数据函数适合把 Spotfire 自身表达式以外的统计、算法或定制计算接入分析。它不是“在看板里随便运行脚本”，而是要明确输入、输出、运行引擎、权限和复用范围。
什么时候真的需要数据函数？
当业务问题需要模型评分、复杂统计、专有算法、外部脚本或生成新的数据表时，可评估数据函数。若只是逐行算一个差值、做简单聚合或格式转换，优先使用计算列或表达式，维护成本更低。
Python、R 与 TERR 的选择
| 选择 | 更适合的条件 |
|---|---|
| Python | 团队已有 Python 算法、包和开发能力，并已确认解释器或服务器服务 |
| 开源 R | 统计方法和既有 R 工作流已经验证，且运行环境可维护 |
| TERR | 需要使用 Spotfire 生态中的 TERR 能力，并具备对应客户端或服务环境 |
从原型到正式使用的流程
- 先用样本数据定义算法输入、输出、异常值处理和验收指标。
- 在已安装客户端创建并测试数据函数。
- 把函数定义、参数名称和业务含义写清楚。
- 若需要团队复用，将定义保存到库，并由管理员确认运行引擎和权限。
- 用真实数据量、失败场景和业务用户权限做上线验收。
必须说明的边界
可用语言、包和运行位置取决于已配置的计算引擎。不要在公开方案中承诺某个脚本“上传即可运行”；Python/R/TERR 的服务、许可、网络、数据类型和安全审核都可能影响实际部署。
结论
数据函数的价值在于把经过验证的计算嵌入可视化流程。先选择最简单能满足业务的问题解法，再把复杂脚本做成可解释、可测试和可复用的组件。
Spotfire 报告交付与高级计算教程
官方参考
本文计划于 2026 年 10 月 7 日 发布；涉及软件版本、许可、服务器配置和数据权限时，请以当前产品文档与实际部署环境为准。