随着企业数据规模增长，非结构化文档处理成为数据团队的常见负担。以发票为例，PDF格式多样，发票编号规则不一，手动录入容易出错。传统做法要么人工提取，要么用多个工具将数据搬进数仓，既耗时又可能造成重复或金额不一致。

Alteryx One Live Query与Google Cloud BigQuery的集成，提供了一种更直接的方式。Live Query是一个浏览器内的可视化环境，业务用户无需编写代码就能搭建数据流水线。它通过安全的SQL pushdown，让数据转换逻辑直接在BigQuery内部执行，而不是把数据移出仓库。对于文档密集的场景，Live Query可以调用Gemini等Google AI模型，从PDF和图片中提取信息，同时保持在BigQuery环境下的数据治理与安全。

解决方案针对发票处理设计了端到端流程。PDF文件先进入Google Cloud Storage，随后由Live Query工作流中的Document Extract工具提取结构化字段，用户可选择Gemini或Document AI模型。提取结果经过标准化，与BigQuery中已有的历史发票数据进行比对。整个过程自动化程度高，目标是在企业规模下处理数百万份文档，同时让对账逻辑与数仓保持一致。

架构上，这个模式分为三个层次。浏览器中的Live Query是编排层，用户在此配置文档提取、分类、清洗、验证和路由逻辑。Alteryx One平台服务是协调层，负责请求处理、执行规划和结果检索，并为工作流执行提供可观测性和审计追踪。客户Google Cloud环境是数据与执行层：PDF暂存在Cloud Storage，历史发票数据留在BigQuery，AI提取在此运行，最终输出写回BigQuery。这种设计让工作流在浏览器中编排，但执行始终围绕受治理的数据仓库展开。

具体的工作流包含七个环节。第一步，指向Cloud Storage中的目录，系统枚举PDF位置并返回文件路径、大小、创建和更新时间戳等元数据。第二步，使用Document Extract工具处理PDF，工具会构建一个临时外部对象表，调用ML.PROCESS_DOCUMENT（Document AI）或AI.GENERATE（Gemini）函数。这里的示例走Gemini路径，AI.GENERATE返回所需的发票字段。交互预览时只处理一小部分文档，运行时才处理全部PDF。第三步，用Classify工具对提取的文本进行零样本分类，通过AI.CLASSIFY将行项目内容标记为“工业用品”“办公用品”等业务类别。第四步，标准化发票号，清除空白和格式差异，避免对账时遗漏重复项。第五步，将标准化后的当前发票与BigQuery中的历史记录进行连接，匹配到的发票号被标记为潜在重复。第六步，用公式步骤应用业务规则，例如检查invoice_amount是否等于net_amount加tax_amount，不一致则标记为异常。第七步，生成两类操作输出：一类是匹配到历史记录、被标记为潜在重复的发票；另一类是未匹配但验证通过、可进入应付处理的当前发票。最终得到的不只是提取出的数据，而是财务团队可以直接审阅和行动的有治理的可操作结果。

这套方案的价值在于，它不是一个简单的提取工具，而是一个Google Cloud原生的文档到决策模式。存储、提取、对账和输出都保持在BigQuery的治理范围内。Papa Johns的一位企业数据副总裁评价说，Alteryx One Google版非常自然地融入Google Cloud体验，让业务用户能通过直观、受治理的方式使用BigQuery数据。对于财务团队来说，这意味着减少手动处理、更快发现异常，并将精力转向更高价值的战略工作。