تتعامل معظم الفرق مع إنشاء جمل SQL وكأنها خدعة سحرية. ما عليك سوى كتابة سؤال لتحصل 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. ومن خلال تعلم كيفية استخدام Snowflake Cortex لتوليد استعلامات SQL، يمكن لفرق البيانات الآن تحويل اللغة الطبيعية إلى استعلامات معقدة وقابلة للتنفيذ في غضون ثوانٍ.
يرشدك هذا الدليل خطوة بخطوة خلال عملية التنفيذ الفعلية، بدءًا من تعريف نموذجك الدلالي YAML وصولاً إلى الاستعلام عن مستودع البيانات باستخدام اللغة الطبيعية، حتى تفهم كل من إمكانيات هذه الأداة والمتطلبات الأساسية قبل البدء.
كما نلقي نظرة على نقاط الضعف في Snowflake Cortex وكيف يمكن لـ ClickUp دعم سير العمل الأوسع نطاقًا المرتبط بإنشاء استعلامات SQL.
ما هو Snowflake Cortex Analyst؟
Snowflake Cortex Analyst هي خدمة مُدارة بالكامل تتيح لك إنشاء تطبيقات تفاعلية تستند إلى بياناتك التحليلية.
يستخدم هذا النظام وكيلًا متخصصًا لتحويل النص إلى SQL لتحويل الأسئلة المكتوبة 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 أكواد برمجية.
تشمل الإمكانات الرئيسية ما يلي:
- توفير واجهة عالية الدقة للتفاعل مع البيانات المنظمة
- استخدام النماذج الدلالية لفهم منطق أعمالك ومصطلحاتك الخاصة
- يوفر 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
📮 رؤية ClickUp: يستخدم 88% من المشاركين في استطلاعنا الذكاء الاصطناعي في مهامهم الشخصية، لكن أكثر من 50% يتجنبون استخدامه في العمل. ما هي العوائق الثلاثة الرئيسية؟ عدم وجود تكامل سلس، وفجوات 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 البسيطة، ويحل جميع المخاوف الثلاثة المتعلقة بتبني الذكاء الاصطناعي، بينما يربط بين 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 وقتك في استكشاف الأخطاء وإصلاحها، وتستنتج خطأً أن الأداة معطلة، في حين أن المشكلة الحقيقية تكمن في ضعف الأساس.
لتجنب ذلك، عليك أولاً توفير ثلاثة عناصر أساسية.
1. قم بإعداد قاعدة البيانات والجداول الخاصة بك
تتوقف ذكاء الذكاء الاصطناعي الخاص بك 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 بديهيةً لكل من البشر والذكاء الاصطناعي مقارنةً بـ clv_01.
لمتابعة عملية الإعداد، ستحتاج دورك في Snowflake إلى الأذونات التالية:
- الاستخدام: على قاعدة البيانات والمخطط اللذين يحتويان على جداولك
- SELECT: على الجداول التي تريد أن يستعلم عنها Cortex Analyst
- مرحلة الإنشاء (CREATE STAGE): 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 العملاء يرتبط بجدول الطلبات عبر حقل customer_id.
بدون هذا السياق، قد يُنشئ 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. وهو ملف YAML يعمل بمثابة «طبقة ترجمة» مخصصة، حيث يُعلّم Cortex Analyst المفردات والمنطق الخاصين بنشاطك التجاري. ويُعد إنشاء هذا الملف وصيانته جهدًا تعاونيًا بين مهندسي البيانات الذين يستخدمون أدوات ETL لفهم المخطط، ومحللي الأعمال الذين يعرفون المصطلحات.
يجب أن يحتوي ملف النموذج الدلالي الخاص بك على المكونات الرئيسية التالية:
| المكون | الغرض |
| الجداول | تسرد 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 ارتباط الجداول من خلال عمليات الربط، مما يزيل أي حاجة إلى التخمين بالنسبة للذكاء الاصطناعي |
| استعلامات مُثبتة | يقدم أمثلة على أزواج من الأسئلة ولسان SQL التي تعمل كأدلة إرشادية فعالة 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 تستطيع استعلامات SQL القياسية معالجة هذه البيانات، مما يعني أنك غالبًا ما تفوتك معرفة «السبب» وراء «الحدث».
