企业官网建设流程全解析

恒川工业的 Supply Planner 打开缺料事件SD-260808-01，看到M-1042可用库存为 760 EA。WMS 的 800 EA 现存、20 EA 冻结和 20 EA 预留已经更新，ERP 订单需求却停在上一批次。页面公式没错，数字仍可能不能用于决定。

如果他据此提交 520 EA 的调拨方案AP-2048，问题就不再是“报表晚了一点”，而是数据链是否有资格驱动高影响 Action。

本篇要解决的问题

上一篇把 760 EA 区分为当前状态，把库存变动区分为事件，把昨日证据区分为快照，把库存曲线区分为 Time Series。现在必须继续向下追问：这些状态、事件、快照和测量怎样从 ERP、MES、WMS、SRM 进入 Foundry，经过什么规则，再成为 Ontology 中可信的 Property、Object 和 Link？

本篇只解决 Dataset 与 Pipeline。Data Connection 作为上游入口点到为止；对象怎样被索引、编辑和物化，留给第 17 篇。

一句话区分：Dataset 是 Foundry 中受治理、可版本化的数据资源；Pipeline 是把输入持续加工并交付为数据或Ontology输出的可运行转换链。

Pipeline Builder 则是 Foundry 建设数据集成 Pipeline 的主要应用，不是 Pipeline 本身。Palantir：Pipeline Builder overview

产品架构位置：六个词不在同一层

Dataset、Pipeline 和 Object Type 并非同一层级。Pipeline Builder 当前也可以在同一工作流中添加 Object Type、Link Type 或 Time Series 等 Ontology output；另一条常见路径是先交付清洗后的 Dataset，再在 Ontology Manager 建立 Object Type 和 property mapping。Palantir：Pipeline outputs

两条路径都要回答：哪一列是 Primary Key、对象粒度是什么、字段是否真是同一个业务含义。

Dataset：不是“Foundry 里的表”

官方将 Dataset 描述为数据落入 Foundry、直到映射进 Ontology 之间最基础的表示。其底层是对 backing file system 中一组文件的封装，平台在此之上提供权限、schema、版本控制和随时间更新的支持。Dataset 可承载结构化、半结构化和非结构化数据。Palantir：Datasets

因此，在 Dataset Preview 中看到行列，只代表当前 Dataset View 的一种展示。Dataset 还包含以下运行语义：

Dataset 会随时间变化。官方当前列出SNAPSHOT、APPEND、UPDATE与DELETE四类 transaction；用户看到的通常是最新 view，而不是一份永远不变的上传文件。Palantir：Datasets

在恒川，raw_wms_inventory可以保存 WMS 某批次交付的库存状态，curated_inventory_position可以保存经过身份和单位统一后的结果。两者都是 Dataset，却承担不同的数据契约和权限责任。

Pipeline：不是“把表搬过去的接口”

Pipeline 是一张可运行的数据依赖图：从 Inputs 开始，经过清洗、过滤、Join、聚合、身份映射或派生计算，生成 Outputs，并通过 Build、Schedule、Health Check、Branch 和 Release 进入持续运行。

Inputs → Transforms → Preview → Deliver → Outputs

Pipeline Builder 让使用代码和不使用代码的建设者在同一工作流协作。当前官方工作流包括添加输入、变换或连接数据、预览结果、交付构建和添加输出；严格输出检查失败时会阻止 build，以减少意外破坏下游。Palantir：Pipeline Builder overview

Code Repositories 也能建设 Pipeline。Pipeline Builder 是主要应用，并非唯一创作入口；SQL、可视化 Transform、Python 或其他受支持逻辑只是实现方式。一个生产 Pipeline 还必须回答依赖、运行、质量、版本和交付责任。

Pipeline 不替恒川定义“可用库存”“已确认预留”“有效供应商承诺”。BA 要把 Transform 背后的业务语义写成可说明、可测试的规则。

object datasource：数据与对象之间的接口面

Object Type 是业务类型定义，object datasource（也称 backing datasource）是它的数据支撑。要让Inventory Position的 Object 实际拥有onHand、frozen、reserved、available和asOf值，建设者必须把 datasource 中的列映射为 Properties，并指定稳定且唯一的 Primary Key。Palantir：Create an object type

用最简形式表示：

一行 Dataset 记录不天然就是一个 Object。只有当粒度、身份、Property 语义和关系映射成立时，它才可以成为对象数据的来源。一个 Dataset 也可能只是中间计算或审计快照，根本不应进入 Ontology。

