Databricks AI/BI 是一種新型商業智慧產品,旨在讓您深入了解資料的語意,為組織中的每個人提供自助式資料分析。 AI/BI 建立在 綜合 AI 系統上,從 Azure Databricks 平台上的資料完整生命週期中擷取洞察,包括 ETL 管線、數據血統及其他查詢。
AI/BI 如何運作?
複合人工智慧系統結合了多種人工智慧技術或模型來解決複雜的問題。 複合人工智慧系統不依賴單一人工智慧模型或演算法,而是整合了多個互動組件來提高效能和準確性。
例如,在分析客戶回饋的系統中,自然語言處理可用於理解文字情緒,而機器學習模型可以根據這種情緒預測客戶行為。 透過利用這些互補的人工智慧技術,複合人工智慧系統可以提供比單獨的單一人工智慧模型更準確和更有洞察力的結果。
傳統的 BI 工具依賴報告和儀表板,通常需要資料專業人員的廣泛參與來建立新的視覺化效果。 雖然人工智慧助理已被整合到 BI 工具中來解決這個問題,但它們經常在現實世界的資料複雜性上遇到困難,提供了令人印象深刻的演示,但在實踐中卻失敗了。
組織的語義模型通常依賴於使用數據的人員所持有的知識。 Databricks AI/BI 會從跨 Databricks 的互動擷取此理解。 它補充了 Data + AI 平台現有的脈絡,利用這些知識提供實用且貼近現實世界的答案。 它為兩種互補的產品體驗提供動力:
- AI/BI 儀表板:一種由 AI 驅動的低程式碼儀表板解決方案,包含所有用於回答一組固定業務問題的傳統 BI 功能。
- Genie Agents:由 Genie 驅動的對話式工作區,使用者可以用自然語言詢問資料相關問題。 Genie Agents 能回答比儀表板更廣泛的商業問題,並透過人工回饋與資料團隊配置隨時間提升。
AI/BI 儀表板
儀表板仍然是操作預定義分析以供常規使用的有效方法。 AI/BI 儀表板透過 AI 驅動的低程式碼創作體驗簡化了此流程,簡化了資料和視覺化配置。 這些儀表板包括標準 BI 功能,例如視覺化、交叉篩選和透過電子郵件定期 PDF 快照。 它們不需要語意模型、資料擷取或其他管理服務。 請參閱儀表板。
精靈特工
Genie Agents 是由 Genie 驅動的對話式工作空間,使用者可以用自然語言詢問資料相關問題。 與傳統固定圖表工具不同,Genie 以可調整的視覺化與建議回應使用者問題,必要時尋求澄清,並透過人工回饋持續改進。
資料團隊可利用指令、可信資產、信心投票及品質監控等工具配置 Genie 代理,確保回應可靠且治理良好。 分析師可以將來自 Unity Catalog 等來源的可信邏輯整合到 Genie 代理中,使其能以經過驗證的邏輯回答問題。
請參閱 精靈代理人 ,了解更多精靈代理人的運作方式。
儀表板中的 Genie 代理
Genie 也直接整合進 AI/BI 儀表板。 已發布的儀表板包含 一個「問 Genie 」按鈕,讓觀眾無需離開儀表板即可使用自然語言探索資料。 當使用者點擊 「問 Genie」時,儀表板旁邊會開啟一個伴隨的 Genie 代理,讓他們能提出後續問題或深入分析預設視覺化以外的資料。
當你發布儀表板時,Databricks 會根據儀表板的資料集和視覺化自動產生一個配套的 Genie 代理。 請參閱含儀表板的 Genie Agents。
精靈一號
Genie One 是 AI/BI 的消費介面,專為需要與資料互動而不必熟悉技術工作空間概念的商業用戶設計。 它提供單一入口,讓你瀏覽 AI/BI 儀表板、提出資料問題,以及使用 Databricks 應用程式。 請參考 使用精靈一號。
平台整合
Databricks 的 AI/BI 建立在 Databricks Data + AI 平台之上,並緊密整合。 AI/BI 的主要特點包括:
- 統一治理和血統:AI/BI 無縫整合到 Unity Catalog 中,與其治理框架保持一致,並遵守管理員設定的任何全局策略。 透過 Unity Catalog 的譜系視覺化,資料生產者或管理員可以追蹤其資料資產在 AI/BI 中的使用情況。 這種可追溯到資料集擷取的可追溯性為分析結果注入了信心。
- 無縫共享,無需新的用戶許可證:AI/BI 內置於 Databricks IAM 平台中,該平台直接與許多流行的 IDP 集成,以便您可以與組織中的任何人共享您的分析。 Databricks AI/BI 沒有以席位為基礎的限制,因此您可以新增組織中的任何人,而不需要新增授權。
- 業界領先的性價比:AI/BI 與 SQL 倉庫和 Photon 引擎緊密集成,其中包含獨特的優化以提供高效能互動。 您可以期待在從兆位元組到 PB 的各種資料量上獲得最佳效能。
- 無需數據提取:AI/BI 與您現有的數據生態系統集成,無需將數據集提取到單獨的 BI 引擎。 這種整合提高了資料新鮮度並簡化了資料治理,從而實現了更簡化的資料分析流程。