> For the complete documentation index, see [llms.txt](https://docs.reorc.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.reorc.com/cn-reorc-help-center/huan-ying-shi-yong-reorc.md).

# 欢迎使用 Reorc

## 什么是 Reorc?

Reorc 是一个统一的数据平台，旨在提供无缝的分析体验和高质量的大规模数据处理。它涵盖数据生命周期的各个阶段，帮助数据从业者高效构建和维护强大的数据转化管道。

## 核心模块

作为一体化的数据解决方案，Reorc 包括以下关键模块：

* **数据摄取（Data ingestion）：**Reorc 提供多种内置连接器，轻松将数据从不同源加载到统一目标。您还可以自定义连接器，调整数据摄取方案。
* **数据建模（Data modeling）：**Reorc 支持使用 SQL 和 Python 模型进行数据转化（ETL），遵循最佳实践，并提供版本控制和数据血缘追踪功能，确保数据的透明性和一致性。
* **语义层建模（Semantic modeling）：**Reorc 的语义层可构建统一、易于理解的业务数据指标，如关键指标及其相互关系。用户可以基于语义模型进行查询，辅助决策。
* **数据编排（Data orchestration）：**通过一站式构建端到端数据管道，涵盖数据接入、转化和业务分析指标，配备开箱即用的操作符和直观可视化图表。
* **质量控制（Quality control）：**Reorc 在设计时就注重数据质量控制，对所有资产应用测试和质量检查，确保数据符合预定标准。

Reorc 结合了现代数据架构的创新，帮助数据从业者解决以下关键问题：

* **数据管道复杂**：随着数据量和复杂度的增加，ETL 流程、模型和工具变得日益复杂，缺乏集中管理系统让这些组件的协调变得困难。
* **治理不足**：控制权分散在多个工具和用户间，难以实施一致、安全、合规的数据管理。
* **缺乏数据可观测性**：没有统一的数据流视图，资产管理、血缘追踪、质量监控受限，当出现数据问题时，排查困难。
* **知识孤岛**：团队成员在不同的工具上工作，知识形成孤岛，影响协作与跨部门沟通，数据解决方案低效。