Visão geral das exibições semânticas¶
Você pode armazenar conceitos comerciais semânticos diretamente no banco de dados em uma exibição semântica, que é um novo objeto no nível do esquema. Você pode definir métricas comerciais, bem como modelar entidades de negócios e seus relacionamentos. Ao adicionar significado comercial aos dados físicos, a exibição semântica aprimora as decisões orientadas por dados, fornecendo definições comerciais consistentes em todos os aplicativos corporativos.
Você pode usar exibições semânticas no Cortex Analyst e consultar essas exibições em uma instrução SELECT. (A consulta de exibições semânticas é um recurso de versão preliminar.

Para criar e gerenciar exibições semânticas, você pode usar os comandos SQL (como CREATE SEMANTIC VIEW) e o Cortex Analyst Semantic View Generator, que é um assistente na Snowsight que orienta você no processo de criação de uma exibição semântica.
Nota
As exibições semânticas são consideradas metadados.
Por que usar exibições semânticas?¶
As exibições semânticas abordam a incompatibilidade entre a forma como os usuários comerciais descrevem os dados e como eles são armazenados nos esquemas de banco de dados. Por exemplo, para um conceito comercial crítico como receita bruta, os dados podem ser armazenados em uma coluna de tabela chamada amt_ttl_pre_dsc
no banco de dados, o que dificulta a localização e a interpretação pelos usuários empresariais.
Além disso, se receita líquida de uma empresa sempre significa receita bruta após descontos, a exibição semântica pode defini-la consistentemente como uma métrica com a agregação correta: SUM(gross_revenue * (1 - discount))
. Isso garante uma única definição de autorização com comportamento de agregação adequado. Por exemplo, quando um usuário solicita “Receita líquida por região”, a exibição semântica sabe agregar no nível apropriado, enquanto que, sem exibições semânticas, dezenas de cálculos inconsistentes podem existir em diferentes relatórios e aplicativos, muitas vezes com métodos de agregação incorretos que levam a resultados errados.
Essa camada de abstração focada nos negócios resolve vários problemas comuns:
Para aplicativos de AI: as exibições semânticas aumentam a precisão ao combinar o raciocínio LLM com definições baseadas em regras. Atualmente, o Cortex Analyst lê as informações capturadas na definição da exibição semântica e gera o SQL diretamente nas tabelas físicas.
Para business intelligence (BI): os usuários empresariais se beneficiam de métricas e dimensões consistentes em todas as ferramentas. Eles podem combinar facilmente esses conceitos comerciais predefinidos em suas interfaces familiares de BI para explorar dados e obter insights.
Para analistas técnicos: o local centralizado para a lógica comercial reduz a duplicação de definições de métricas em consultas e simplifica relacionamentos complexos de esquemas, facilitando a criação e a manutenção de modelos de dados.
Compreensão das exibições semânticas¶
Nota
Ao longo deste tópico, os artefatos relacionados ao banco de dados (como tabelas de banco de dados) são chamados de objetos físicos, e os artefatos relacionados à exibição semântica são chamados de objetos lógicos.
Em uma exibição semântica, você define tabelas lógicas que normalmente correspondem a entidades comerciais, como clientes, pedidos ou fornecedores. Você pode definir relacionamentos entre tabelas lógicas por meio de uniões de chaves compartilhadas, o que lhe permite analisar dados entre entidades (como faria ao unir tabelas de banco de dados).
Usando tabelas lógicas, você pode definir:
Fatos: os fatos são atributos de nível de linha no seu modelo de dados que representam eventos ou transações comerciais específicos. Embora os fatos possam ser definidos usando agregados de níveis mais detalhados de dados (como
SUM(t.x)
, em quet
representa dados em um nível mais detalhado), eles são sempre apresentados como atributos no nível da linha individual da tabela lógica. Os fatos capturam “valor” ou “quantidade” no nível mais granular, como valores de vendas individuais, quantidades compradas ou custos. É importante observar que os fatos normalmente funcionam como conceitos “auxiliares” na exibição semântica para ajudar a construir dimensões e métricas.Métricas: as métricas são medidas quantificáveis de desempenho comercial calculadas pela agregação de fatos ou outras colunas da mesma tabela (usando funções como SUM, AVG e COUNT) em várias linhas. Elas transformam dados brutos em indicadores comerciais significativos, muitas vezes combinando vários cálculos em fórmulas complexas. Exemplos incluem Receita total ou Porcentagem de margem de lucro. As métricas representam KPIs em relatórios e painéis que fundamentam a tomada de decisões comerciais.
