La plupart des équipes d’entreprises ne manquent pas de données. Elles manquent de réponses fiables et rapides.
Il n'est donc pas surprenant que de nombreuses équipes chargées des données consacrent encore environ 70 % de leur temps à la préparation et au nettoyage des données avant de pouvoir passer à l'analyse proprement dite.
Snowflake Cortex Analyst a été conçu pour briser ce cycle. Au lieu de traduire les questions de l'entreprise en tickets SQL, les équipes peuvent l'utiliser pour poser des questions directement en anglais courant et obtenir des réponses directement à partir de leur entrepôt de données.
Dans cet article, nous vous expliquons comment utiliser Snowflake Cortex pour la veille économique, comment cela fonctionne en coulisses, où cela apporte une réelle valeur ajoutée et où les équipes se heurtent souvent à des limites.
Qu'est-ce que Snowflake Cortex Analyst ?
Snowflake Cortex Analyst est un service d'IA entièrement géré au sein du Data Cloud de Snowflake. Il vous permet de poser des questions sur vos données structurées en utilisant un langage simple.
Considérez-le comme un traducteur qui convertit automatiquement vos questions de discussion en requêtes SQL complexes. Cela est utile pour l'analyse en libre-service. Il permet à tout le monde d'accéder aux informations issues des données sans compromettre la sécurité, les contrôles d'accès et la gouvernance des données.
Cortex Analyst fait partie de la suite Snowflake Cortex IA, qui comprend un intervalle de fonctionnalités permettant de travailler avec des modèles linguistiques de grande taille (LLM).
Principales fonctionnalités pour l'analyse en libre-service
Cortex Analyst est conçu pour faciliter la vie de vos équipes de données en permettant aux utilisateurs professionnels de trouver leurs propres réponses. Voici ce qu'il apporte :
- Interface en langage naturel : vous pouvez taper des questions telles que « Quels sont les produits qui se sont le mieux vendus dans le nord-est le mois dernier ? » au lieu d'écrire du code pour récupérer les réponses.
- Intégration de modèles sémantiques : cette fonctionnalité effectue la connexion entre les termes commerciaux que vous utilisez quotidiennement (« chiffre d'affaires » ou « client ») et les noms de colonnes techniques de votre base de données.
- Requêtes vérifiées : pour les questions critiques et fréquemment posées, vous pouvez préapprouver des paires de questions-réponses spécifiques afin de garantir leur exactitude.
- Mémorisation du contexte : l'outil mémorise vos questions précédentes, ce qui vous permet de poser des questions complémentaires sans avoir à recommencer depuis le début.
- Indicateurs de confiance : pour vous aider à avoir confiance dans les réponses, il fournit un score de confiance et vous montre le code SQL exact qu'il a généré.
Quel est le secret de son efficacité ? Le modèle sémantique. Il agit comme un dictionnaire, traduisant la façon dont votre équipe parle de l'entreprise dans un langage compréhensible par la base de données.
Comment fonctionne Cortex Analyst ?
Le processus est assez simple.
Tout d'abord, vous tapez une question dans une interface de chat. Cortex Analyst examine ensuite son modèle sémantique (un fichier de configuration que vous créez) pour comprendre le contexte de l'entreprise concernant vos mots. À partir de ce contexte, le LLM sous-jacent génère une requête SQL.
Cette requête s'exécute directement sur vos tables dans Snowflake, et les résultats vous sont renvoyés dans le chat, accompagnés du code SQL utilisé. Cette transparence est essentielle pour instaurer la confiance. Et comme tout cela se passe dans votre compte Snowflake, vos données ne quittent jamais votre environnement sécurisé. ✨
Comment créer une application Cortex Analyst ?
Concevoir une application Cortex Analyst n'est pas difficile en théorie, mais c'est rarement simple dans la pratique. La technologie ne fonctionne que si la structure qui l'entoure est efficace.
Votre équipe passe peut-être beaucoup plus de temps à nettoyer les données, à définir la signification commerciale et à donner une forme à l'expérience utilisateur qu'à configurer l'IA elle-même.
La bonne nouvelle, c'est que la création d'une application Cortex Analyst se résume à trois éléments essentiels : des données propres, un modèle sémantique bien défini et une interface de chat. Snowflake fournit les outils, mais votre tâche principale consiste à traduire la logique métier complexe et réelle de votre équipe en une couche structurée que l'IA peut comprendre.
