A la mayoría de los equipos de empresas no les faltan datos. Les faltan respuestas en las que puedan confiar y que puedan obtener rápidamente.
No es de extrañar, pues, que muchos equipos de datos sigan dedicando aproximadamente el 70 % de su tiempo a preparar y limpiar datos antes de poder pasar al análisis propiamente dicho.
Snowflake Cortex Analyst se ha diseñado para romper ese ciclo. En lugar de traducir las preguntas empresariales a tickets SQL, los equipos pueden utilizarlo para formular preguntas directamente en inglés sencillo y obtener respuestas directamente de su almacén de datos.
En esta publicación, explicaremos cómo utilizar Snowflake Cortex para la inteligencia empresarial, cómo funciona entre bastidores, dónde aporta un valor real y dónde suelen encontrar límites los equipos.
¿Qué es Snowflake Cortex Analyst?
Snowflake Cortex Analyst es un servicio de IA totalmente gestionado dentro de Snowflake Data Cloud. Le permite realizar preguntas sobre sus datos estructurados utilizando lenguaje sencillo.
Piense en él como un traductor que convierte automáticamente sus preguntas de conversación en complejas consultas SQL. Esto es útil para el análisis de autoservicio. Permite a todo el mundo acceder a la información de los datos sin comprometer la seguridad, los controles de acceso y la gobernanza de los datos.
Cortex Analyst es una parte del paquete Snowflake Cortex IA, que incluye una serie de funciones para trabajar con modelos de lenguaje grandes (LLM).
Funciones clave para el análisis de autoservicio
Cortex Analyst está diseñado para facilitar el trabajo de sus equipos de datos, permitiendo a los usuarios empresariales encontrar sus propias respuestas. Esto es lo que ofrece:
- Interfaz de lenguaje natural: puede escribir preguntas como «¿Qué productos se vendieron mejor en el noreste el mes pasado?» en lugar de escribir código para capturar las respuestas.
- Integración de modelos semánticos: esta función realiza la conexión entre los términos empresariales que utiliza a diario («ingresos» o «cliente») con los nombres técnicos de las columnas de su base de datos.
- Consultas verificadas: para preguntas críticas y frecuentes, puede aprobar previamente pares específicos de preguntas y respuestas para garantizar la precisión.
- Retención del contexto: la herramienta recuerda lo que ya ha preguntado, por lo que puede hacer preguntas de seguimiento sin tener que empezar de nuevo.
- Indicadores de confianza: para ayudarte a confiar en las respuestas, proporciona una puntuación de confianza y te muestra el SQL exacto que ha generado.
¿Cuál es el ingrediente secreto que lo hace posible? El modelo semántico. Actúa como un diccionario, traduciendo la forma en que su equipo habla sobre la empresa al lenguaje que entiende la base de datos.
Cómo funciona Cortex Analyst
El proceso es bastante sencillo.
En primer lugar, escribes una pregunta en una interfaz de chat. A continuación, Cortex Analyst consulta su modelo semántico (un archivo de configuración que tú creas) para comprender el contexto empresarial de tus palabras. Utilizando ese contexto, el LLM subyacente genera una consulta SQL.
Esa consulta se ejecuta directamente en sus tablas dentro de Snowflake, y los resultados se le devuelven en el chat, junto con el código SQL que se ha utilizado. Esta transparencia es clave para generar confianza. Y como todo esto ocurre dentro de su cuenta de Snowflake, sus datos nunca salen de su entorno de seguridad. ✨
¿Cómo crear una aplicación de análisis de Cortex?
Crear una aplicación Cortex Analyst no es difícil en teoría, pero rara vez es sencillo en la práctica. La tecnología solo funciona tan bien como la estructura que la rodea.
Es posible que su equipo dedique mucho más tiempo a limpiar datos, definir el significado empresarial y dar forma a la experiencia del usuario que a conectar la propia IA.
La buena noticia es que crear una aplicación Cortex Analyst se reduce a tres componentes básicos: datos limpios, un modelo semántico bien definido y una interfaz de chat. Aunque Snowflake proporciona las herramientas, su tarea principal es traducir la lógica empresarial desordenada y real de su equipo a una capa estructurada que la IA pueda entender.
