Überblick über die semantischen Ansichten

Sie können semantische Geschäftskonzepte direkt in der Datenbank in einer semantischen Ansicht speichern, die ein neues Objekt auf Schemaebene ist. Sie können Geschäftsmetriken definieren und Geschäftsentitäten und deren Beziehungen modellieren. Indem physischen Daten eine geschäftliche Bedeutung hinzugefügt wird, verbessert die semantische Ansicht datengesteuerte Entscheidungen und bietet konsistente Geschäftsdefinitionen für alle Unternehmensanwendungen.

Sie können semantische Ansichten in Cortex Analyst verwenden und in einer SELECT-Anweisung diese Ansichten abfragen. (Die Abfrage semantischer Ansichten ist ein Vorschau-Feature.

Diagramm zur Veranschaulichung, wie semantische Ansichten eine aussagekräftigere Weboberfläche zu Tools und Daten bieten

Um semantische Ansichten zu erstellen und zu verwalten, können Sie SQL-Befehle (wie z. B. CREATE SEMANTIC VIEW) und den Cortex Analyst Semantic View Generatorn verwenden. Dabei handelt es sich um einen Assistenten in Snowsight, der Sie durch den Prozess der Erstellung einer semantischen Ansicht führt.

Bemerkung

Semantische Ansichten werden als Metadaten betrachtet.

Warum sollten Sie semantische Ansichten verwenden?

Semantische Ansichten beheben die Diskrepanz zwischen der Art und Weise, wie Geschäftsanwender Daten beschreiben und wie sie in Datenbankschemata gespeichert sind. Beispielsweise könnten die Daten für ein wichtiges Geschäftskonzept wie Bruttoumsatz in einer Tabellenspalte mit dem Namen amt_ttl_pre_dsc in der Datenbank gespeichert sein, was es für Geschäftsanwender schwierig macht, sie zu finden und zu interpretieren.

Wenn Nettoumsatz innerhalb eines Unternehmens immer Bruttoumsatz nach Rabatten bedeutet, kann die semantische Ansicht dies konsistent als eine Metrik mit der richtigen Aggregation definieren: SUM(gross_revenue * (1 - discount)). Dies gewährleistet eine einzige verbindliche Definition mit einem angemessenen Aggregationsverhalten. Wenn ein Benutzer z. B. nach „Nettoumsatz nach Region“ fragt, weiß die semantische Ansicht, dass sie auf der entsprechenden Ebene aggregieren muss, während ohne semantische Ansichten Dutzende von inkonsistenten Berechnungen in verschiedenen Berichten und Anwendungen existieren könnten, oft mit falschen Aggregationsmethoden, die zu fehlerhaften Ergebnissen führen.

Diese auf das Geschäft ausgerichtete Abstraktionsschicht löst mehrere häufige Probleme:

  • Für AI-Anwendungen: Semantische Ansichten verbessern die Genauigkeit durch die Kombination von LLM mit regelbasierten Definitionen. Derzeit liest Cortex Analyst die in der semantischen Ansichtsdefinition erfassten Informationen und generiert das SQL direkt gegen die physischen Tabellen.

  • Für Business Intelligence (BI): Geschäftsanwender profitieren von einheitlichen Metriken und Dimensionen in allen Tools. Sie können diese vordefinierten Geschäftskonzepte ganz einfach in ihren vertrauten BI-Weboberflächen kombinieren, um Daten zu untersuchen und Erkenntnisse zu gewinnen.

  • Für technische Analysten: Der zentrale Speicherort für die Geschäftslogik reduziert die Duplizierung von Metrikdefinitionen bei Abfragen und vereinfacht komplexe Schemabeziehungen, wodurch die Erstellung und Pflege von Datenmodellen erleichtert wird.

Semantische Ansichten verstehen

Bemerkung

In diesem Thema werden datenbankbezogene Artefakte (wie z. B. Datenbanktabellen) als physische Objekte und Artefakte, die sich auf die semantische Ansicht beziehen, als logische Objekte bezeichnet.

In einer semantischen Ansicht definieren Sie logische Tabellen, die in der Regel Geschäftsentitäten wie Kunden, Bestellungen oder Lieferanten entsprechen. Sie können Beziehungen zwischen logischen Tabellen durch Verknüpfungen auf gemeinsamen Schlüsseln definieren, sodass Sie Daten über Entitäten hinweg analysieren können (wie bei der Verbindung von Datenbanktabellen).

