為代理式 AI(agentic AI)建立資料基礎

bdc-data-fabric-overview-graphic

什麼是企業資料結構?

企業資料結構是一種架構,可在單一受監管的基礎中,將資料和情境轉變為對每個企業應用程式和 AI Agent 而言都值得信賴的知識核心。

連結所有資料,並完整保留業務情境

透過值得信賴的知識核心整合 SAP 與第三方資料,既能保留業務情境,又能為您的業務提供無與倫比的洞察。

在可信的語意基礎上,建立所有 AI Agent

確保每個 Agent、應用程式和決策皆以通用業務情境為基礎,並透過活動中繼資料擴充,持續從新資料和現有資料學習。

使運算能力契合每種工作負載

搭配各工作負載所需的正確引擎進行彈性運算,藉此強化 Spark、SQL 和多模型引擎的資料與 AI 工作負載。

探索企業資料結構功能

placeholder

在任何資料類型上,執行任何工作負載

在單一整合式引擎中,處理關聯式、圖表、向量和空間資料的分析、AI 和交易工作負載。

透過彈性擴展,管理運算資源

透過智慧分層技術,獨立擴展運算與儲存能力,以因應工作負載需求的變化,從而優化效能與成本。

提升 AI 成本的可預測性

使用原生的工作負載管理和記憶體式速度來執行 AI 運算,大幅減少推論時間,並降低總擁有成本。

探索 SAP HANA Cloud [SAP HANA 雲]
網路研討會
透過企業資料結構建立代理式 AI(agentic AI)的資料基礎

加入網路研討會,了解 SAP Business Data Cloud 如何在統一的資料架構中連結資料和業務內容,進而實現可擴充的 AI。

立即註冊

SAP 客戶成功案例

placeholder

在全球網絡的業務資料中挖掘意義

Ericsson 利用受管控且可重複使用的資料產品,統整了來自超過 180 個國家的巨量資料所蘊含的語意和業務情境

placeholder

簡化超過 3.5 億名客戶的資料管理

Vodafone 透過將多個市場合併為單一語意層,將其 BW 部署規模縮減了 80%,從而提供受管控且可靠的資料,服務超過 3.5 億名客戶

placeholder

將資料與 AI 視為共享的業務功能

Google 透過共享組織知識來協調財務與 IT 部門,進而減少人工帳務調節作業,並加速整個企業資料結構製作客戶損益表的速度。

placeholder

即時整合 5000 億個業務訊號,供 AI 使用

Team Liquid 即時整合活動、培訓與健康資料並附帶完整情境供 AI 使用,節省超過 10,000 小時的人工作業時間。

聽聽分析師如何評論 SAP

placeholder
SAP 在 2025 年《IDC MarketScape 商務智慧及分析平台供應商評估報告》中,獲評為領導品牌

了解 SAP 為何在 2025 年《IDC MarketScape 商務智慧及分析平台供應商評估報告》中,獲評為全球領導品牌。

閱讀摘錄
placeholder
SAP 是主檔資料管理的領導品牌

閱讀《Forrester Wave™:主檔資料管理解決方案,2025 年第 2 季》報告,了解 SAP 獲選為領導品牌的原因。

閱讀報告
SAP 在《分析和商業智慧》中獲評為遠見企業

了解 SAP 為何在 2025 年《Gartner® 魔力象限™:分析和商業智慧平台》中獲評為遠見企業。

閱讀報告

資源

placeholder

衡量資料結構總擁有成本

探索與 DIY 相比,SAP Business Data Cloud 如何透過資料結構節省高達 67% 的總擁有成本。

placeholder

資料結構與 AI

了解 SAP Business Data Cloud 如何整合情境、管理和協調,以加速取得洞察和智慧。

placeholder

使用者入門系列:體驗 SAP Business Data Cloud

了解如何使用 SAP Business Data Cloud,透過預先建立的應用程式、資料模型工具和 SAP Databricks,將原始資料轉換為即時洞察。

placeholder

SAP Discovery Center 中的 BDC 目錄

探索 SAP Business Data Cloud 的功能服務,透過任務、藍圖和指南,協助您連結、管理及分析 SAP 和第三方資料。

常見問題

企業資料結構是一種架構,可在單一受監管的基礎中串聯資料和情境,成為對每個企業應用程式和 AI Agent 而言都值得信賴的知識核心。不同於傳統的資料管理方法,企業資料結構的設計使其能夠保存資料背後的意義,因此能夠建立基礎,用以打造可擴展且值得信賴的 AI。企業資料結構將資料整合、湖倉、資料產品、資料市集、語意、知識圖表、建模等關鍵功能整合至統一平台,而且不影響架構彈性。

知識核心是企業資料結構的核心層,可將資料、流程、政策、模擬和語意連結至一個統一系統。知識核心可讓 AI Agent 理解企業的實際運作方式,而不僅止於資料本身的內容,因此超越了傳統的知識圖表。沒有知識核心,AI Agent 可能會彼此衝突或優化錯誤的結果。

資料湖泊或資料倉儲會儲存和組織資料,但不會保留與資料相關的業務情境。企業資料結構則會連結整個架構的情境,使資料不僅可供存取,更易於解讀。當 AI 系統需要制定符合實際業務成果的自主決策時,這種區別就變得至關重要。

Gartner,《魔力象限:分析與商務智慧平台》,Anirudh Ganeshan、Edgar Macari、Jamie O'Brien、Kurt Schlegel、Christopher Long,2025 年 6 月 16 日。

 

Gartner 及魔力象限(Magic Quadrant)是 Gartner、 Inc. 和/或其附屬公司的商標。

 

Gartner 不為其出版物所描述之任何公司、供應商、產品或服務背書保證,且並未建議技術使用者選擇分數最高或其他指定的供應商。Gartner 出版物包括 Gartner 業務和技術洞察研究機構的觀點,不應被視為事實陳述。Gartner 不提供對於任何與這項出版物有關的明確或暗示擔保,包括對適售性或特定用途適用性的擔保。

twitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixeltwitter pixel