Para hacerlo bien, necesitas:
1. Prepare su conjunto de datos
Cortex Analyst es potente, pero no lee la mente. Funciona mejor con datos limpios y bien estructurados que se encuentran en sus tablas o vistas de Snowflake. Si sus datos están desordenados, sus respuestas también lo estarán. Se trata del clásico problema de «si entra basura, sale basura».
Para prepararte para el éxito, céntrate en estos pasos de preparación de datos:
- Normalice las convenciones de nomenclatura: utilice nombres de columnas claros y descriptivos que se ajusten al lenguaje de su empresa. Por ejemplo, nombre una columna «ingresos_mensuales_recurrentes» en lugar de «mrr_val».
- Cree vistas agregadas: si su equipo solicita constantemente las mismas métricas, calculelas previamente en una tabla o vista de resumen. Esto hace que las consultas sean más rápidas y fiables.
- Relaciones entre documentos: asegúrate de que las conexiones (o uniones) entre tus tablas sean lógicas y estén claramente definidas.
- Elimine la ambigüedad: evite utilizar el mismo nombre de columna en diferentes tablas para cosas diferentes, ya que esto confunde a la IA.
La mayoría de los equipos comienzan con sus datos de series temporales (como las ventas diarias) o registros transaccionales (como los pedidos de los clientes) como base para su primera aplicación de BI.
📚 Lea también: Cómo utilizar la IA para el análisis de datos
2. Cree el modelo semántico
El modelo semántico es el cerebro de su aplicación Cortex Analyst. Se trata de un archivo YAML (Yet Another Markup Language) que usted crea para enseñar a la IA el lenguaje único de su empresa. Piense en él como un manual de instrucciones detallado para la IA.
Esto es lo que se define en él:
- Tablas: Las tablas o vistas específicas de Snowflake que la IA puede consultar.
- Columnas: Descripciones en lenguaje sencillo para cada campo de datos, incluyendo cualquier sinónimo que pueda utilizar su equipo.
- Métricas: definiciones de medidas empresariales calculadas, como profit_margin (margen de beneficio) o customer_lifetime_value (valor del ciclo de vida del cliente).
- Relaciones: cómo se conectan entre sí las diferentes tablas.
- Consultas verificadas: un conjunto de pares de preguntas y SQL «de oro» preaprobados que garantizan la precisión de sus preguntas empresariales más importantes.
💡 Consejo profesional: Es fundamental escribir descripciones de columnas eficaces. Sea específico. Para una columna llamada «order_status», su descripción debe explicar qué significa cada código de estado. La creación de este modelo es un proceso iterativo; comenzará con una versión básica y la perfeccionará con el tiempo basándose en los comentarios de los usuarios.
3. Crea la interfaz para chatear
Una vez que sus datos y su modelo semántico estén listos, necesitará un lugar donde los usuarios puedan formular preguntas. Snowflake le ofrece dos opciones:
- El primero es Streamlit. Se trata de un marco basado en Python para crear aplicaciones web interactivas directamente en su entorno Snowflake. Es la forma más rápida de poner en marcha un prototipo.
- La segunda opción es una API REST, que le permite integrar las capacidades de Cortex Analyst en sus propias aplicaciones personalizadas.
En cualquiera de los dos casos, la experiencia del usuario lo es todo. Una interfaz torpe y confusa disuadirá a los usuarios de utilizar la herramienta, incluso si la IA en sí misma es inteligente. La mayoría de las organizaciones comienzan con una sencilla aplicación Streamlit para realizar pruebas internas y, a continuación, exploran integraciones API personalizadas para una implementación más amplia.
Casos de uso reales para equipos de inteligencia empresarial
El verdadero poder de Cortex Analyst se pone de manifiesto cuando se aplica a preguntas específicas y recurrentes que ralentizan a sus equipos. Se trata de reducir el tiempo que se tarda en obtener respuestas rutinarias.
Algunos ejemplos concretos en los que Cortex Analyst destaca como herramienta de análisis conversacional:
- Los equipos de ventas pueden preguntar «¿Cuál fue nuestro ingreso total por región el último trimestre?» durante una revisión del proceso de ventas, en lugar de esperar un informe.
- Los equipos de marketing pueden realizar una consulta «¿Qué resultados obtuvo la nueva campaña publicitaria en Facebook frente a Google la semana pasada?» en medio de una sesión estratégica.