À faire pour y parvenir :
1. Préparez votre ensemble de données
Cortex Analyst est puissant, mais il ne lit pas dans les pensées. Il fonctionne mieux avec des données propres et bien structurées stockées dans vos tables ou vues Snowflake. Si vos données sont désordonnées, vos réponses le seront aussi. C'est le problème classique du « garbage in, garbage out » (si vous entrez des données erronées, vous obtiendrez des résultats erronés).
Pour assurer votre réussite, concentrez-vous sur ces étapes de préparation des données :
- Normalisez les conventions de nommage : utilisez des noms de colonnes clairs et descriptifs qui correspondent au langage de votre entreprise. Par exemple, nommez une colonne « monthly_recurring_revenue » au lieu de « mrr_val ».
- Créez des vues agrégées : si votre équipe demande constamment les mêmes indicateurs, précalculez-les dans un tableau ou une vue de résumé. Cela rend les requêtes plus rapides et plus fiables.
- Relations entre les documents : assurez-vous que les connexions (ou jointures) entre vos tableaux sont logiques et clairement définies.
- Éliminez toute ambiguïté : évitez d'utiliser le même nom de colonne dans différents tableaux pour désigner des éléments différents, car cela perturbe l'IA.
La plupart des équipes commencent par utiliser leurs données chronologiques (comme les ventes quotidiennes) ou leurs enregistrements transactionnels (comme les commandes des clients) comme base pour leur première application BI.
📚 À lire également : Comment utiliser l'IA pour l'analyse de données
2. Créer le modèle sémantique
Le modèle sémantique est le cerveau de votre application Cortex Analyst. Il s'agit d'un fichier YAML (Yet Another Markup Language) que vous créez pour enseigner à l'IA le langage unique de votre entreprise. Considérez-le comme un manuel d'instructions détaillé pour l'IA.
Voici ce que vous y définissez :
- Tables : les tables ou vues Snowflake spécifiques que l'IA est autorisée à interroger.
- Colonnes : descriptions en anglais simple pour chaque champ de données, y compris les synonymes que votre équipe pourrait utiliser.
- Indicateurs : définitions des mesures commerciales calculées, telles que profit_margin (marge bénéficiaire) ou customer_lifetime_value (valeur vie client).
- Relations : comment différentes tables sont reliées entre elles
- Requêtes vérifiées : un ensemble de paires question-SQL préapprouvées et « en or » qui garantissent l'exactitude de vos questions les plus critiques pour l'entreprise.
💡 Conseil de pro : il est essentiel de rédiger des descriptions de colonnes efficaces. Soyez précis. Pour une colonne nommée « order_status », votre description doit expliquer la signification de chaque code de statut. La création de ce modèle est un processus itératif : vous commencerez par une version de base, que vous affinerez au fil du temps en fonction des commentaires des utilisateurs.
3. Créez l'interface pour discuter
Une fois vos données et votre modèle sémantique prêts, vous avez besoin d'un endroit où les utilisateurs peuvent poser des questions. Snowflake vous offre deux options :
- Le premier est Streamlit. Il s'agit d'un framework basé sur Python qui permet de créer des applications web interactives directement dans votre environnement Snowflake. C'est le moyen le plus rapide de mettre en place un prototype.
- La deuxième option est une API REST, qui vous permet d'intégrer les fonctionnalités de Cortex Analyst dans vos propres applications personnalisées.
Quelle que soit la voie choisie, l'expérience utilisateur est primordiale. Une interface peu pratique et confuse découragera les utilisateurs, même si l'IA elle-même est performante. La plupart des organisations commencent par une application Streamlit simple pour effectuer des tests en interne, puis explorent les intégrations API personnalisées pour un déploiement à plus grande échelle.
Cas d'utilisation concrets pour les équipes de Business Intelligence
La véritable puissance de Cortex Analyst se révèle lorsque vous l'appliquez à des questions spécifiques et récurrentes qui ralentissent vos équipes. L'objectif est de réduire le temps nécessaire pour obtenir des réponses courantes.
Voici quelques scénarios concrets dans lesquels Cortex Analyst excelle en tant qu'outil d'analyse conversationnelle:
- Les équipes commerciales peuvent demander « Quel a été notre chiffre d'affaires total par région au cours du dernier trimestre ? » lors d'une revue du pipeline, au lieu d'attendre un rapport.
- Les équipes marketing peuvent se demander « Comment la nouvelle campagne publicitaire a-t-elle fonctionné sur Facebook par rapport à Google la semaine dernière ? » en plein milieu d'une session stratégique.
