案例10｜智慧資料流方案工作流：從指令碼擷取到查詢消費

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）。本頁使用智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）、生成式人工智慧（Generative Artificial Intelligence, GenAI）、資料定義語言（Data Definition Language, DDL）與資料操作語言（Data Manipulation Language, DML）。掌握 IDFE 的四個主要工作階段與核心能力。

本案例依原書第 5 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

列出擷取、解析、索引與消費階段。
說明全量與部分更新。
理解中繼資料與自然語言查詢的關係。

三、案例情境

IDFE 從多個來源蒐集 DDL 與 DML 指令碼，支援全量及部分更新；自訂解析器辨識資料表、檢視表、程序、連接與相依；中繼資料被轉成結構化格式並索引至 Azure Cognitive Search；最後以搜尋應用程式介面（Application Programming Interface, API）及 GenAI 層提供資料流查詢。

四、開始資料

階段	輸入／處理／輸出
擷取	多來源 DDL、DML；支援全量與部分更新
解析與中繼資料擷取	辨識資料表、檢視表、程序、連接與相依
儲存與索引	轉成結構化格式並建立搜尋索引
查詢與消費	由 API 或自然語言查詢取得資料流洞察

五、Excel／AI 分析方法

在 Excel 建立流程驗收表，記錄每階段輸入格式、輸出結構、更新模式、錯誤處理與下游消費者；AI 可檢查斷鏈。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

模組化流程讓新資料以增量方式加入既有索引而不必干擾現有作業，但每個階段仍需清楚定義資料契約與證據。

八、AI 提問詞

請依四階段檢查資料流方案，列出每階段的輸入、輸出與缺失介面；不能從下游結果反推未提供的上游處理。