Semantic View Autopilot

Mit Snowsight können Sie semantische Ansichten erstellen und verwalten, um logische Tabellen für Ihre Daten in Cortex Analyst zu definieren. Semantische Ansichten abstrahieren die physischen Tabellen und bieten eine unternehmensfreundliche Schicht für Ihre Daten. Sie können die semantischen Ansichten mit Cortex Analyst verwenden, um Geschäftsfragen zu beantworten und Datenanalysen durchzuführen. Sie können eine semantische Ansicht manuell erstellen oder den Semantic View Autopilot (ein AI-unterstützter Generator) verwenden, um eine semantische Ansicht zu erstellen.

Bemerkung

Sie können die Anleitung in diesem Abschnitt auch verwenden, um auch ein semantisches Modell zu erstellen, aber wir empfehlen, stattdessen semantische Ansichten zu verwenden. Semantische Ansichten bieten die folgenden Features:

  • Semantische Ansichten unterstützen erweiterte Features wie abgeleitete Metriken.

  • Semantische Ansichten unterstützen Zugriffsänderungen. Sie sind standardmäßig öffentlich, aber Sie können sie als privat festlegen.

  • Semantische Ansichten sind Schemaobjekte, die sich in das Berechtigungssystem, die Freigabemechanismen und den Metadatenkatalog von Snowflake integrieren lassen. Semantische Modelle sind YAML-Dateien, die in einem Stagingbereich gespeichert sind und denen diese nativen Datenbankintegrationen fehlen.

Der Generator verwendet die folgenden Eingaben, um Ihre Ansicht zu erstellen:

  • Abfrageverlauf: Ruft historische SQL-Abfragen ab, um gängige Nutzungsmuster, Beziehungen und verifizierte Abfragevorschläge zu identifizieren.

  • Tabellenmetadaten: Extrahiert Beschreibungen, Primärschlüssel/eindeutige Schlüssel und Kardinalität, um Beziehungen zu bestimmen.

  • Kontext (empfohlen): Verwendet Beispiel-SQL-Abfragen oder Tableau-Dateien, die Sie bereitstellen, um Beziehungen zu validieren und relevante Geschäftslogik zu extrahieren.

Voraussetzungen

Um eine semantische Ansicht zu erstellen, müssen Sie eine Rolle mit den folgenden Berechtigungen verwenden:

  • CREATE SEMANTIC VIEW für das Schema, in dem Sie die semantische Ansicht erstellen.

  • USAGE für Datenbank und Schema

  • SELECT für die in der semantischen Ansicht verwendeten Tabellen und Ansichten.

Sie können ein Modell aus Tableau exportieren und es verwenden, um automatisch eine semantische Ansicht zu generieren. Zusätzlich zu den oben genannten Voraussetzungen erfordert das Tableau-Erfassungs-Feature:

  • Ein Stagingbereich, für den Sie Schreibrechte haben.

  • Wenn Ihre Tableau-Datei kundenspezifische SQL enthält, benötigen Sie außerdem die Berechtigung CREATE VIEW für das Schema, da die SQL in eine reguläre Snowflake-Ansicht geparst wird.

Optionen für die Bereitstellung von Kontext

Die Angabe von Kontext ist zwar optional, ist aber äußerst nützlich, um eine hochwertige semantische Ansicht zu erstellen. Ohne dieses Feature verwendet das Modell nur die Informationen des Datenbankschemas, denen es möglicherweise an geschäftlichen Details fehlen. Wir unterstützen die folgenden Optionen für die Bereitstellung von Kontext:

Option 1: Tableau-Datei hochladen

Der Semantic View Autopilot unterstützt die Verwendung einer Datei aus Tableau, um automatisch ein semantisches Modell zu generieren. So können Sie Ihre bestehende Geschäftslogik und Metadaten direkt in Snowflake migrieren.

Sie können entweder Tableau Desktop oder Tableau Online verwenden, um die Datei für den Semantic View Autopilot bereitzustellen. Der Semantic View Autopilot unterstützt die folgenden Dateiformate:

  • TWB

  • TWBX

  • TDS

Die Datei muss die folgenden Beschränkungen erfüllen:

  • Dateigröße: Muss unter 50 MB liegen.

  • Keine veröffentlichten Datenquellen: Dateien, die veröffentlichte Datenquellen enthalten, werden derzeit nicht unterstützt.

  • Keine großen Extrakte: Wenn Sie eine .twbx-Datei verwenden, stellen Sie sicher, dass sie keinen großen Extrakt enthält. Wenn Sie eine .twb-Datei verwenden, stellen Sie sicher, dass sie keine großen Filter oder Parameter enthält.

  • LOD-Berechnungen: Detaillierungsgrad-Berechnungen (LOD) werden nicht unterstützt.

Sie können die TWB- oder TWBX-Datei vom Tableau Desktop abrufen. Wenn Sie sie nicht finden können, gehen Sie zu File | Save As und speichern sie als TWB-Datei.

Weitere Informationen zum Abrufen einer Ansicht oder von Arbeitsblättern aus Tableau Online finden Sie unter Ansichten und Arbeitsmappen herunterladen.