对象 datasource 后续怎样同步、索引，Action edit 怎样与 datasource 数据合并，以及对象怎样物化到下游，不在本篇展开。

恒川链路：760 EA 怎样从四套系统进入决定

第 12 篇已经把 ERPM-1042、WMSMAT1042-SH、供应商门户P-8821归并为Material / MAT-0001042。现在这份 Crosswalk 成为 Pipeline 的输入之一。

四类来源分别提供什么证据

Data Connection 可以同步外部系统数据供 Foundry 的数据集成、模型和 Ontology 使用。本篇把它视为上游入口，不讨论复制、虚拟访问和驻留选择。Palantir：Data Connection overview

继承旧稿的库存计算链

raw_wms_inventory → 校验 schema、warehouse_code 和 as_of_time → 用 Crosswalk 把 MAT1042-SH 解析为 MAT-0001042 → 统一数量单位为 EA → on_hand = 800 EA → frozen = 20 EA → reserved = 20 EA → available = on_hand - frozen - reserved → 800 - 20 - 20 = 760 EA → 执行唯一性、非空、单位、时效和非负检查 → curated_inventory_position

Pipeline 还把 ERP 订单、MES 生产状态和 SRM 承诺对齐到相同 Material、Plant、Warehouse 与时间口径，输出缺料决策所需的数据产品。Supply Planner 才能判断是调拨、催交、替代料还是改序，而不是只看一列 760。

若 ERP 订单需求和 WMS 库存的as_of_time超出允许差值，即使curated_inventory_position构建成功，应用也应标记证据过期或阻断高影响方案。Build 成功只证明计算链运行，不证明业务数据足够新。

承接时间建模：四种时间形态怎样进入数据链

同一个 WMS 来源可以同时产生“当前库存”与“每日库存快照”，但它们不能共用一套未经说明的主键和更新方式。Dataset Contract 必须明确交付的是 current、event、snapshot 还是 series。

Dataset 与 Object Type 为什么不能画等号

raw_erp_purchase中的一行不应该自动成为Purchase Order Line；curated_inventory_position的宽表形状也不该强迫Material承载每个仓库的全部库存。应先从决策粒度定义 Object Type，再决定哪些 Dataset columns 支撑其 Properties 和 Links。

Batch、Incremental 与 Streaming 怎样选

选择不从“实时更先进”出发，而从 Decision Clock 和变化规模出发。

官方当前建议多数场景先建 Batch Pipeline；数据变化规模很大时再用 Incremental 提升性能、降低延迟。Streaming 适合极低延迟需求，但整条 Pipeline 只能和最慢组件一样快，且 Pipeline Builder 的 streaming capability 并非所有环境都可用。Palantir：Building pipelines

“实时”是端到端属性。WMS 秒级更新、ERP 每两小时刷新时，760 EA 不能被称为实时可用库存。

BA 工作台：Source–Dataset–Object Mapping

Source–Dataset–Object Mapping是本系列的 BA 交付物，不是 Palantir 官方固定模板。它在数据设计和 UAT 前使用，把旧稿的 Dataset Contract、Pipeline Contract 与 Ontology Mapping 合为一张可验收的链路表。

质量验收清单

BA 不必编写每个 Transform，但必须能回答：一行数据代表什么，哪个系统拥有事实，时间和单位怎样解释，什么错误会阻断输出，以及 Property 最终支持哪个 Decision 和 Action。

结论：数据进入对象，不是表换个名字

Dataset 提供可治理的数据交接点，回答“这一站的数据是什么、哪个版本、谁能用、从哪里来”；Pipeline 说明数据怎样从输入经规则变成输出，失败时如何处理；Pipeline Builder 是建设这条链的主要应用；object datasource 则把经确认的数据值接到 Object Type。

恒川的 760 EA 只有同时通过身份、粒度、单位、时间、水位、权限和 Lineage 验收，才有资格支撑AP-2048。Ontology 没有取消数据工程，而是让数据质量的后果直接回到业务决定和 Action。

不过，本篇默认了外部数据会同步成 Foundry 中的 Dataset。ERP、WMS 和供应商数据是否都必须物理搬入 Foundry？能不能保留在源端，仍参与 Pipeline 与 Ontology？驻留、延迟、权限和成本如何取舍？

本文依据 Palantir 公开资料、本地阅读笔记及业务分析与实施研究整理，与 Palantir Technologies 无官方关联。Source–Dataset–Object Mapping与质量验收清单不是 Palantir 官方固定模板。产品能力和支持范围可能变化，请以官方文档与目标环境为准。