- Los equipos financieros pueden obtener informes ad hoc sobre las variaciones presupuestarias preguntando: «Muéstrame la diferencia entre el gasto planificado y el real del departamento de ingeniería».
- Los equipos de operaciones pueden supervisar los indicadores clave de rendimiento (KPI) en tiempo real con preguntas como: «¿Cuál es nuestro tiempo actual de cumplimiento de pedidos?».
- Los ejecutivos pueden obtener respuestas instantáneas mientras se preparan para las reuniones de la junta directiva, preguntando: «¿Cuáles son nuestras 10 cuentas principales por ingresos este año?».
¿Ve alguna pauta? Cortex Analyst destaca en responder preguntas estructuradas y cuantitativas. No está diseñado para el análisis profundo y exploratorio de datos.
Conecta la inteligencia empresarial con tu flujo de trabajo real con ClickUp.
Imagina que estás en una revisión de canalización y alguien te pregunta: «¿Cuál fue nuestro ingreso total por región el último trimestre?». Con Cortex Analyst, puedes hacer esa pregunta en inglés sencillo y obtener una respuesta clara y estructurada al instante. Eso por sí solo es un gran paso.
Pero esto es lo que suele pasar después. Te das cuenta de que EMEA se está quedando atrás. Alguien sugiere analizar la velocidad de los acuerdos. Otra persona señala un problema de personal. La reunión termina y la información queda en una ventana de chat, mientras que el trabajo de seguimiento se dispersa por docenas de herramientas.
Por eso los paneles y las tarjetas de IA de ClickUp ofrecen una alternativa mejor.
Las tarjetas AI son herramientas que puedes añadir a cualquier panel de control y que generan resúmenes, información y informes directamente en tu lugar de trabajo. Si tus datos se encuentran en ClickUp, puedes hacer la misma pregunta utilizando la tarjeta AI Brain Card en ClickUp. Cuando aparece la respuesta, permanece visible junto a las tareas y planes de tu equipo.
En lugar de dejar que esa información sobre los ingresos desaparezca, puede fijarla en un panel compartido junto con el estado del canal de ventas, los objetivos regionales y las iniciativas activas.
A partir de ahí, puede convertir la conversación en acción de inmediato. Cree una tarea para analizar el retraso en los acuerdos de EMEA, asigne un propietario, establezca una fecha límite y realice el seguimiento del progreso en el mismo lugar donde se encuentra la información.
El mismo patrón se repite en todas partes:
- En marketing, las preguntas sobre el rendimiento de las campañas se convierten en tareas de optimización.
- En finanzas, las variaciones presupuestarias se convierten en revisiones de seguimiento.
- En las operaciones, los cambios en los KPI son desencadenantes de la propiedad y la escalada.
Con la IA nativa y sensible al contexto de ClickUp, no solo obtienes respuestas rápidamente, sino que también te aseguras de que la respuesta cambie realmente lo que sucede a continuación.
Seguridad y control de acceso en Cortex Analyst
👀 ¿Sabías que... el 97 % de las organizaciones que sufrieron incidencias de seguridad relacionadas con la IA carecían de controles de acceso adecuados a la IA?
El miedo a exponer información confidencial, infringir las normas de cumplimiento o provocar una fuga accidental de datos es un obstáculo importante para la adopción de nuevas herramientas de BI.
¿En qué se diferencia Cortex Analyst?
No crea una nueva puerta trasera insegura para sus datos. En cambio, hereda todas las políticas de seguridad que ya ha establecido. Su integración con el modelo de seguridad nativo de Snowflake también proporciona tranquilidad a los equipos.
Así es como mantiene tus datos seguros:
- Control de acceso basado en roles (RBAC): los usuarios solo pueden ver los datos que les permite su rol asignado en Snowflake. Si un representante de ventas no tiene acceso a los datos de RR. HH., Cortex Analyst no se los mostrará.
- Seguridad a nivel de fila: puede filtrar los registros específicos que ven los usuarios. Por ejemplo, un gerente regional solo puede realizar consultas sobre los datos de su propio territorio.
- Enmascaramiento de datos: la información confidencial, como la información de identificación personal (PII), se puede ocultar o censurar automáticamente en los resultados de las consultas.