Mit logischen Tabellen können Sie definieren:

  • Fakten: Fakten sind Attribute auf Zeilenebene in Ihrem Datenmodell, die bestimmte Geschäftsereignisse oder Transaktionen darstellen. Fakten können zwar mit Hilfe von Aggregaten aus detaillierteren Datenebenen definiert werden (z. B. SUM(t.x), wobei t Daten auf einer detaillierteren Ebene darstellt), aber sie werden immer als Attribute auf der Ebene der einzelnen Zeile der logischen Tabelle dargestellt. Fakten erfassen „wie viel“ oder „wie viele“ auf der granularsten Ebene, wie z. B. einzelne Verkaufsbeträge, gekaufte Mengen oder Kosten. Es ist wichtig zu wissen, dass Fakten in der Regel als „Hilfskonzepte“ innerhalb der semantischen Ansicht fungieren, um die Konstruktion von Dimensionen und Metriken zu unterstützen.

  • Metriken: Metriken sind quantifizierbare Messgrößen für die Unternehmensleistung, die durch Aggregation von Fakten oder anderen Spalten aus derselben Tabelle (mit Funktionen wie SUM, AVG und COUNT) über mehrere Zeilen hinweg berechnet werden. Sie wandeln Rohdaten in aussagekräftige Geschäftsindikatoren um und kombinieren dabei oft mehrere Berechnungen in komplexen Formeln. Beispiele sind Gesamteinnahmen oder Gewinnspanne in Prozent. Metriken stellen die KPIs in Berichten und Dashboards dar, die die Entscheidungsfindung im Unternehmen vorantreiben.

  • Dimensionen: Dimensionen stellen kategorische Attribute dar. Sie liefern den kontextuellen Rahmen, der den Metriken Bedeutung verleiht, indem sie die Daten in sinnvolle Kategorien einteilen. Sie beantworten die Fragen „wer“, „was“, „wo“ und „wann“, z. B. Kaufdatum, Kundendaten, Produktkategorie oder Standort. Dimensionen sind in der Regel textbasiert oder hierarchisch aufgebaut und ermöglichen es Benutzern, Daten zu filtern, zu gruppieren und aus verschiedenen Perspektiven zu analysieren.

In einer semantischen Ansicht haben diese drei Elemente unterschiedliche Rollen, aber Metriken und Dimensionen sind die primären Elemente, mit denen Sie interagieren, wenn Sie Daten über die semantische Ansicht analysieren. Fakten liefern die zugrunde liegenden numerischen Daten auf Zeilenebene, Metriken wandeln Daten durch Aggregation und Berechnung in verwertbare Erkenntnisse um, und Dimensionen bestimmen die Betrachtungsperspektiven.

Weitere Informationen finden Sie im Abschnitt Wichtige Konzepte in der Spezifikation des semantischen Modells.

Weboberflächen für die Arbeit mit semantischen Ansichten

Sie können die folgenden Weboberfläche verwenden, um semantische Ansichten zu erstellen, zu verwalten und zu verwenden:

Einschränkungen

  • Semantische Ansichten werden für Replikation nicht unterstützt.

Erste Schritte

So beginnen Sie mit semantischen Ansichten:

  1. Entwerfen Sie Ihr Geschäftsdatenmodell.

    • Welche Geschäftsentitäten gibt es in Ihren Daten (z. B. Kunden, Produkte, Aufträge usw.)?

    • In welcher Beziehung stehen diese Entitäten zueinander?

    • Welche Metriken sind für Ihr Unternehmen wichtig?

    • Welche Dimensionen verwenden Sie, um diese Metriken zu analysieren?

  2. Ordnen Sie Ihre Geschäftskonzepte Ihren physischen Daten zu.

    • Welche Tabellen enthalten die Daten, die Sie benötigen? Wir empfehlen, mit einem einfachen Sternschema zu beginnen.

    • Wie werden Sie diese Tabellen verknüpfen?

    • Welche Berechnungen sind erforderlich, um Ihre Metriken abzuleiten?

  3. Erstellen Sie eine semantische Ansicht.

    Sie können eine dieser Weboberflächen verwenden, um eine semantische Ansicht zu erstellen.

  4. Verwenden Sie die semantische Ansicht auf die folgenden Arten:

    • Verwenden Sie Cortex Analyst für Abfragen Ihrer semantischen Ansicht in natürlicher Sprache.

      Sie können die Cortex Analyst REST API verwenden, um eine Abfrage in natürlicher Sprache durchzuführen, die Ihre semantische Ansicht verwendet.

      Wenn Sie die REST API-Anfragen überwachen müssen, die Ihre semantische Ansicht verwenden, lesen Sie Cortex Analyst Administrator-Überwachung.

    • Abfrage der semantischen Ansicht in einer SELECT-Anweisung. (Die Abfrage von semantischen Ansichten ist ein Vorschau-Feature.) Weitere Informationen dazu finden Sie unter Abfrage einer semantischen Ansicht.

Zusätzliche Informationen über semantische Ansichten

Weitere Informationen über semantische Ansichten finden Sie in den folgenden Themen:

Sprache: Deutsch