يمكنك اختيارياً إضافة خدمة Snowflake Cortex Search Service هنا. وهي عبارة عن طبقة "البحث كخدمة " تتيح لك الاستعلام عن كل من الجداول المنظمة وبياناتك النصية غير المنظمة باستخدام وكلاء 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 استعلامات 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 على الجداول المنظمة، فإن هذه الخدمة ليست ضرورية.
🧠 حقيقة ممتعة: في أوائل السبعينيات، ابتكر باحثا شركة IBM دونالد تشامبرلين ورايموند بويس «لغة الاستعلام الإنجليزية المنظمة» (Structured English Query Language). واضطرا إلى تغيير الاسم إلى SQL لأن اسم «SEQUEL» كان مسجلاً بالفعل كعلامة تجارية لشركة طيران بريطانية.
دليل تفصيلي لإنشاء لغة SQL باستخدام Cortex Analyst
لقد أنجزت الأعمال التحضيرية، لكنك الآن تواجه شاشة فارغة، غير متأكد من سير العمل الفعلي. كيف تنتقل من سؤال يدور في ذهنك إلى استعلام SQL قابل للتنفيذ؟ عندما لا يكون سير العمل واضحًا، غالبًا ما تظل الأدوات الجديدة دون استخدام، ويضيع الاستثمار في إعدادها سدى.
تتميز هذه العملية العملية ببساطتها المبهجة. إليك نظرة عن قرب!
الخطوة رقم 1: قم بإعداد بياناتك في Snowflake
قبل أي شيء آخر، يجب أن تكون بياناتك المنظمة مخزنة 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 بالبيانات.
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 المؤقتة إلى الجداول الخاصة بك
- تأكد 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 عملية الإعداد. تستمد Cortex Analyst قوتها من الجمع بين نماذج اللغة الكبيرة (LLMs) والنماذج الدلالية، وهي ملف YAML يرافق مخطط قاعدة البيانات الخاصة بك ويقوم بترميز السياق التجاري.
أصبحت «الطرق الدلالية» (Semantic Views) الآن الطريقة الموصى بها من Snowflake لاستخدام Cortex Analyst. فهي تخزن المقاييس التجارية والعلاقات والتعريفات مباشرةً داخل Snowflake. ولا تزال ملفات النماذج الدلالية القديمة بتنسيق YAML تعمل، لكن Snowflake توجه عمليات التنفيذ الجديدة نحو «الطرق الدلالية».
يجب أن يتضمن نموذجك الدلالي أو عرضك ما يلي:
- أوصاف الجداول والأعمدة: تفسيرات بلغة بسيطة لمعنى كل حقل
- مقاييس الأعمال: تعريفات الحقول المحسوبة مثل الإيرادات، ومعدل فقدان العملاء، أو معدل التحويل
- المرشحات والمرادفات: المصطلحات البديلة التي قد يستخدمها المستخدمون (على سبيل المثال، كلمة "ملغى" المرتبطة بقيمة حالة محددة)
- الاستعلامات المعتمدة: يخزن مستودع الاستعلامات المعتمدة في Snowflake أزواج الأسئلة وعبارات SQL المعتمدة. وعندما يشبه سؤال المستخدم أحد هذه الإدخالات، يمكن لـ Cortex Analyst الرجوع إليه أثناء إنشاء عبارات SQL
🤝 تذكير ودي: تقترح Snowflake عدم استخدام أكثر من 10 جداول وأكثر من 50 عمودًا محددًا لتحقيق 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؛ فستحتاج إلى الإشارة إليه في استدعاءات واجهة برمجة التطبيقات (API) أو في تكوين التطبيق
إذا كنت تستخدم «طريقة العرض الدلالية» (Semantic View)، فسيتم تنفيذ هذه الخطوة تلقائيًا داخل Snowflake، ولن تكون هناك حاجة إلى تحميل ملف منفصل.