Nachdem Sie die Tableau-Datei für Semantic View Autopilot zur Verfügung gestellt haben, analysiert der Autopilot sie, um die folgenden Metadaten zu extrahieren:

  • Tabellen und Spalten

  • Beziehungen zwischen Tabellen

  • Tableau-berechnete Felder

  • Parameter und Filter

  • Kundenspezifische SQL (wird geparst und in eine reguläre Snowflake-Ansicht umgewandelt)

Option 2: SQL-Abfragen bereitstellen

Sie können Beispielfragen in natürlicher Sprache und die zugehörigen SQL-Abfragen hinzufügen. Dadurch kann das Modell Ihre spezifische Geschäftslogik kennen lernen und Beziehungen erstellen.

Snowflake verwendet diese Abfragen, um in nachfolgenden Schritten Tabellen und Spalten vorab auszuwählen, und fügt diese Abfragen automatisch als „verifizierte Abfragen“ zum semantischen Modell hinzu. Wenn gültige Beziehungen abgeleitet werden können, werden diese außerdem der semantischen Ansicht hinzugefügt.

Erstellen einer semantischen Ansicht

Um eine semantische Ansicht zu erstellen, navigieren Sie zunächst zum Generator:

  1. Melden Sie sich bei Snowsight an.

  2. Wählen Sie im Navigationsmenü die Option AI & ML » Cortex Analyst aus.

  3. Wählen Sie oben die Option Create new aus.

  4. Wählen Sie Create new Semantic View aus.

Nachdem Sie zum Generator navigiert sind, können Sie die grundlegenden Informationen für die semantische Ansicht definieren:

  1. Wählen Sie Location (Datenbank und Schema) zum Speichern der Ansicht aus.

  2. Geben Sie einen Name für die semantische Ansicht ein.

  3. Geben Sie einen Description ein. Verwenden Sie eine klare Geschäftsterminologie, um der AI den Zweck der Ansicht verständlich zu machen.

  4. Wählen Sie Next aus.

Um Kontext und Daten als Tableau-Datei bereitzustellen, gehen Sie wie folgt vor:

  1. Wählen Sie Tableau Files aus, um eine Tableau-Datei (.twb, .tds oder .twbx) hochzuladen.

  2. Wählen Sie die hochzuladende Tableau-Datei aus.

  3. Wählen Sie Next aus.

Sie haben nun erfolgreich den Kontext und die Daten für die semantische Ansicht als Tableau-Datei bereitgestellt.

Um Kontext und Daten als SQL-Abfragen bereitzustellen, tun Sie Folgendes:

  1. Wählen Sie SQL Queries aus, um manuelle Gold-Standard-Beispiele für SQL-Abfragen hinzuzufügen.

  2. Geben Sie die SQL-Abfrage ein.

  3. Wählen Sie Next aus.

  4. Überprüfen Sie die aus Ihren Tabellen ausgewählten Tabellen und Spalten.

  5. Wählen Sie die spezifischen Spalten aus, die eingeschlossen werden sollen.

  6. Konfigurieren Sie die AI-Optionen:

  • Sample Values: Legen Sie fest, ob Beispielwerte hinzugefügt werden sollen. Dies verbessert erheblich die Genauigkeit von Cortex Analyst, indem sie dabei hilft, bestimmte Datenwerte zu erkennen, wie z. B. bestimmte Regionsnamen.

  • AI-Generated Descriptions: Wählen Sie aus, ob Beschreibungen für Tabellen und Spalten basierend auf deren Namen und Inhalten automatisch generiert werden sollen. Dies ist ebenfalls ein Feature, das die Genauigkeit erheblich verbessert.

Um die semantische Ansicht zu erstellen, gehen Sie wie folgt vor:

  1. Wählen Sie Create and save aus.

  2. Wählen Sie Save and run aus.

Es kann einige Minuten dauern, bis die semantische Ansicht erstellt wurde. Sie können den Fortschritt auf dem Bildschirm sehen.

Best Practices für das Erstellen einer semantischen Ansicht

Wenn Sie eine semantische Ansicht erstellen, sollten Sie diese Tipps befolgen, um eine hohe Genauigkeit zu gewährleisten.

  • Denken Sie aus der Perspektive des Endbenutzers. Verwenden Sie Namen und Synonyme, die dem Vokabular entsprechen, das Ihre Benutzer tatsächlich verwenden (z. B. „Umsatz“ statt AMT_TOT).

  • Beginnen Sie einfach. Beginnen Sie mit einem kleinen, fokussierten Bereich. Beispielsweise Sales Analytics mit 3–5 Tabellen, die schrittweise erweitert werden. Dies gewährleistet eine höhere Präzision als ein umfangreiches „ Alles enthalten“-Modell.

  • Überprüfen Sie den generierten Inhalt. Überprüfen Sie immer AI-generierte Beschreibungen und Beziehungen. Stellen Sie sicher, dass sie mit Ihrer tatsächlichen Geschäftslogik übereinstimmen.

  • Erfassen Sie komplexe Logik. Verwenden Sie Kennzahlen und geprüfte Abfragen, um komplexe Berechnungen durchzuführen, sodass sich die Benutzer nicht darauf verlassen müssen, dass das LLM diese von Rohspalten ableitet.

  • Testen und iterieren Sie. Nach der Erstellung testen Sie die Ansicht mit echten Geschäftsfragen in Cortex Analyst. Wenn eine Antwort falsch ist, fügen Sie eine geprüfte Abfrage hinzu oder aktualisieren eine Beschreibung, um das Problem zu korrigieren.