- Registro de auditoría: se registra cada pregunta formulada y cada consulta realizada, lo que crea un registro de auditoría claro para el cumplimiento y la supervisión.
Incluso puede crear diferentes modelos semánticos para diferentes grupos de usuarios, restringiendo aún más lo que pueden preguntar. Los datos nunca salen del perímetro de seguridad de su cuenta de Snowflake durante el procesamiento.
📮ClickUp Insight: El 88 % de los encuestados utiliza la IA para sus tareas personales, pero más del 50 % evita utilizarla en el trabajo. ¿Las tres principales barreras? La falta de integración fluida, las lagunas de conocimiento o las preocupaciones en materia de seguridad.
Pero, ¿y si la IA estuviera integrada en tu entorno de trabajo y ya fuera segura? ClickUp Brain, el asistente de IA integrado de ClickUp, lo hace realidad. Entiende las indicaciones en lenguaje sencillo, resuelve las tres preocupaciones relacionadas con la adopción de la IA y establece la conexión entre tu chat, tus tareas, tus documentos y tus conocimientos en todo el entorno de trabajo.
¡Encuentre respuestas e información con un solo clic!
Errores comunes de los analistas de Cortex y cómo evitarlos
Incluso las herramientas de IA más inteligentes pueden fallar si no se implementan cuidadosamente. Estas son las trampas más comunes en las que caen los equipos y cómo puede evitarlas:
- Descripciones semánticas vagas: si las descripciones de las columnas son genéricas, el LLM tiene que adivinar lo que quieres decir y, a menudo, se equivocará. ✅ En su lugar: escribe las descripciones como si estuvieras explicando los datos a un nuevo empleado. Sé específico e incluye el contexto empresarial.
- ✅ En su lugar: Escriba descripciones como si estuviera explicando los datos a un nuevo empleado. Sea específico e incluya el contexto de la empresa.
- Omisión de consultas verificadas: sin ejemplos preaprobados para sus métricas más importantes, no puede garantizar la precisión en cuestiones críticas ✅ En su lugar: identifique las 10-20 cuestiones empresariales más críticas y cree consultas verificadas para ellas desde el primer día.
- ✅ En su lugar: identifique las 10-20 preguntas más importantes de la empresa y cree consultas verificadas para ellas desde el primer día.
- Sobrecargar el modelo semántico: intentar incluir todas las tablas de su almacén de datos desde el principio crea ambigüedad y ralentiza la IA ✅ En su lugar: comience con un modelo específico que contenga solo los datos más valiosos y utilizados con frecuencia para un único caso de uso.
- ✅ En su lugar: Comience con un modelo específico que contenga solo los datos más valiosos y utilizados con frecuencia para un único caso de uso.
- Ignorar los comentarios de los usuarios: No considere que la primera versión de su modelo semántico es perfecta ✅ En su lugar: Incorpore un mecanismo sencillo de comentarios en su app y considere cada respuesta incorrecta como una oportunidad para mejorar su modelo.
- ✅ En su lugar: incorpore un mecanismo de retroalimentación sencillo en su app y considere cada respuesta incorrecta como una oportunidad para mejorar su modelo.
- Esperar la perfección: los LLM pueden «alucinar» o inventarse cosas. No confíes ciegamente en las respuestas ✅ En su lugar: anima siempre a los usuarios a comprobar el SQL generado para tomar decisiones importantes.
- ✅ En su lugar: anime siempre a los usuarios a comprobar el SQL generado para tomar decisiones importantes.
- ✅ En su lugar: Escriba descripciones como si estuviera explicando los datos a un nuevo empleado. Sea específico e incluya el contexto de la empresa.
- ✅ En su lugar: identifique las 10-20 preguntas empresariales más importantes y cree consultas verificadas para ellas desde el primer día.
- ✅ En su lugar: Comience con un modelo específico que contenga solo los datos más valiosos y utilizados con frecuencia para un único caso de uso.
- ✅ En su lugar: Incorpora un mecanismo de retroalimentación sencillo en tu app y trata cada respuesta incorrecta como una oportunidad para mejorar tu modelo.
- ✅ En su lugar: anime siempre a los usuarios a comprobar el SQL generado para tomar decisiones importantes.