- Les équipes financières peuvent générer des rapports ad hoc sur les écarts budgétaires en demandant : « Montrez-moi la différence entre les dépenses prévues et réelles pour le département d'ingénierie ».
- Les équipes opérationnelles peuvent surveiller les indicateurs clés de performance (KPI) en temps réel grâce à des questions telles que « Quel est notre délai d'exécution des commandes actuel ? ».
- Les cadres peuvent obtenir des réponses instantanées tout en préparant les réunions du conseil d'administration, en posant des questions telles que « Quels sont nos 10 principaux comptes en termes de chiffre d'affaires cette année ? »
Vous remarquez une tendance ? Cortex Analyst excelle dans la réponse à des questions structurées et quantitatives. Il n'est pas conçu pour l'analyse approfondie et exploratoire des données.
Connectez la veille économique à votre flux de travail réel grâce à ClickUp.
Imaginons que vous soyez en pleine révision du pipeline et que quelqu'un vous demande : « Quel était notre chiffre d'affaires total par région au dernier trimestre ? » Avec Cortex Analyst, vous pouvez poser cette question en anglais courant et obtenir immédiatement une réponse claire et structurée. Cela représente déjà une grande étape en avant.
Mais voici ce qui se passe généralement ensuite. Vous remarquez que la région EMEA est à la traîne. Quelqu'un suggère d'examiner la vitesse des transactions. Une autre personne signale un problème de personnel. La réunion se termine et les informations restent dans une fenêtre de chat, tandis que le travail de suivi se disperse dans des dizaines d'outils.
C'est pourquoi les tableaux de bord ClickUp et les cartes IA offrent une meilleure alternative.
Les cartes IA sont des outils que vous pouvez ajouter à n'importe quel tableau de bord et qui génèrent des résumés, des informations et des rapports directement sur votre lieu de travail. Si vos données se trouvent dans ClickUp, vous pouvez poser la même question à l'aide de la carte IA Brain Card dans ClickUp. Lorsque la réponse apparaît, elle reste visible à côté des tâches et des plans de votre équipe.
Au lieu de laisser ces informations sur les revenus disparaître, vous pouvez les épingler sur un tableau de bord partagé, à côté de la santé du pipeline, des cibles régionales et des initiatives actives.
À partir de là, vous pouvez immédiatement passer de la discussion aux actes. Créez une tâche pour analyser les dérapages des transactions EMEA, attribuez la responsabilité à un propriétaire, fixez une date d'échéance et suivez la progression au même endroit que les informations.
Le même schéma se répète partout :
- En marketing, les questions relatives aux performances des campagnes se transforment en tâches d'optimisation.
- Dans le domaine financier, les écarts budgétaires font l'objet d'examens de suivi.
- Dans les opérations, les changements de KPI déclenchent la propriété et l'escalade.
Grâce à l'IA native et contextuelle de ClickUp, vous obtenez non seulement des réponses rapides, mais vous vous assurez également que ces réponses changent réellement la suite des événements.
Sécurité et contrôle d'accès dans Cortex Analyst
👀 Le saviez-vous ? 97 % des organisations qui ont subi des incidents de sécurité liés à l'IA ne disposaient pas de contrôles d'accès appropriés à l'IA.
La crainte d'exposer des informations sensibles, d'enfreindre les règles de conformité ou de provoquer une fuite accidentelle de données constitue un obstacle majeur à l'adoption de nouveaux outils BI.
En quoi Cortex Analyst est-il différent ?
Il ne crée pas de nouvelle porte dérobée non sécurisée vers vos données. Au contraire, il hérite de toutes les politiques de sécurité que vous avez déjà mises en place. Son intégration au modèle de sécurité natif de Snowflake offre également une tranquillité d'esprit aux équipes.
Voici comment il assure la sécurité de vos données :
- Contrôle d'accès basé sur les rôles (RBAC) : les utilisateurs ne peuvent voir que les données autorisées par leur rôle Snowflake. Si un commercial n'a pas accès aux données RH, Cortex Analyst ne les lui montrera pas.
- Sécurité au niveau des lignes : vous pouvez filtrer les enregistrements spécifiques que les utilisateurs peuvent voir. Par exemple, un responsable régional peut être autorisé à poser des requêtes uniquement pour son propre territoire.
- Masquage des données : les informations sensibles, telles que les informations personnelles identifiables (PII), peuvent être automatiquement masquées ou expurgées dans les résultats des requêtes.
