تتعامل معظم الفرق مع إنشاء SQL وكأنه خدعة سحرية. تكتب سؤالاً وتحصل على استعلام.
ولكن الحقيقة هي أن Snowflake Cortex Analyst لا يعمل إلا بقدر كفاءة النموذج الدلالي الذي تقوم ببنائه أولاً، وهذا الإعداد ليس بالأمر السهل. من خلال تعلم كيفية استخدام Snowflake Cortex لتوليد SQL، يمكن لفرق البيانات الآن تحويل اللغة الطبيعية إلى استعلامات معقدة وقابلة للتنفيذ في ثوانٍ.
يرشدك هذا الدليل خلال عملية التنفيذ الفعلية، بدءًا من تعريف نموذج YAML الدلالي وصولاً إلى الاستعلام عن مستودع البيانات باستخدام اللغة الطبيعية، حتى تفهم كل من القوة والمتطلبات الأساسية قبل البدء.
كما نلقي نظرة على نقاط الضعف في Snowflake Cortex وكيف يمكن لـ ClickUp دعم سير العمل الأوسع نطاقًا المرتبط بإنشاء SQL.
ما هو Snowflake Cortex Analyst؟
Snowflake Cortex Analyst هي خدمة مُدارة بالكامل تتيح لك إنشاء تطبيقات محادثة على بياناتك التحليلية.
يستخدم هذا البرنامج وكيلًا متخصصًا لتحويل النص إلى SQL لتحويل الأسئلة باللغة الطبيعية إلى استعلامات دقيقة وقابلة للتنفيذ. تعمل هذه الخدمة على سد الفجوة بين هياكل البيانات المعقدة ومستخدمي الأعمال الذين يحتاجون إلى إجابات دون الحاجة إلى كتابة كود.
تشمل القدرات الرئيسية ما يلي:
- توفير واجهة عالية الدقة للتفاعل مع البيانات المنظمة
- استخدام النماذج الدلالية لفهم منطق الأعمال والمصطلحات الخاصة بك
- توفير واجهة برمجة تطبيقات REST لتسهيل التكامل مع التطبيقات المخصصة أو أدوات ذكاء الأعمال
- الحفاظ على خصوصية البيانات من خلال معالجة الطلبات ضمن حدود أمان Snowflake
📮 ClickUp Insight: 88% من المشاركين في استطلاعنا يستخدمون الذكاء الاصطناعي في مهامهم الشخصية، لكن أكثر من 50% يترددون في استخدامه في العمل. ما هي العوائق الثلاثة الرئيسية؟ عدم وجود تكامل سلس، أو فجوات معرفية، أو مخاوف أمنية.
ولكن ماذا لو كان الذكاء الاصطناعي مدمجًا في مساحة عملك وكان آمنًا بالفعل؟ ClickUp Brain، المساعد الذكي المدمج في ClickUp، يجعل هذا الأمر حقيقة واقعة. فهو يفهم المطالبات باللغة العادية، ويحل جميع المخاوف الثلاثة المتعلقة بتبني الذكاء الاصطناعي، بينما يربط الدردشة والمهام والمستندات والمعرفة عبر مساحة العمل.
احصل على الإجابات والرؤى بنقرة واحدة!
المتطلبات الأساسية لتوليد SQL باستخدام Snowflake Cortex
البدء في استخدام Snowflake Cortex دون الإعداد الصحيح يؤدي إلى الإحباط. فقد تحصل على نتائج غير دقيقة، وتضيع الوقت في حل المشكلات، وتستنتج خطأً أن الأداة معطلة بينما المشكلة الحقيقية هي ضعف الأساس.
لتجنب ذلك، عليك أولاً توفير ثلاثة عناصر أساسية.