Cómo probar y mejorar los resultados de Cortex Analyst
Ha lanzado su aplicación, pero ¿cómo sabe si realmente funciona? No puede limitarse a aceptar las respuestas de la IA tal cual. Necesita un marco para medir el rendimiento:
- Cree un conjunto de pruebas: antes de lanzarse, elabore una lista de preguntas empresariales comunes que tengan respuestas conocidas y verificables.
- Compare el SQL generado: para cada pregunta de prueba, revise el SQL que genera Cortex Analyst. ¿Tiene sentido la lógica? ¿Se unen las tablas correctamente?
- Realice un seguimiento de la precisión a lo largo del tiempo: supervise la frecuencia con la que los usuarios obtienen una respuesta correcta. Para ello, añada el botón «¿Le ha resultado útil?» a su interfaz de chat.
- Itere sobre el modelo semántico: utilice cada consulta fallida o cada comentario negativo como pista. Estos momentos revelan lagunas en sus definiciones semánticas o áreas en las que necesita añadir una consulta verificada.
🤝 Recordatorio amistoso: Empieza probando preguntas de alta frecuencia y baja complejidad para construir una base sólida. A medida que ganes confianza, podrás pasar a casos más complejos.
Limitaciones de Snowflake Cortex
Cortex Analyst no resuelve todos los problemas de análisis de su equipo. Es posible que tenga que complementarlo con otras herramientas, lo que aumentará la proliferación de herramientas en su empresa .
Antes de lanzarte a por todas, es importante ser realista sobre lo que Cortex Analyst puede y no puede hacer. Estas son sus limitaciones actuales:
- Solo funciona con datos estructurados: no puede analizar información no estructurada, como texto de documentos, imágenes o archivos de audio.
- Está centrado en SQL: cada respuesta es el resultado de una consulta SQL. No puede realizar análisis más complejos ni ejecutar predicciones de aprendizaje automático.
- Depende totalmente del modelo semántico: la precisión de sus respuestas depende de la calidad de las definiciones que proporciones. Un modelo mal definido producirá resultados deficientes.
- Tiene una curva de aprendizaje: crear y mantener un modelo semántico de alta calidad requiere conocimientos técnicos y un esfuerzo continuo.
- Hay que tener en cuenta los costes: se le cobrarán los créditos de computación utilizados para la inferencia LLM y la ejecución de consultas, lo que puede suponer un gasto elevado si el uso es intensivo.
- No tiene integración con flujos de trabajo: Cortex Analyst responde preguntas, pero no te ayuda a hacer nada con esas respuestas.
¿Busca herramientas de visualización de datos más inteligentes basadas en IA? ¡Eche un vistazo a este vídeo!
Cuando las organizaciones buscan una alternativa a Snowflake Cortex
Las limitaciones de Cortex hacen que, incluso con datos más rápidos, los proyectos sigan avanzando lentamente. Los equipos tienen que traducir manualmente los resultados en tareas, planes y conversaciones en otras herramientas.
Los equipos empiezan a buscar alternativas cuando se enfrentan a:
- Lagunas en el flujo de trabajo: no hay forma de convertir directamente una información de datos en una tarea o un plan de proyecto viable.
- Necesidades de colaboración: para debatir las implicaciones de un informe es necesario cambiar a Slack o al correo electrónico, lo que puede provocar que se pierda el contexto por el camino.
- Problemas de visibilidad interfuncional: la información del equipo de datos debe estar conectada con las campañas de marketing, las hojas de ruta de los productos y los sprints de ingeniería, pero sigue estando aislada.
Cuando ya cambias entre más de nueve aplicaciones cada día, lo último que necesitas es otra herramienta de análisis. ¿No preferirías tener el análisis integrado directamente en tu entorno de gestión del trabajo?
Gartner confirma esta tendencia. Predicen que, para 2027, el 75 % del contenido analítico se contextualizará para aplicaciones inteligentes mediante IA generativa.
ClickUp como alternativa a Snowflake Cortex
Cuando necesite un entorno de trabajo conectado en el que coexistan datos, proyectos, documentos y comunicaciones, ClickUp es la solución ideal.
Ya hemos visto cómo los paneles y las potentes tarjetas de IA de ClickUp eliminan la fragmentación de la información.
