版），按 Token / 席位计费 |
这三件事 WorkBuddy 做不到 —— 它们正是 DataBuddy 与所有通用 AI 助手的护城河，也是售前判断「该上 DataBuddy 还是 WorkBuddy」的核心决策点。
从业务概念逐层下钻到物理表/字段，让大模型「真懂业务」而不只是抄 SQL 模板。比如客户问「上周华南区高价值客户的留存率」，DataBuddy 能自动定位到「华南区 = 省份 ∈ {广东, 广西, 海南}」「高价值 = ARR ≥ 100 万」「留存率 = 7 日内有登录的客户数占比」。
自动生成数据质量规则、血缘分析、字段一致性校验、敏感字段脱敏建议。这是数据团队最痛但最不愿做的「脏活」，传统做法依赖治理专员手工梳理几个月。DataBuddy 把它做成开箱可用的能力，让数据团队从「救火」转向「治理」。
客户问什么 → 直接出图、表、洞察，无需工程师写 SQL、做看板。一句「最近三个月哪个产品线毛利率最低，按月给我列出来」，5 秒后回出可视化趋势 + 异常归因 + 建议。把数据分析门槛从 SQL 拉到自然语言，是数据团队最大的解放。
面对「这俩有什么区别」这种问题，按下面的对照框架回答 —— 一句话定位 + 三条特征锚定客户的真实诉求。
对立面分析。客户说出这些话时，不要顺着圆，要把问题点回去，问出真实诉求再答。
表层答：WorkBuddy 通过 MCP / Skill 也能查 DLC，但只能做「字段级查询」 —— 客户问「华南区高价值客户的留存率」，WorkBuddy 不知道「华南区」「高价值」对应哪些字段，只能让客户自己拼 SQL。
深层答：DataBuddy 的核心是「六层语义体系」，把业务术语映射到物理字段。这不是写几个 Skill 能补上的工程量 —— 它是数据团队用半年到一年时间把业务概念沉淀到平台里的资产。
反问回去：「贵司的数据团队现在能在多久内，把『高价值客户』这个词的定义统一到所有业务方？」 —— 大部分客户答不上来，正是 DataBuddy 价值所在。
关键反驳：WeData 是开发工具，给数据工程师写 ETL、调度、建模型用的；DataBuddy 是消费层，给业务方对话式提问、出图、出洞察用的。前者面向「生产数据」的人，后者面向「消费数据」的人 —— 两类人在企业里至少差 50 倍人数。
诚实答：是有边界协调成本，但不是赛马。DataBuddy 卡死在「结构化数据 + 数仓」场景，WorkBuddy 卡死在「日常事务 + 跨系统」场景。客户两个都买，是常态而非冲突 —— 数据分析师用 DataBuddy，HR / 销售用 WorkBuddy，财务两个都用。