1. قم بإعداد قاعدة البيانات والجداول
إن ذكاء الذكاء الاصطناعي الخاص بك يعتمد على مدى جودة البيانات التي يمكنه الوصول إليها. إذا كان مخطط قاعدة البيانات الخاصة بك عبارة عن متاهة من أسماء الأعمدة الغامضة مثل cust_dat_v2_final، فسيواجه كل من المحللين والذكاء الاصطناعي صعوبة في فهمها.
يؤدي هذا الالتباس إلى قيام الذكاء الاصطناعي بإنشاء عمليات ربط غير صحيحة أو استخراج البيانات من الأعمدة الخاطئة، مما يجعل فريقك يضيع ساعات طويلة في محاولة فك رموز المخطط قبل أن يتمكن حتى من كتابة استعلام.
ابدأ بالتأكد من أن برنامج مستودع البيانات الخاص بك يحتوي على الجداول التي تريد أن يستعلم عنها Cortex Analyst. وحيثما أمكن، استخدم أسماء أعمدة واضحة ووصفية. على سبيل المثال، يعد العمود الذي يحمل اسم customer_lifetime_value أكثر بديهية بالنسبة للبشر والذكاء الاصطناعي على حد سواء مقارنة بـ clv_01.
لمتابعة الإعداد، ستحتاج دورك في Snowflake إلى الأذونات التالية:
- الاستخدام: على قاعدة البيانات والمخطط الذي يحتوي على الجداول الخاصة بك
- SELECT: على الجداول التي تريد أن يستعلم عنها Cortex Analyst
- مرحلة الإنشاء: في المخطط، وهو أمر ضروري لتحميل ملف النموذج الدلالي الخاص بك
📖 اقرأ أيضًا: كيفية استخدام Snowflake Cortex في مجال ذكاء الأعمال
2. قم بإنشاء ملف النموذج الدلالي الخاص بك
أكبر عقبة تواجه أي أداة لتحويل النص إلى SQL هي أن الذكاء الاصطناعي لا يتحدث اللغة الفريدة لشركتك. فهو لا يعرف بطبيعته أن "ARR" تعني "الإيرادات السنوية المتكررة" أو أن جدول عملائك يرتبط بجدول الطلبات الخاص بك في حقل customer_id.
بدون هذا السياق، قد يولد الذكاء الاصطناعي لغة SQL صحيحة من الناحية الفنية ولكنها خاطئة من الناحية المنطقية، مما يمنحك إجابات تبدو صحيحة ولكنها مضللة بشكل خطير.
النموذج الدلالي هو الحل. إنه ملف YAML يعمل كـ"طبقة ترجمة" مخصصة، حيث يُعلم Cortex Analyst المفردات والمنطق الخاصين بعملك. ويُعد إنشاء هذا الملف وصيانته جهدًا تعاونيًا بين مهندسي البيانات الذين يستخدمون أدوات ETL لمعرفة المخطط، ومحللي الأعمال الذين يعرفون المصطلحات.
يجب أن يحتوي ملف النموذج الدلالي الخاص بك على المكونات الرئيسية التالية:
| المكون | الغرض |
| الجداول | يسرد كل جدول مع وصف بلغة بسيطة لغرضه |
| الأعمدة | يحدد النوع الدلالي لكل عمود (مثل الفئة أو المقياس) ويمكن أن يتضمن قيمًا نموذجية |
| العلاقات | يحدد كيفية اتصال الجداول من خلال عمليات الربط، مما يزيل أي تخمينات بالنسبة للذكاء الاصطناعي |
| استعلامات تم التحقق منها | يقدم أمثلة على أزواج من الأسئلة و SQL التي تعمل كأدلة قوية لنموذج اللغة الكبيرة (LLM) |
3. تكوين خدمة البحث في Cortex (اختياري)
في بعض الأحيان، تكون الإجابات التي تحتاجها مخبأة في نصوص غير منظمة، مثل أوصاف المنتجات أو تذاكر الدعم أو نصوص المكالمات. لا يمكن لاستعلامات SQL القياسية الوصول إلى هذه البيانات، مما يعني أنك غالبًا ما تفوت "السبب" وراء "الشيء".