🔍 هل تعلم؟ القيمة NULL في لغة SQL لا تعني الصفر أو الفراغ. بل تمثل بيانات مجهولة أو مفقودة، مما يؤدي إلى سلوك غير بديهي مثل المقارنات التي لا تُرجع نتيجة صحيحة أو خاطئة.
الخطوة رقم 4: أرسل سؤالًا باللغة الطبيعية عبر واجهة برمجة التطبيقات REST
والآن 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 واجهة برمجة التطبيقات (API) باستخدام:
- الرسائل؛ مصفوفة تحتوي على سؤال المستخدم الخاص بك مع الدور: “user”
- إشارة إلى نموذجك الدلالي أو عرضك الدلالي
- النموذج المفضل لديك (أو اتركه على الإعداد التلقائي ليقوم Cortex باختيار الأفضل)
يمكنك إجراء محادثات متعددة الجولات 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، وSQL.
فيما يلي معنى كل نوع:
🔍 هل تعلم؟ الترتيب الذي تكتب به جملة SQL ليس هو الترتيب الذي يتم تنفيذها به. على الرغم من أنك تكتب SELECT أولاً، إلا أن قواعد البيانات تعالج في الواقع كلمتي FROM وWHERE قبل اختيار الأعمدة. وهذا الأمر يربك المبتدئين والمستخدمين ذوي الخبرة على حد سواء.
الخطوة رقم 6: تنفيذ لغة SQL التي تم إنشاؤها في Snowflake
بمجرد الحصول على كتلة SQL من الرد، قم بتشغيلها على مستودع Snowflake الافتراضي الخاص بك. يتم تنفيذ استعلام SQL الذي تم إنشاؤه في مستودع Snowflake الافتراضي الخاص بك لتوليد الناتج النهائي. وتبقى البيانات ضمن حدود حوكمة Snowflake.
أمور أساسية يجب معرفتها عند التنفيذ:
- يتكامل Cortex Analyst تمامًا مع سياسات التحكم في الوصول القائمة على الأدوار (RBAC) في Snowflake، مما يضمن التزام استعلامات SQL التي يتم إنشاؤها وتنفيذها بجميع ضوابط الوصول المعمول بها
- إذا لم يكن لدى المستخدم حق الوصول إلى جدول ما، فسيفشل تنفيذ الاستعلام، تمامًا كما يحدث مع لغة SQL المكتوبة يدويًّا
- 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. وإليك كيفية تحسين النتائج بمرور الوقت:
- أضف استعلامات تم التحقق منها إلى نموذجك الدلالي للأسئلة التي تتكرر
- قم بإثراء نموذجك الدلالي بوصف أفضل ومرادفات وفلاتر عندما يخطئ Cortex في تفسير مصطلح ما
- استخدم المحادثة متعددة الجولات للمتابعة، على سبيل المثال، «الآن قم بتصفية ذلك حسب المنطقة»، حيث تتيح المحادثات متعددة الجولات 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 ديكارت، مما يؤدي إلى تضاعف عدد الصفوف بشكل كبير، وأحيانًا إلى تعطل الأنظمة.
أفضل الممارسات لضمان دقة 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 من صحتها إلى نموذجك الدلالي: هذا هو الإجراء الأكثر تأثيرًا الذي يمكنك القيام به. قم بتضمين العديد من الأمثلة على أزواج الأسئلة-استعلامات SQL التي تعكس الطريقة التي يطرح بها فريقك الأسئلة فعليًّا
- استخدم أسماء أعمدة وجداول وصفية: يعمل النموذج بشكل أفضل عندما تكون أسماء الأعمدة والجداول واضحة بذاتها. إذا لم تتمكن من تغيير المخطط، فأضف 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 الحالات الاستثنائية: أثناء التطوير، اطرح عمدًا أسئلة غامضة أو صعبة لتحديد الأماكن التي يحتاج فيها نموذجك الدلالي إلى مزيد من السياق أو التوضيح
- قم بتكرار 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 لغة SQL وتشغيل الاستعلامات عبر البيانات المنظمة. تقوم الفرق بتحديد المخططات، وتعيين العلاقات، وكتابة الاستعلامات لاستخراج الرؤى. ويعد هذا الإعداد مناسبًا للبيئات التي تحتوي على كميات كبيرة من البيانات، خاصةً عندما يكون المحللون مسؤولين عن إعداد التقارير.