- Journalisation des audits : chaque question posée et chaque requête exécutée est consignée, créant ainsi une piste d'audit claire à des fins de conformité et de surveillance.
Vous pouvez même créer différents modèles sémantiques pour différents groupes d'utilisateurs, en limitant davantage leurs requêtes. Les données ne quittent jamais le périmètre sécurisé de votre compte Snowflake pendant leur traitement.
📮ClickUp Insight : 88 % des personnes interrogées dans le cadre de notre sondage utilisent l'IA pour leurs tâches personnelles, mais plus de 50 % hésitent à l'utiliser au travail. Les trois principaux obstacles ? Le manque d'intégration transparente, le manque de connaissances ou les préoccupations en matière de sécurité.
Mais que se passerait-il si l'IA était intégrée à votre environnement de travail et déjà sécurisée ? ClickUp Brain, l'assistant IA intégré à ClickUp, rend cela possible. Il comprend les invites en langage naturel, résolvant ainsi les trois problèmes liés à l'adoption de l'IA tout en effectuant la connexion entre vos discussions, vos tâches, vos documents et vos connaissances dans l'ensemble de l'environnement de travail.
Trouvez des réponses et des informations en un seul clic !
Pièges courants des analystes Cortex et comment les éviter
Même les outils d'IA les plus intelligents peuvent échouer s'ils ne sont pas mis en œuvre de manière réfléchie. Voici les pièges les plus courants dans lesquels tombent les équipes et comment vous pouvez les éviter :
- Descriptions sémantiques vagues : si les descriptions de vos colonnes sont génériques, le LLM doit deviner ce que vous voulez dire, et il se trompe souvent ✅ À la place : rédigez vos descriptions comme si vous expliquiez les données à un nouvel employé. Soyez précis et incluez le contexte de l’entreprise.
- ✅ À la place : rédigez des descriptions comme si vous expliquiez les données à un nouvel employé. Soyez précis et incluez le contexte de l’entreprise.
- Ignorer les requêtes vérifiées : sans exemples préapprouvés pour vos indicateurs les plus importants, vous ne pouvez pas garantir l'exactitude des questions critiques ✅ À la place : identifiez vos 10 à 20 questions les plus critiques de l'entreprise et créez des requêtes vérifiées pour celles-ci dès le premier jour.
- ✅ Au lieu de cela : identifiez vos 10 à 20 questions les plus importantes pour l’entreprise et créez des requêtes vérifiées pour celles-ci dès le premier jour.
- Surcharge du modèle sémantique : essayer d'inclure dès le départ toutes les tables de votre entrepôt de données crée une ambiguïté et ralentit l'IA ✅ À la place : commencez par un modèle ciblé contenant uniquement les données les plus précieuses et les plus fréquemment utilisées pour un cas d'utilisation unique.
- ✅ À la place : commencez par un modèle ciblé contenant uniquement les données les plus précieuses et les plus fréquemment utilisées pour un cas d'utilisation unique.
- Ignorer les commentaires des utilisateurs : ne considérez pas la première version de votre modèle sémantique comme parfaite ✅ Au contraire : intégrez un mécanisme de commentaires simple à votre application et considérez chaque réponse incorrecte comme une occasion d'améliorer votre modèle.
- ✅ À la place : intégrez un mécanisme de feedback simple à votre application et considérez chaque réponse incorrecte comme une opportunité d'améliorer votre modèle.
- Attendre la perfection : les LLM peuvent « halluciner », c'est-à-dire inventer des choses. Ne vous fiez pas aveuglément aux réponses ✅ À la place : encouragez toujours les utilisateurs à vérifier le SQL généré pour les décisions importantes.
- ✅ À la place : encouragez toujours les utilisateurs à vérifier le code SQL généré pour les décisions importantes.
- ✅ À la place : rédigez des descriptions comme si vous expliquiez les données à un nouvel employé. Soyez précis et incluez le contexte de l’entreprise.
- ✅ Au lieu de cela : identifiez vos 10 à 20 questions les plus importantes pour l’entreprise et créez des requêtes vérifiées pour celles-ci dès le premier jour.
- ✅ À la place : commencez par un modèle ciblé contenant uniquement les données les plus précieuses et les plus fréquemment utilisées pour un cas d'utilisation unique.
- ✅ À la place : intégrez un mécanisme de retour d'information simple dans votre application et considérez chaque réponse incorrecte comme une occasion d'améliorer votre modèle.