يمكنك اختيارياً إضافة خدمة Snowflake Cortex Search Service هنا. وهي عبارة عن طبقة "البحث كخدمة " تتيح لك الاستعلام عن كل من الجداول المنظمة وبيانات النص غير المنظمة باستخدام عوامل الذكاء الاصطناعي لتحليل البيانات في الوقت نفسه.
يجب عليك تكوين Cortex Search إذا كان محللوك بحاجة إلى طرح أسئلة تتطلب استخلاص السياق من النص قبل إنشاء SQL. على سبيل المثال، يمكنك أولاً البحث عن جميع تقييمات المنتجات التي تحتوي على عبارة "مشكلة البطارية"، ثم إنشاء استعلام SQL لتجميع بيانات المبيعات لتلك المنتجات فقط.
بالنسبة لتوليد SQL الخالص مقابل الجداول المنظمة، فإن هذه الخدمة ليست ضرورية.
🧠 حقيقة ممتعة: في أوائل السبعينيات، ابتكر باحثا IBM دونالد تشامبرلين ورايموند بويس "لغة الاستعلام الإنجليزية المنظمة" (Structured English Query Language). واضطرا إلى تغيير الاسم إلى SQL لأن "SEQUEL" كانت علامة تجارية مسجلة بالفعل لشركة طيران بريطانية.
دليل تفصيلي لإنشاء SQL باستخدام Cortex Analyst
لقد انتهيت من الأعمال التحضيرية، ولكنك الآن تواجه شاشة فارغة، غير متأكد من سير العمل الفعلي. كيف تنتقل من سؤال في ذهنك إلى استعلام SQL قابل للتنفيذ؟ عندما لا يكون إدارة سير العمل واضحة، غالبًا ما تظل الأدوات الجديدة غير مستخدمة، ويضيع الاستثمار في الإعداد هباءً.
العملية العملية بسيطة للغاية. إليك نظرة عن قرب!
الخطوة رقم 1: قم بإعداد بياناتك في Snowflake
قبل أي شيء آخر، يجب أن تكون بياناتك المنظمة موجودة داخل Snowflake. يتم توجيه كل تطبيق من تطبيقات Cortex Analyst إما إلى جدول واحد أو إلى عرض مكون من جدول واحد أو أكثر. تأكد من إنشاء الجداول وتعبئتها.
إذا كنت تقوم بالتحميل من ملفات مسطحة:
- قم بتحميل ملفات البيانات الخاصة بك (مثل ملفات CSV) إلى Snowflake Stage
- استخدم الأمر COPY INTO لتحميل البيانات من المرحلة إلى الجداول الخاصة بك
- تحقق من تحميل البيانات بنجاح قبل المتابعة
📖 اقرأ أيضًا: كيفية استخدام Snowflake Cortex لتحليلات المؤسسات
الخطوة رقم 2: إنشاء نموذج دلالي (أو عرض دلالي)
هذه هي الخطوة الأكثر أهمية في الإعداد. تستمد قوة Cortex Analyst من الجمع بين نماذج اللغة الكبيرة (LLMs) والنماذج الدلالية، وهو ملف YAML يرافق مخطط قاعدة البيانات الخاصة بك ويقوم بترميز السياق التجاري.
أصبحت "الطرق الدلالية" (Semantic Views) الآن الطريقة الموصى بها من Snowflake لـ Cortex Analyst. فهي تخزن المقاييس التجارية والعلاقات والتعريفات مباشرة داخل Snowflake. لا تزال ملفات النماذج الدلالية YAML القديمة تعمل، لكن Snowflake توجه عمليات التنفيذ الجديدة نحو "الطرق الدلالية".