Dimensões: as dimensões representam atributos categóricos. Elas fornecem a estrutura contextual que dá sentido às métricas, agrupando os dados em categorias significativas. Elas respondem a perguntas do tipo “quem”, “o quê”, “onde” e “quando”, como data da compra, dados do cliente, categoria do produto ou local. Normalmente baseadas em texto ou hierárquicas, as dimensões permitem que os usuários filtrem, agrupem e analisem dados a partir de várias perspectivas.
Em uma exibição semântica, esses três elementos têm funções distintas, mas as métricas e as dimensões são os principais elementos com os quais você interage ao analisar dados por meio da exibição semântica. Os fatos fornecem os dados numéricos subjacentes no nível da linha, as métricas transformam os dados em insights acionáveis por meio de agregação e cálculo, e as dimensões determinam as perspectivas de visualização.
Consulte a seção de Conceitos principais na especificação do modelo semântico para obter mais informações.
Interfaces para trabalhar com exibições semânticas¶
Você pode usar as seguintes interfaces para criar, gerenciar e usar exibições semânticas:
Comandos SQL: você pode usar os comandos SQL para criar e gerenciar exibições semânticas diretamente. Para obter mais informações, consulte Utilização dos comandos SQL para criar e gerenciar exibições semânticas.
Você também pode executar uma instrução SELECT para consultar uma exibição semântica. (A consulta de exibições semânticas é um recurso de versão preliminar.) Para obter mais informações, consulte Consultar uma exibição semântica.
Cortex Analyst Semantic View Generator: você pode usar um assistente na Snowsight que orienta você no processo de criação de uma exibição semântica. O Cortex Analyst pode interagir com a exibição semântica usando YAML. Esse assistente também contém um editor YAML. Para obter mais informações, consulte Usar o Cortex Analyst Semantic View Generator. Para obter detalhes sobre o uso do YAML para gerenciar a semântica, consulte a especificação do modelo semântico do Cortex Analyst.
Atualmente, se você planeja usar uma exibição semântica no Cortex Analyst, deve usar o Cortex Analyst Semantic View Generator para criar a exibição.
Cortex Analyst REST API: para usar uma exibição semântica com o Cortex Analyst, você especifica a exibição na solicitação da REST API. Para obter mais informações, consulte Cortex Analyst REST API.
Snowsight: você pode usar o explorador de objetos do banco de dados para ver detalhes sobre exibições semânticas.
Limitações¶
As exibições semânticas não são compatíveis com replicação.
Introdução¶
Para começar a usar as exibições semânticas:
Crie seu modelo de dados comerciais.
Quais entidades comerciais existem nos seus dados (por exemplo, clientes, produtos, pedidos etc.)?
Como essas entidades se relacionam entre si?
Quais métricas são importantes para a sua empresa?
Que dimensões você usa para analisar essas métricas?
Mapeie seus conceitos comerciais para seus dados físicos.
Quais tabelas contêm os dados de que você precisa? Recomendamos que você comece com um esquema simples em estrela.
Como você vai unir essas tabelas?
Quais cálculos são necessários para obter suas métricas?
Crie uma exibição semântica.
Você pode usar uma dessas interfaces para criar uma exibição semântica.
Use a exibição semântica das seguintes maneiras:
Use o Cortex Analyst para consultas de linguagem natural da sua exibição semântica.
Você pode usar a Cortex Analyst REST API para realizar uma consulta de linguagem natural que use sua exibição semântica.
Se você precisar monitorar as solicitações da REST API que usam sua exibição semântica, consulte Monitoramento do administrador Cortex Analyst.
Consulte a exibição semântica em uma instrução SELECT. (A consulta de exibições semânticas é um recurso de versão preliminar.) Para obter mais informações, consulte Consultar uma exibição semântica.
Informações adicionais sobre exibições semânticas¶
Para obter mais informações sobre exibições semânticas, consulte os tópicos a seguir:
Utilização dos comandos SQL para criar e gerenciar exibições semânticas
Documentação sobre os comandos SQL:
Documentação sobre visualizações do ACCOUNT_USAGE:
Documentação sobre visualizações do INFORMATION_SCHEMA: