La maggior parte dei team aziendali non ha carenza di dati. Ha carenza di risposte affidabili e rapide.
Non sorprende quindi che molti team di dati continuino a dedicare circa il 70% del loro tempo alla preparazione e alla pulizia dei dati prima di poter passare all'analisi vera e propria.
Snowflake Cortex Analyst è stato creato per rompere questo ciclo vizioso. Invece di tradurre le domande aziendali in ticket SQL, i team possono utilizzarlo per porre domande direttamente in inglese semplice e ottenere risposte direttamente dal proprio data warehouse.
In questo post spiegheremo come utilizzare Snowflake Cortex per la business intelligence, come funziona dietro le quinte, dove offre un valore reale e dove i team spesso incontrano dei limiti.
Cos'è Snowflake Cortex Analyst
Snowflake Cortex Analyst è un servizio di IA completamente gestito all'interno del Data Cloud di Snowflake. Ti consente di porre domande sui tuoi dati strutturati utilizzando un linguaggio semplice.
Pensalo come un traduttore che converte automaticamente le tue domande di conversazione in complesse query SQL. Questo è utile per l'analisi self-service. Offre a tutti l'accesso alle informazioni sui dati senza compromettere la sicurezza, i controlli di accesso e la governance dei dati.
Cortex Analyst è parte integrante della più ampia suite Snowflake Cortex IA, che include una serie di funzionalità/funzioni per lavorare con modelli linguistici di grandi dimensioni (LLM).
Funzionalità chiave per l'analisi self-service
Cortex Analyst è progettato per semplificare la vita dei tuoi team di dati, consentendo agli utenti aziendali di trovare le proprie risposte. Ecco cosa offre:
- Interfaccia in linguaggio naturale: puoi digitare domande come "Quali prodotti hanno venduto meglio nel nord-est il mese scorso?" invece di scrivere codice per recuperare le risposte.
- Integrazione del modello semantico: questa funzionalità/funzione crea una connessione tra i termini aziendali che usi ogni giorno ("ricavi" o "clienti") ai nomi tecnici delle colonne nel tuo database.
- Query verificate: per le domande critiche e frequenti, puoi pre-approvare specifiche coppie di domande e risposte per garantire l'accuratezza.
- Memorizzazione del contesto: lo strumento ricorda ciò che hai già chiesto, così puoi porre domande di approfondimento senza dover ricominciare da capo.
- Indicatori di affidabilità: per aiutarti a fidarti delle risposte, fornisce un punteggio di affidabilità e mostra l'esatto codice SQL generato.
Qual è il segreto che lo rende così potente? Il modello semantico. Funziona come un dizionario, traducendo il linguaggio utilizzato dal tuo team per parlare dell'aspetto aziendale in un linguaggio comprensibile al database.
Come funziona Cortex Analyst
Il processo è piuttosto semplice.
Per prima cosa, digiti una domanda in un'interfaccia di chat. Cortex Analyst esamina quindi il suo modello semantico, un file di configurazione creato da te, per comprendere il contesto aziendale delle tue parole. Utilizzando tale contesto, l'LLM sottostante genera una query SQL.
La query viene eseguita direttamente sulle tue tabelle all'interno di Snowflake e i risultati ti vengono restituiti nella chat, insieme al codice SQL utilizzato. Questa trasparenza è fondamentale per creare fiducia. E poiché tutto questo avviene all'interno del tuo account Snowflake, i tuoi dati non lasciano mai il tuo ambiente di sicurezza. ✨
Come creare un'applicazione Cortex Analyst?
Creare un'app Cortex Analyst non è difficile in teoria, ma raramente è semplice nella pratica. La tecnologia funziona bene solo se la struttura che la circonda è adeguata.
Il tuo team potrebbe dedicare molto più tempo alla pulizia dei dati, alla definizione del significato aziendale e alla modellazione dell'esperienza utente che al collegamento dell'IA stessa.