يجب أن يتضمن نموذجك الدلالي أو طريقة العرض الخاصة بك ما يلي:
- أوصاف الجداول والأعمدة: تفسيرات بلغة بسيطة لمعنى كل حقل
- مقاييس الأعمال: تعريفات للحقول المحسوبة مثل الإيرادات أو معدل توقف العملاء أو معدل التحويل
- المرشحات والمرادفات: المصطلحات البديلة التي قد يستخدمها المستخدمون (على سبيل المثال، كلمة "ملغى" المرتبطة بقيمة حالة محددة)
- الاستعلامات التي تم التحقق منها: يخزن مستودع الاستعلامات التي تم التحقق منها في Snowflake أزواج الأسئلة و SQL المعتمدة. عندما يشبه سؤال المستخدم أحد هذه الإدخالات، يمكن لـ Cortex Analyst الرجوع إليه أثناء إنشاء SQL
🤝 تذكير ودي: تقترح Snowflake عدم استخدام أكثر من 10 جداول وأكثر من 50 عمودًا محددًا للحصول على الأداء الأمثل في سير عمل Snowsight.
الخطوة رقم 3: قم بتحميل النموذج الدلالي إلى مرحلة Snowflake
إذا كنت تستخدم نموذجًا دلاليًا قائمًا على YAML، فيجب تهيئته حتى يتمكن Cortex Analyst من الرجوع إليه أثناء وقت التشغيل.
- قم بتحميل ملف .yaml الخاص بك إلى مرحلة داخلية في Snowflake (على سبيل المثال، RAW_DATA)
- تأكد من ظهور الملف في المرحلة عبر واجهة مستخدم Snowsight أو باستخدام الأمر LIST @stage_name
- لاحظ مسار المرحلة؛ ستحتاج إلى الإشارة إليه في استدعاءات واجهة برمجة التطبيقات (API) أو تكوين التطبيق
إذا كنت تستخدم عرضًا دلاليًا، يتم تنفيذ هذه الخطوة بشكل أصلي داخل Snowflake، ولا يلزم تحميل ملف منفصل.
🔍 هل تعلم؟ لا تعني قيمة NULL في SQL الصفر أو الفراغ. إنها تمثل بيانات مجهولة أو مفقودة، مما يؤدي إلى سلوك غير بديهي مثل المقارنات التي لا تعطي نتيجة صحيحة أو خاطئة.
الخطوة رقم 4: أرسل سؤالاً باللغة الطبيعية عبر واجهة برمجة التطبيقات REST
الآن يبدأ إنشاء SQL الفعلي. تقوم واجهة برمجة التطبيقات REST بإنشاء استعلام SQL لسؤال معين باستخدام نموذج دلالي أو عرض دلالي مقدم في الطلب.
قم بتنظيم طلب API الخاص بك باستخدام:
- رسائل؛ مصفوفة تحتوي على سؤال المستخدم الخاص بك مع الدور: "user"
- إشارة إلى نموذجك الدلالي أو عرضك الدلالي
- النموذج المفضل لديك (أو اتركه على الوضع التلقائي ليقوم Cortex باختيار الأفضل)
يمكنك إجراء محادثات متعددة الأدوار حيث يمكنك طرح أسئلة متابعة تستند إلى الاستعلامات السابقة.
الخطوة رقم 5: تحليل استجابة واجهة برمجة التطبيقات (API)
يمكن أن تحتوي كل رسالة في الاستجابة على عدة كتل محتوى من أنواع مختلفة. القيم الثلاث المدعومة حاليًا لحقل النوع هي: النص، والاقتراحات، و SQL.
فيما يلي معنى كل نوع:
🔍 هل تعلم؟ الترتيب الذي تكتب به SQL ليس هو الترتيب الذي يتم تنفيذه به. على الرغم من أنك تكتب SELECT أولاً، إلا أن قواعد البيانات تعالج في الواقع FROM و WHERE قبل اختيار الأعمدة. وهذا الأمر يربك المبتدئين والمستخدمين ذوي الخبرة على حد سواء.