Como primer entorno de trabajo de IA convergente del mundo, ClickUp puede ayudarte aún más a crear un flujo de trabajo fluido desde los datos hasta la acción:
- Vea el progreso de su equipo de un vistazo con los paneles de control de ClickUp: obtenga una vista general de los datos de su trabajo, incluido el progreso de las tareas, la carga de trabajo del equipo y el rendimiento de los proyectos, todo en el mismo lugar donde gestiona sus proyectos. Filtre tarjetas, programe informes y utilice vistas detalladas para obtener información granular.
- Encuentre respuestas al instante en todo su entorno de trabajo de ClickUp con ClickUp Brain: vaya más allá de los datos estructurados y haga preguntas sobre sus tareas de ClickUp, documentos y conversaciones. Solo tiene que escribir @Brain en un comentario de una tarea o en el chat de ClickUp para obtener respuestas instantáneas y contextuales.
- Actúa sobre la información al instante con flujos de trabajo conectados: cuando ClickUp Brain muestra una información, puedes crear inmediatamente una tarea, asignarla a un miembro del equipo y establecer una fecha límite, todo ello sin salir de la conversación.
- Comparte y colabora en la información con ClickUp Docs: documenta tus hallazgos, crea informes y colabora con las partes interesadas en un documento de ClickUp Doc que está directamente enlazado a las tareas y proyectos relevantes.
- Ahorre tiempo y reduzca el trabajo manual con las automatizaciones de ClickUp: configure automatizaciones como desencadenantes de acciones, como enviar un correo electrónico o cambiar el estado de una tarea, en función de las condiciones que defina.
ClickUp frente a Snowflake Cortex Analyst: resumen
| Capacidad | Analista de Snowflake Cortex | ClickUp |
|---|---|---|
| Consultas en lenguaje natural | Sí (solo datos estructurados) | Sí (en todos los datos del entorno de trabajo) |
| Integración del flujo de trabajo | No | Gestión nativa de tareas y gestión de proyectos |
| Colaboración en equipo | Limitado | Documentos, comentarios y chat integrados para una colaboración en directo y asíncrona. |
| Visibilidad interfuncional | Solo almacén de datos | Contexto de trabajo completo |
| Actuar a partir de la información | Se requiere exportación manual. | Creación directa de tareas |
Pase de la información a la acción más rápidamente con ClickUp.
El análisis conversacional está cambiando la forma en que los equipos interactúan con los datos. Pero el verdadero reto sigue siendo cerrar la brecha entre el «saber » y el «hacer».
Los equipos más eficaces optimizan sus herramientas de BI en tres aspectos:
- Información con responsabilidad: las respuestas deben conducir directamente a tareas, decisiones y responsables, y no desaparecer en registros de chat o paneles.
- Contexto por encima de las consultas simples: la información es más valiosa cuando se combina con proyectos, cronogramas y conversaciones del equipo.
- Ejecución integrada: cuanto menor sea la distancia entre la información y la acción, mayor será el rendimiento de sus inversiones en datos.
Sin embargo, tender un puente entre la información obtenida de los datos y la ejecución de los proyectos nunca ha sido tan sencillo. Todo lo que necesitas para empezar es un entorno de trabajo unificado donde se reúnan tus datos, proyectos y personas.
Eso es exactamente lo que obtienes con ClickUp. ¿Tienes curiosidad por probarlo por ti mismo? Regístrate hoy mismo en ClickUp, ¡es gratis!
Preguntas frecuentes (FAQ)
Cortex Analyst es una función específica para formular preguntas sobre datos estructurados en lenguaje sencillo. Snowflake Intelligence es un producto más amplio que incluye Cortex Analyst, junto con otros agentes de IA para tareas como la supervisión de la calidad de los datos.
Sí, los usuarios pueden formular preguntas de forma coloquial sin necesidad de SQL. Sin embargo, sigue siendo necesario contar con un miembro del equipo técnico para crear y mantener el modelo semántico que garantiza que la IA proporcione respuestas precisas.
Su precio se basa en el consumo. Usted paga por los créditos de computación de Snowflake utilizados para ejecutar el modelo de IA y las consultas. Para conocer las tarifas más actualizadas, consulte la documentación oficial de precios de Snowflake.