Cross-system Data Lineage / Governance
供应链数据血缘浏览器
把常见供应链数据对象、来源系统、转换逻辑与下游决策放进一张可交互的血缘图，快速看清一个字段会影响什么。
可运行演示确定性基础能力Deterministic
工业语境与系统边界
基础能力 · Cross-system · Data Governance
规则、Solver 或代码产出核心结果
集成边界：静态代表性前端数据模型；未连接数据目录、ETL、CDC，也不代表任何厂商物理表结构。
这个 BUILD 证明了什么
同一个供应链字段可以从来源系统一路追到业务决策，并反向查看数据问题的影响范围。
当前版本用一组代表性的供应链数据对象和 5 条关键字段血缘，把“系统里的字段”连接到库存、补货、排程、履约与异常监控，并支持前端点击查看影响范围。
能否用一个足够轻量的前端模型，让人快速理解供应链关键数据从哪里来、如何被转换，以及错误会影响哪些下游决策？
供应链数据地图
先看业务对象，再进入字段。
需求预测、版本与预测期间。
现有量、在途、冻结与可用库存。
安全库存、补货点与服务水平参数。
供应商、交期、价格与风险属性。
采购订单、数量、日期与收货状态。
物料主数据、采购与计划属性。
产品结构、用量与替代关系。
生产订单、数量、工艺与状态。
设备、产线、班次与可用产能。
缺陷、检验、隔离与放行状态。
客户订单、承诺日期与优先级。
库位、批次、库存状态与移动。
运输任务、路线、承运商与 ETA。
ATP / CTP 可承诺数量与日期。
退货、原因、检验与处置。
返修、报废、退供应商或重新入库。
决策边界
谁负责什么？
AI 参与边界：AI 不参与本 Build：字段血缘与影响范围由前端显式定义的确定性依赖关系生成，页面不调用 AI。
AI / 确定性系统 / 人怎么分工
- 数据01代表性供应链模型
前端 fixture 定义常见实体、字段和来源系统，不冒充真实企业数据。
- 代码02确定性血缘关系
字段、转换与下游依赖全部由显式关系定义，点击结果可重复、可检查。
- 人03判断真实映射
真实项目仍需由数据 Owner 确认系统、字段语义、质量规则与责任边界。
证据深度
验证这个结论。
限制必须保持可见；实现细节可以深入查看，但不能阻塞 Demo 主流程。验证 2026-10-21 · 构建 6e89290 · 未测 2 项 / 阻塞 3 项展开全量记录
- 未测8 条路由 × 3 视口（1440×900 / 720×900 / 390×844）的横向溢出、Tab 焦点 outline、#evidence 深链、正文对比度抽样（仅记录数值，阈值未定）
- 未测对比度阈值判定：首轮只记录实测数值，WCAG 阈值待真实分布确认
- 阻塞读屏（screen reader）
原因：当前无读屏执行环境
- 阻塞原生 200% 浏览器缩放
原因：headless 视口不能替代原生缩放，需人工验证
- 阻塞视觉构图接受
原因：需人眼评审；当前会话无视觉模型能力
- 所有实体、字段和值都是代表性模拟，不是任何公司的真实主数据、事务数据或系统映射。
- 页面展示的是常见供应链数据关系，不是 SAP、Oracle、MES、WMS 或 TMS 的完整物理表结构。
- 当前没有真实 ETL、Catalog、CDC、权限、数据质量监控或数据库持久化。
- 影响分析来自前端定义的依赖关系，用于解释数据传播，不代表生产环境中的自动血缘发现。
实现方式
一个纯前端的数据能力实验。页面使用代表性的 ERP、APS、MES、WMS、TMS 与供应商数据模型，展示常见供应链实体、字段级血缘和下游影响分析；所有数据均为静态模拟，不创建数据库表，也不宣称映射到某家企业的真实系统。React 客户端组件内置代表性的供应链实体目录、5 条字段级 lineage fixture 和下游 dependency graph。交互只在浏览器状态中运行，不调用 AI、不读取外部企业系统、不创建 Supabase 表。
可复用模式
这套 canonical entity + lineage + impact graph 可以作为后续 Control Tower、Digital Twin 和跨 Build 数据层的前端基础；只有出现真实持久化或集成需求时再引入数据库。
证据与来源
- Demo交互式数据血缘 Demo
可以从常见数据实体进入字段血缘，并查看一个数据质量问题可能传播到哪些计划、执行与监控决策。
- 架构前端领域模型
系统 → 代表性源表 / 字段 → 标准化实体 → 转换规则 → KPI / 业务决策 → Winston Builds。
- 源码