الخطوة رقم 6: تنفيذ SQL الذي تم إنشاؤه في Snowflake
بمجرد الحصول على كتلة SQL من الاستجابة، قم بتشغيلها على مستودع Snowflake الافتراضي الخاص بك. يتم تنفيذ استعلام SQL الذي تم إنشاؤه في مستودع Snowflake الافتراضي الخاص بك لإنشاء الناتج النهائي. تظل البيانات ضمن حدود حوكمة Snowflake.
أمور أساسية يجب معرفتها عند التنفيذ:
- يتكامل Cortex Analyst تمامًا مع سياسات التحكم في الوصول المستندة إلى الأدوار (RBAC) في Snowflake، مما يضمن أن استعلامات SQL التي يتم إنشاؤها وتنفيذها تلتزم بجميع ضوابط الوصول المعمول بها
- إذا لم يكن لدى المستخدم حق الوصول إلى جدول ما، فسوف يفشل تنفيذ الاستعلام، تمامًا كما يحدث مع لغة SQL المكتوبة يدويًا
- تُطبق تكاليف الحوسبة الخاصة بمستودع البيانات في هذه المرحلة، بشكل منفصل عن رسوم الاستخدام الخاصة بـ Cortex Analyst
الخطوة رقم 7: الصقل والتكرار
ليس من المؤكد دائمًا الحصول على استعلام مثالي من المحاولة الأولى. إليك كيفية تحسين النتائج بمرور الوقت:
- أضف استعلامات تم التحقق منها إلى نموذجك الدلالي للأسئلة التي تتكرر
- قم بإثراء نموذجك الدلالي بوصف ومرادفات وفلاتر أفضل عندما يخطئ Cortex في تفسير مصطلح ما
- استخدم المحادثة متعددة الأدوار للمتابعة، على سبيل المثال، "الآن قم بتصفية ذلك حسب المنطقة"، تتيح المحادثات متعددة الأدوار طرح أسئلة متابعة تستند إلى الاستعلامات السابقة
- راقب الاستخدام عبر CORTEX_ANALYST_USAGE_HISTORY وسجل استعلامات Snowflake لتحديد الأنماط في الاستعلامات الفاشلة أو غير الدقيقة
🧠 حقيقة مثيرة للاهتمام: يمكن أن يؤدي غياب شرط JOIN واحد إلى مشاكل جسيمة. فقد يؤدي نسيان شرط الانضمام إلى إنتاج منتج ديكارتي، مما يضاعف عدد الصفوف بشكل كبير ويؤدي أحيانًا إلى تعطل الأنظمة.
أفضل الممارسات لتحقيق الدقة في تحويل النص إلى SQL في Snowflake
تحدد جودة نموذجك الدلالي بشكل مباشر دقة الاستعلامات التي يولدها. إليك أفضل الممارسات التي تعمل على تحسين الدقة. 🛠️
- أضف استعلامات تم التحقق منها إلى نموذجك الدلالي: هذا هو الإجراء الأكثر تأثيرًا الذي يمكنك القيام به. قم بتضمين العديد من أزواج الأسئلة-SQL النموذجية التي تعكس الطريقة التي يطرح بها فريقك الأسئلة بالفعل
- استخدم أسماء أعمدة وجداول وصفية: يعمل النموذج بشكل أفضل عندما تكون أسماء الأعمدة والجداول واضحة بذاتها. إذا لم تتمكن من تغيير المخطط، أضف أوصافًا واضحة في ملف YAML الخاص بك لأي أسماء أعمدة غامضة
- تضمين قيم نموذجية: تساعد إضافة بيانات نموذجية للأعمدة التصنيفية (مثل الحالة أو المنطقة) النموذج على فهم خيارات التصفية الصالحة المتاحة
- اختبر باستخدام الحالات الحدية: أثناء التطوير، اطرح عمدًا أسئلة غامضة أو صعبة لتحديد الأماكن التي يحتاج فيها نموذجك الدلالي إلى مزيد من السياق أو التوضيح
- كرر العمل على نموذجك الدلالي: تعامل مع نموذجك الدلالي كوثيقة حية. يجب تحديثه باستمرار من خلال عملية تكرارية تستند إلى الاستعلامات الناجحة وتلك الفاشلة
ClickUp: بديل أبسط لـ Snowflake Cortex
يعمل Snowflake Cortex بشكل جيد عندما ترغب الفرق في إنشاء SQL وتشغيل الاستعلامات عبر البيانات المنظمة. تقوم الفرق بتحديد المخططات، وتعيين العلاقات، وكتابة الاستعلامات لاستخراج الرؤى. ويعد هذا الإعداد مناسبًا للبيئات الغنية بالبيانات، خاصةً عندما يكون المحللون مسؤولين عن إعداد التقارير.