ومع ذلك، لا تحتاج العديد من الفرق إلى طبقة SQL كاملة للإجابة على الأسئلة التشغيلية اليومية. فمديرو المنتجات وقادة البرامج وفرق العمليات غالبًا ما يرغبون في الحصول على إجابات سريعة مرتبطة بالعمل الجاري.
يوفر ClickUp مسارًا أسهل. حيث تطرح الفرق أسئلتها بلغة بسيطة، وتراجع لوحات المعلومات المباشرة، وتتخذ إجراءات بناءً على الرؤى دون الحاجة إلى كتابة لغة SQL أو إنشاء نماذج دلالية.
إنشاء وصقل لغة 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 استعلامات SQL بطريقة أكثر مرونة وتركيزًا على التنفيذ. تقوم الفرق بإنشاء استعلامات SQL وصقلها وتخزينها مباشرةً داخل مساحة العمل الخاصة بها، حيث تجري بالفعل عمليات التحليل والمناقشات واتخاذ القرارات.
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 بالمستخدمين لمدة سبعة أيام، مصنفين 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
- حوّل الأسئلة المتعلقة بالمنتجات المكتوبة باللغة الإنجليزية البسيطة إلى منطق SQL جاهز للتنفيذ
- قم بتصحيح الأخطاء في 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 نمو، 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. ثم يقوم الفريق بتشغيله في Snowflake والتحقق من صحة نتائج التجربة.
📌 جرب هذا السؤال: أصلح استعلام SQL هذا حيث يؤدي الربط إلى تكرار الصفوف وشرح المشكلة.
يحدد ClickUp Brain مشكلة الربط، ويصحح الاستعلام، ويشرح كيف حدث تكرار الصفوف بسبب شروط ربط غير صحيحة.
استبدل التقارير القائمة على لغة SQL
غالبًا ما تتضمن سير عمل Snowflake Cortex إنشاء لغة SQL وتشغيل الاستعلامات وتصور النتائج في طبقة منفصلة. تعمل لوحات معلومات ClickUp على التخلص من هذه العملية متعددة الخطوات وتقدم الرؤى مباشرةً من العمل الفعلي.
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 تم تصفيتها لعرض المهام المتأخرة عبر جميع فرق المنتجات
- بطاقة أحمال العمل التي تُظهر توزيع المهام بين المهندسين
- مخطط شريطي يقارن المهام المنجزة بالمهام المعلقة حسب كل سبرينت
- بطاقة حسابية تتتبع متوسط وقت الإنجاز
لنفترض أن أحد قادة البرنامج يراجع لوحة المعلومات هذه قبل اجتماع الإصدار. فيلاحظ على الفور أن خدمات الخلفية تُظهر معدلات تأخير أعلى. فيفتح بطاقة قائمة المهام ويفحص المهام المحددة التي تسبب المخاطر.
يشارك أحد مستخدمي ClickUp الحقيقيين تجربته قائلاً:
يتيح لنا ClickUp تبادل المشاريع بسرعة، والتحقق بسهولة من حالة المشاريع، كما يمنح مشرفتنا نظرة عامة على حجم العمل لدينا في أي وقت دون الحاجة إلى مقاطعتنا. لقد وفرنا بالتأكيد يومًا واحدًا في الأسبوع باستخدام ClickUp، إن لم يكن أكثر. كما انخفض عدد رسائل البريد الإلكتروني بشكل ملحوظ.