La buona notizia è che la creazione di un'app Cortex Analyst si riduce a tre componenti fondamentali: dati puliti, un modello semantico ben definito e un'interfaccia di chat. Mentre Snowflake fornisce gli strumenti, il tuo compito principale è quello di tradurre la logica aziendale disordinata e reale del tuo team in un livello strutturato che l'IA possa comprendere.
Da fare bene, devi:
1. Prepara il tuo set di dati
Cortex Analyst è potente, ma non è in grado di leggere nel pensiero. Funziona al meglio con dati puliti e ben strutturati presenti nelle tabelle o nelle viste di Snowflake. Se i tuoi dati sono disordinati, lo saranno anche le risposte. Si tratta del classico problema "garbage in, garbage out" (se immetti dati errati, otterrai risultati errati).
Per ottenere un esito positivo, concentrati su questi passaggi di preparazione dei dati:
- Normalizza le convenzioni di denominazione: utilizza nomi di colonne chiari e descrittivi che corrispondano al linguaggio aziendale. Ad esempio, assegna a una colonna il nome monthly_recurring_revenue invece di mrr_val.
- Crea viste aggregate: se il tuo team richiede costantemente le stesse metriche, precalcolale in una tabella o vista di riepilogo/riassunto. Ciò rende le query più veloci e affidabili.
- Relazioni tra i documenti: assicurati che le connessioni (o i collegamenti) tra le tabelle siano logiche e chiaramente definite.
- Elimina l'ambiguità: evita di utilizzare lo stesso nome di colonna in tabelle diverse per elementi diversi, poiché ciò confonde l'IA.
La maggior parte dei team inizia con i propri dati temporali (come le vendite giornaliere) o i registri delle transazioni (come gli ordini dei clienti) come base per la propria prima applicazione di BI.
📚 Leggi anche: Come utilizzare l'IA per l'analisi dei dati
2. Crea il modello semantico
Il modello semantico è il cervello della tua applicazione Cortex Analyst. Si tratta di un file YAML (Yet Another Markup Language) che crei per insegnare all'IA il linguaggio unico della tua azienda. Consideralo come un manuale di istruzioni dettagliato per l'IA.
Ecco cosa definisci al suo interno:
- Tabella: le tabelle o le viste specifiche di Snowflake che l'IA è autorizzata a interrogare.
- Colonne: descrizioni in linguaggio semplice per ogni campo di dati, inclusi eventuali sinonimi che il tuo team potrebbe utilizzare.
- Metriche: definizioni per misure aziendali calcolate, come profit_margin o customer_lifetime_value
- Relazioni: come le diverse tabelle sono collegate tra loro
- Query verificate: una serie di coppie di domande e SQL "golden" pre-approvate che garantiscono l'accuratezza delle tue domande aziendali più critiche.
💡 Suggerimento professionale: scrivere descrizioni efficaci delle colonne è fondamentale. Sii specifico. Per una colonna denominata order_status, la descrizione dovrebbe spiegare il significato di ciascun codice di stato. La creazione di questo modello è un processo iterativo: si inizia con una versione di base e la si perfeziona nel tempo sulla base del feedback degli utenti.
3. Crea l'interfaccia della chat
Una volta che i dati e il modello semantico sono pronti, è necessario un luogo in cui gli utenti possano porre domande. Snowflake offre due opzioni:
- Il primo è Streamlit. Si tratta di un framework basato su Python che consente di creare app web interattive direttamente all'interno dell'ambiente Snowflake. È il modo più veloce per realizzare un prototipo funzionante.
- La seconda opzione è un'API REST, che consente di integrare le funzionalità di Cortex Analyst nelle proprie applicazioni personalizzate.
In entrambi i casi, l'esperienza utente è fondamentale. Un'interfaccia macchinosa e confusa scoraggerà gli utenti dall'utilizzare lo strumento, anche se l'IA stessa è intelligente. La maggior parte delle organizzazioni inizia con una semplice app Streamlit per i test interni e poi esplora integrazioni API personalizzate per un'implementazione più ampia.