ومع ذلك، لا تحتاج العديد من الفرق إلى طبقة SQL كاملة للإجابة على الأسئلة التشغيلية اليومية. غالبًا ما يرغب مديرو المنتجات وقادة البرامج وفرق العمليات في الحصول على إجابات سريعة مرتبطة بالعمل الجاري.
يوفر ClickUp مسارًا أسهل. تطرح الفرق الأسئلة بلغة بسيطة، وتراجع لوحات المعلومات المباشرة، وتتخذ إجراءات بناءً على الرؤى دون الحاجة إلى كتابة SQL أو إنشاء نماذج دلالية.
إنشاء وصقل SQL بشكل أسرع
يركز Snowflake Cortex على إنشاء استعلامات SQL من مجموعات البيانات المنظمة داخل بيئة مستودع البيانات. ويعمل ذلك بشكل جيد عندما تكون بياناتك موجودة بالفعل في Snowflake، وعندما تكون لديك مخططات بيانات محددة.
يدعم ClickUp Brain إنشاء SQL بطريقة أكثر مرونة وتركيزًا على التنفيذ. تقوم الفرق بإنشاء استعلامات SQL وصقلها وتخزينها مباشرةً داخل مساحة العمل الخاصة بها حيث تجري عمليات التحليل والمناقشات واتخاذ القرارات بالفعل.
لنفترض أن محلل منتجات يعمل على مهمة تحليل الاحتفاظ بالعملاء داخل ClickUp. بدلاً من التبديل بين الأدوات لكتابة الاستعلامات، يسأل ClickUp Brain:
📌 جرب هذا الطلب: اكتب استعلام SQL لحساب معدل الاحتفاظ لمدة سبعة أيام للمستخدمين المجمّعين حسب مجموعة التسجيل.
يقوم ClickUp Brain بإنشاء استعلام منظم يتضمن تجميع المجموعات، وفلاتر التاريخ، ومنطق الاحتفاظ. يقوم المحلل بلصق الاستعلام في Snowflake أو مستودع بيانات آخر وتشغيله على الفور.
وهو يساعد على:
- اكتب عمليات ربط عبر جداول متعددة، مثل المستخدمين والطلبات والأحداث
- تحويل الأسئلة المتعلقة بالمنتجات المكتوبة باللغة الإنجليزية البسيطة إلى منطق SQL جاهز للتنفيذ
- تصحيح الاستعلامات المعطلة وشرح المشكلات، مثل عمليات الربط غير الصحيحة أو الشروط المفقودة
- أعد كتابة الاستعلامات لتحسين الأداء أو سهولة القراءة
على سبيل المثال، أثناء مراجعة تجربة النمو، يسأل أحد المسوقين: "اكتب استعلام SQL لمقارنة معدلات التحويل بين صفحتين مقصودتين خلال آخر 14 يومًا".
يقوم ClickUp Brain بإنشاء الاستعلام باستخدام التجميع الشرطي وفلاتر التاريخ. يقوم الفريق بتشغيله في Snowflake والتحقق من صحة نتائج التجربة.