يتيح لنا ClickUp تبادل المشاريع بسرعة، والتحقق بسهولة من حالة المشاريع، كما يمنح مشرفتنا نظرة عامة على حجم العمل لدينا في أي وقت دون الحاجة إلى مقاطعتنا. لقد وفرنا بالتأكيد يومًا واحدًا في الأسبوع باستخدام ClickUp، إن لم يكن أكثر. كما انخفض عدد رسائل البريد الإلكتروني بشكل ملحوظ.
اتخذ إجراءات بناءً على الرؤى دون الحاجة إلى مسارات البيانات
يركز Snowflake Cortex على استخلاص الرؤى من البيانات. ولا تزال الفرق بحاجة إلى تفسير النتائج واتخاذ الإجراءات بشكل منفصل.
تعمل "Super Agents" من ClickUp AI على سد هذه الفجوة وتحويل الرؤى إلى إجراءات تنفيذية. فهي تعمل كأعضاء فريق مدعومين بالذكاء الاصطناعي يراقبون بيانات مساحة العمل باستمرار ويتخذون الإجراءات بناءً على الظروف.
لنفترض أن مدير برنامج يشرف على مبادرات منتجات متعددة. يمكن لـ «Super Agent» القيام بما يلي:
- 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 مسؤولي الفرق عندما تظل المهام الحرجة دون حل بعد انقضاء المواعيد النهائية
على سبيل المثال، خلال دورة إصدار، يكتشف أحد "Super Agent" أن أكثر من 10 مهام ذات أولوية عالية لم يتم إنجازها في الموعد المحدد عبر فريقين. فيقوم بإنشاء مهمة في 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 وتسليط الضوء على مخاطر التسليم في هذا 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. ومع ذلك، 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. فبدلاً من الفصل بين التحليل والتنفيذ، يربط ClickUp بينهما. حيث تقوم الفرق بإنشاء استعلامات 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 قدمًا في العمل دون الحاجة إلى التنقل بين الأدوات.
يساعدك Snowflake Cortex في الحصول على الإجابات. أما ClickUp فيساعدك على الاستفادة منها. اشترك في ClickUp اليوم!
الأسئلة الشائعة
ما هو Snowflake Cortex Analyst وكيف يختلف عن Cortex AI؟
يُعد Snowflake Cortex Analyst خدمة متخصصة ضمن مجموعة Snowflake Cortex AI الأوسع نطاقًا. يركز Cortex Analyst بشكل خاص على تحويل النص إلى SQL باستخدام النماذج الدلالية، بينما تتضمن Cortex AI نطاقًا أوسع من وظائف نماذج اللغة الكبيرة (LLM) واستدلال نماذج التعلم الآلي وقدرات البحث.
هل يعمل Snowflake Cortex Analyst مع مصادر البيانات الخارجية مثل جداول Iceberg؟
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.
ما مدى دقة ميزة Snowflake لتحويل النص إلى SQL في الاستعلامات المعقدة؟
تعتمد دقة الاستعلامات المعقدة بشكل شبه كامل على جودة النموذج الدلالي الخاص بك. فالنموذج الذي يتميز بعلاقات جداول محددة جيدًا، والعديد من الاستعلامات التي تم التحقق منها، والبيانات الوصفية التفصيلية، سينتج نتائج أكثر دقة بشكل ملحوظ في عمليات ربط الجداول المتعددة والتجميعات المعقدة.
ما هي تكلفة ميزات إنشاء عبارات SQL في Snowflake Cortex؟
تتبع أسعار Snowflake Cortex Analyst نموذج Snowflake القائم على الاستهلاك، مما يعني أن الفواتير تُحسب بناءً على رصيد الحوسبة المستخدم خلال عملية إنشاء الاستعلامات. للاطلاع على أحدث الأسعار، يجب عليك دائمًا الرجوع إلى وثائق التسعير الرسمية الخاصة بـ Snowflake.