- ✅ À la place : encouragez toujours les utilisateurs à vérifier le SQL généré pour les décisions importantes.
Comment tester et améliorer vos résultats Cortex Analyst
Vous avez lancé votre application, mais comment savoir si elle fonctionne réellement ? Vous ne pouvez pas vous contenter de prendre les réponses de l'IA pour argent comptant. Vous avez besoin d'un cadre pour mesurer les performances :
- Créez une suite de tests : avant de vous lancer, dressez une liste de questions courantes concernant l’entreprise dont les réponses sont connues et vérifiables.
- Comparez le SQL généré : pour chaque question du test, examinez le SQL généré par Cortex Analyst. La logique est-elle cohérente ? Les tables sont-elles correctement jointes ?
- Suivez la précision au fil du temps : surveillez la fréquence à laquelle les utilisateurs obtiennent une réponse correcte. Pour ce faire, ajoutez des boutons « Cela vous a-t-il été utile ? » à votre interface de chat.
- Itérez sur le modèle sémantique : utilisez chaque requête échouée ou chaque commentaire négatif comme un indice. Ces moments révèlent les lacunes dans vos définitions sémantiques ou les domaines dans lesquels vous devez ajouter une requête vérifiée.
🤝 Rappel amical : commencez par tester des questions fréquentes et peu complexes afin de construire des bases solides. À mesure que vous gagnerez en confiance, vous pourrez passer à des cas plus complexes.
Limites de Snowflake Cortex
Cortex Analyst ne résout pas tous les problèmes d'analyse de votre équipe. Vous devrez peut-être le compléter avec d'autres outils, ce qui augmentera le nombre d'outils utilisés par votre entreprise .
Avant de vous lancer, il est important d'être réaliste quant à ce que Cortex Analyst peut et ne peut pas faire. Voici ses limites actuelles :
- Il ne fonctionne qu'avec des données structurées : il ne peut pas analyser des informations non structurées telles que le texte de documents, les images ou les fichiers audio.
- Il est centré sur le SQL : chaque réponse est le résultat d'une requête SQL. Il ne peut pas effectuer d'analyses plus complexes ni exécuter des prédictions d'apprentissage automatique.
- Tout dépend du modèle sémantique : la précision des réponses dépend entièrement de la qualité des définitions que vous fournissez. Un modèle mal défini produira des résultats médiocres.
- Il y a une courbe d'apprentissage : la création et la maintenance d'un modèle sémantique de haute qualité nécessitent une expertise technique et des efforts continus.
- Il y a des considérations financières : vous êtes facturé pour les crédits de calcul utilisés pour l'inférence LLM et l'exécution des requêtes, ce qui peut représenter un coût important en cas d'utilisation intensive.
- Il n'intègre aucun flux de travail : Cortex Analyst répond aux questions, mais ne vous aide pas à faire quoi que ce soit sur la base de ces réponses.
Vous recherchez des outils de visualisation de données plus intelligents, basés sur l'IA ? Regardez cette vidéo !
Quand les organisations recherchent une alternative à Snowflake Cortex
Les limites de Cortex font que même avec des données plus rapides, les projets avancent toujours lentement. Les équipes doivent traduire manuellement les résultats en tâches, plans et discussions dans d'autres outils.
Les équipes commencent à chercher une alternative lorsqu'elles sont confrontées à :
- Lacunes dans le flux de travail : il n'existe aucun moyen de transformer directement une information issue des données en une tâche ou un plan de projet exploitable.
- Besoins en matière de collaboration : pour discuter des implications d'un rapport, il faut passer à Slack ou à l'e-mail, ce qui peut entraîner une perte de contexte en cours de route.
- Problèmes de visibilité interfonctionnelle : les informations fournies par l'équipe chargée des données doivent être reliées aux campagnes marketing, aux feuilles de route des produits et aux sprints d'ingénierie, mais elles restent cloisonnées.
Lorsque vous passez déjà d'une application à l'autre plus de 9 fois par jour, la dernière chose dont vous avez besoin est un outil d'analyse supplémentaire. Ne préféreriez-vous pas disposer d'outils d'analyse directement intégrés à votre environnement de gestion du travail?
Gartner confirme cette tendance. Selon ses prévisions, d'ici 2027, 75 % du contenu analytique sera contextualisé pour des applications intelligentes via l'IA générative.
ClickUp comme alternative à Snowflake Cortex
Lorsque vous avez besoin d'un environnement de travail connecté où coexistent données, projets, documents et communications, ClickUp est la solution idéale.