📌 جرب هذه المطالبة: أصلح استعلام SQL هذا حيث يؤدي الربط إلى تكرار الصفوف وشرح المشكلة.
يحدد ClickUp Brain مشكلة الربط، ويصحح الاستعلام، ويشرح كيف حدثت الصفوف المكررة بسبب شروط الربط غير الصحيحة.
استبدل التقارير التي تعتمد على SQL
غالبًا ما تتضمن سير عمل Snowflake Cortex إنشاء SQL وتشغيل الاستعلامات وتصور النتائج في طبقة منفصلة. تعمل لوحات معلومات ClickUp على إزالة هذه العملية متعددة الخطوات وتقديم الرؤى مباشرةً من العمل المباشر.
يمكن لفريق إدارة البرامج الذي يتتبع جاهزية الإصدار إنشاء لوحة معلومات دون الحاجة إلى كتابة استعلامات. على سبيل المثال، قد تتضمن لوحة معلومات الإصدار ما يلي:
- بطاقة قائمة المهام التي تمت تصفيتها لعرض المهام المتأخرة عبر جميع فرق المنتجات
- بطاقة حمل العمل التي تعرض توزيع المهام بين المهندسين
- مخطط شريطي يقارن المهام المنجزة بالمهام المعلقة حسب السبرينت
- بطاقة حسابية تتعقب متوسط وقت الإنجاز
لنفترض أن أحد قادة البرنامج يراجع هذه اللوحة قبل اجتماع الإصدار. يلاحظ على الفور أن خدمات الخلفية تظهر معدلات تأخير أعلى. يفتح بطاقة قائمة المهام ويفحص المهام المحددة التي تسبب المخاطر.
يشارك أحد مستخدمي ClickUp في الواقع:
يتيح لنا ClickUp تبادل المشاريع بسرعة، والتحقق بسهولة من حالة المشاريع، كما يمنح مشرفتنا نظرة على حجم العمل لدينا في أي وقت دون الحاجة إلى مقاطعتنا. لقد وفرنا بالتأكيد يومًا واحدًا في الأسبوع باستخدام ClickUp، إن لم يكن أكثر. وقد انخفض عدد رسائل البريد الإلكتروني بشكل ملحوظ.
يتيح لنا ClickUp تبادل المشاريع بسرعة، والتحقق بسهولة من حالة المشاريع، كما يمنح مشرفتنا نظرة على حجم العمل لدينا في أي وقت دون الحاجة إلى مقاطعتنا. لقد وفرنا بالتأكيد يومًا واحدًا في الأسبوع باستخدام ClickUp، إن لم يكن أكثر. وقد انخفض عدد رسائل البريد الإلكتروني بشكل ملحوظ.
اتخذ إجراءات بناءً على الرؤى دون الحاجة إلى مسارات
يركز Snowflake Cortex على استخلاص الرؤى من البيانات. ولا يزال يتعين على الفرق تفسير النتائج واتخاذ الإجراءات بشكل منفصل.
تعمل "Super Agents" من ClickUp AI على سد هذه الفجوة وتحويل الرؤى إلى إجراءات تنفيذية. فهي تعمل كزملاء فريق من الذكاء الاصطناعي يراقبون بيانات مساحة العمل باستمرار ويتخذون الإجراءات بناءً على الظروف.
لنفترض أن مدير برنامج يشرف على مبادرات منتجات متعددة. يمكن لـ Super Agent:
- راقب المهام عبر المشاريع واكتشف متى تتجاوز المهام المتأخرة الحد المحدد
- تحديد الأنماط مثل التأخيرات المتكررة في نفس مرحلة سير العمل
- أنشئ مهمة تلخص المشاريع المتأثرة وقم بتعيينها إلى مدير البرنامج
- أبلغ مالكي الفرق عندما تظل المهام الحرجة دون حل بعد انقضاء المواعيد النهائية
على سبيل المثال، خلال دورة الإصدار، يكتشف Super Agent أن أكثر من 10 مهام ذات أولوية عالية لم تلتزم بالمواعيد النهائية في فريقين. فيقوم بإنشاء مهمة ClickUp بعنوان "مخاطر الإصدار: عدم الالتزام بالمواعيد النهائية"، ويرفق جميع المهام ذات الصلة، ويكلف مدير البرنامج بمراجعتها على الفور.