Nous avons déjà vu comment les tableaux de bord et les puissantes cartes IA de ClickUp éliminent les informations cloisonnées.
En tant que premier environnement de travail IA convergent au monde, ClickUp peut vous aider à créer un flux de travail fluide, des données à l'action :
- Suivez les progrès de votre équipe en un coup d'œil grâce aux tableaux de bord ClickUp : obtenez une vue d'ensemble de vos données de travail, notamment la progression des tâches, la charge de travail de l'équipe et les performances des projets, le tout au même endroit où vous gérez vos projets. Filtrez les cartes, planifiez des rapports et utilisez des vues Affichage détaillé pour obtenir des informations précises.
- Trouvez instantanément des réponses dans votre environnement de travail grâce à ClickUp Brain : allez au-delà des données structurées et posez des questions sur vos tâches ClickUp, vos documents ClickUp et vos discussions. Il vous suffit de taper @Brain dans un commentaire de tâche ou dans ClickUp Chat pour obtenir des réponses instantanées et contextuelles.
- Agissez instantanément sur les informations grâce à des flux de travail connectés : lorsque ClickUp Brain fait apparaître une information, vous pouvez immédiatement créer une tâche, l'attribuer à un membre de l'équipe et fixer une date d'échéance, le tout sans quitter la discussion.
- Partagez et collaborez sur vos informations grâce à ClickUp Docs : documentez vos conclusions, créez des rapports et collaborez avec les parties prenantes dans un document ClickUp Doc directement lié aux tâches et projets pertinents.
- Gagnez du temps et réduisez le travail manuel grâce aux automatisations ClickUp: configurez des automatisations pour déclencher des actions, telles que l'envoi d'un e-mail ou la modification du statut d'une tâche, en fonction des conditions que vous définissez.
ClickUp vs Snowflake Cortex Analyst : résumé
| Capacité | Analyste Snowflake Cortex | ClickUp |
|---|---|---|
| Requêtes en langage naturel | Oui (données structurées uniquement) | Oui (pour toutes les données de l'environnement de travail) |
| Intégration des flux de travail | Non | Gestion native des tâches et de la gestion de projet |
| Collaboration en équipe | Limité | Documents, commentaires et chat intégrés pour une collaboration en direct et asynchrone |
| Visibilité interfonctionnelle | Entrepôt de données uniquement | Contexte de travail complet |
| Agir à partir des informations | Exportation manuelle requise | Création directe de tâches |
Passez plus rapidement de l'analyse à l'action avec ClickUp
L'analyse conversationnelle change la façon dont les équipes interagissent avec les données. Mais le véritable défi reste de combler le fossé entre la « connaissance » et « l'action ».
Les équipes les plus efficaces optimisent leurs outils BI pour trois raisons :
- Des informations avec responsabilité : les réponses doivent mener directement à des tâches, des décisions et des responsables, et non disparaître dans des journaux de discussion ou des tableaux de bord.
- Le contexte plutôt que les simples requêtes : les informations sont plus précieuses lorsqu'elles sont associées à des projets, des échéanciers et des discussions d'équipe.
- Exécution intégrée : plus la distance entre l'information et l'action est courte, plus le retour sur investissement de vos données est élevé.
Il n'a jamais été aussi simple de faire le lien entre les informations tirées des données et l'exécution des projets. Pour commencer, il vous suffit d'un environnement de travail unifié où vos données, vos projets et vos collaborateurs sont réunis.
C'est exactement ce que vous offre ClickUp. Vous souhaitez l'essayer par vous-même ? Inscrivez-vous dès aujourd'hui à ClickUp, c'est gratuit !
Foire aux questions (FAQ)
Cortex Analyst est une fonctionnalité spécifique permettant de poser des questions sur des données structurées en anglais courant. Snowflake Intelligence est un produit plus large qui inclut Cortex Analyst, ainsi que d'autres agents IA pour des tâches telles que la surveillance de la qualité des données.
Oui, les utilisateurs peuvent poser des questions de manière conversationnelle sans SQL. Cependant, un membre de l'équipe technique est toujours nécessaire pour créer et maintenir le modèle sémantique qui garantit que l'IA fournit des réponses précises.
Son prix est basé sur la consommation. Vous payez les crédits de calcul Snowflake utilisés pour exécuter le modèle IA et les requêtes. Pour connaître les tarifs les plus récents, veuillez consulter la documentation officielle de Snowflake sur les prix.