يمكن للفرق أيضًا التفاعل مباشرةً مع Super Agent: "تحليل جميع المشاريع النشطة وإبراز مخاطر التسليم لهذا السبرينت".
يقوم Super Agent بمراجعة المواعيد النهائية والتبعيات وحالة المهام، ثم ينشر ملخصًا منظمًا داخل مساحة العمل.
إليك كيفية إعداد Super Agent الخاص بك في ClickUp:
قم بتركيز سير عمل البيانات لديك باستخدام ClickUp
تسهل أدوات تحويل النص إلى SQL مثل Snowflake Cortex الوصول إلى البيانات. وفي الوقت نفسه، لا يزال الحصول على نتائج موثوقة يتطلب بذل جهد.
تحتاج الفرق إلى مخططات منظمة ونماذج دلالية قوية وتكرار مستمر للحفاظ على دقة النتائج. وحتى بعد إنشاء الاستعلام الصحيح، لا يتوقف العمل عند هذا الحد. فلا يزال هناك حاجة إلى شخص ما لتفسير النتائج ومشاركة الرؤى وتحويلها إلى قرارات.
يقدم ClickUp نهجًا مختلفًا. بدلاً من فصل التحليل عن التنفيذ، يربط ClickUp بينهما. تقوم الفرق بإنشاء SQL وتوثيق الرؤى والتعاون بشأن النتائج واتخاذ الإجراءات بناءً عليها داخل نفس مساحة العمل.
يساعد ClickUp Brain في كتابة الاستعلامات وصقلها، بينما تساعد لوحات المعلومات ووكلاء الذكاء الاصطناعي الفرق على تتبع النتائج والمضي قدماً في العمل دون الحاجة إلى التنقل بين الأدوات.
يساعدك Snowflake Cortex في الحصول على الإجابات. بينما يساعدك ClickUp في الاستفادة منها. اشترك في ClickUp اليوم!
الأسئلة الشائعة
Snowflake Cortex Analyst هي خدمة متخصصة ضمن مجموعة Snowflake Cortex AI الأوسع نطاقًا. تركز Cortex Analyst بشكل خاص على إنشاء SQL من النص باستخدام النماذج الدلالية، بينما تتضمن Cortex AI نطاقًا أوسع من وظائف LLM واستدلال نماذج التعلم الآلي وقدرات البحث.
نعم، يمكن لـ Cortex Analyst الاستعلام عن جداول Apache Iceberg التي تتم إدارتها عبر Snowflake. طالما أن الجداول متاحة داخل بيئة Snowflake الخاصة بك ومُعرَّفة بشكل صحيح في نموذجك الدلالي، يمكنك إنشاء استعلامات عليها.
تعتمد دقة الاستعلامات المعقدة بشكل شبه كامل على جودة النموذج الدلالي الخاص بك. سيؤدي النموذج الذي يحتوي على علاقات جداول محددة جيدًا، والعديد من الاستعلامات التي تم التحقق منها، والبيانات الوصفية إلى نتائج أكثر دقة بشكل ملحوظ لعمليات ربط الجداول المتعددة والتجميعات المعقدة.
تتبع أسعار Snowflake Cortex Analyst نموذج Snowflake القائم على الاستهلاك، مما يعني أنك ستدفع فاتورة بناءً على رصيد الحوسبة المستخدم أثناء عملية إنشاء الاستعلام. للحصول على أحدث الأسعار، يجب عليك دائمًا الرجوع إلى وثائق التسعير الرسمية لـ Snowflake.