Casi d'uso reali per i team di Business Intelligence
Il vero potere di Cortex Analyst si manifesta quando lo si applica a domande specifiche e ricorrenti che rallentano il lavoro dei team. Si tratta semplicemente di ridurre il tempo necessario per ottenere risposte di routine.
Alcuni scenari concreti in cui Cortex Analyst eccelle come strumento di analisi conversazionale:
- I team di vendita possono chiedere "Qual è stato il nostro fatturato totale per regione nell'ultimo trimestre?" durante una revisione della pipeline, invece di aspettare un report.
- I team di marketing possono chiedere: "Come ha performato la nuova campagna pubblicitaria su Facebook rispetto a Google la scorsa settimana?" proprio nel bel mezzo di una sessione strategica.
- I team finanziari possono estrarre report ad hoc sulle variazioni di budget chiedendo: "Mostrami la differenza tra la spesa prevista e quella effettiva per il reparto di ingegneria".
- I team operativi possono monitorare gli indicatori chiave di prestazione (KPI) in tempo reale con domande del tipo: "Qual è il nostro attuale tempo di evasione degli ordini?"
- I dirigenti possono ottenere risposte immediate mentre si preparano per le riunioni del consiglio di amministrazione, chiedendo: "Quali sono i nostri 10 principali account in termini di fatturato quest'anno?"
Noti uno schema ricorrente? Cortex Analyst eccelle nel rispondere a domande strutturate e quantitative. Non è progettato per analisi dei dati approfondite ed esplorative.
Collegare la business intelligence al tuo flusso di lavoro aziendale effettivo con ClickUp
Immagina di essere in una revisione della pipeline e qualcuno ti chiede: "Qual è stato il nostro fatturato totale per regione nell'ultimo trimestre?" Con Cortex Analyst, puoi porre questa domanda in un inglese semplice e ottenere una risposta chiara e strutturata sul posto. Questo è già di per sé un grande passaggio avanti.
Ma ecco cosa succede di solito dopo. Noti che l'area EMEA è in ritardo. Qualcuno suggerisce di approfondire la velocità delle transazioni. Un'altra persona segnala un problema di personale. La riunione finisce e l'informazione rimane in una finestra di chat, mentre il lavoro di follow-up si disperde in decine di strumenti diversi.
Ecco perché i dashboard ClickUp e le schede IA offrono un'alternativa migliore.
Le AI Cards sono strumenti che puoi aggiungere a qualsiasi dashboard e che generano riepiloghi/riassunti, approfondimenti e report direttamente nel tuo ambiente di lavoro. Se i tuoi dati risiedono in ClickUp, puoi porre la stessa domanda utilizzando la AI Brain Card in ClickUp. Quando la risposta appare, rimane visibile accanto alle attività e ai piani del tuo team.
Invece di lasciare che quelle informazioni sui ricavi vadano perse, puoi fissarle a una dashboard condivisa insieme allo stato della pipeline, ai traguardi regionali e alle iniziative attive.
Da lì, puoi trasformare immediatamente la conversazione in azione. Crea un'attività per analizzare lo slittamento degli accordi EMEA, assegna un titolare, imposta una data di scadenza e effettua il monitoraggio dello stato nell' stesso posto in cui si trovano le informazioni.
Lo stesso schema si ripete ovunque:
- Nel marketing, le domande sulle prestazioni delle campagne si trasformano in attività di ottimizzazione.
- Nel settore finanziario, le variazioni di budget diventano revisioni di follow-up
- Nelle operazioni, i cambiamenti dei KPI triggerano la titolarità e l'escalation
Con l'IA nativa e sensibile al contesto di ClickUp, non solo ottieni risposte rapide, ma ti assicuri anche che la risposta cambi effettivamente ciò che accadrà in seguito.
Sicurezza e controllo degli accessi in Cortex Analyst
👀 Lo sapevi? Il 97% delle organizzazioni che hanno subito incidenti di sicurezza legati all'IA non disponeva di adeguati controlli di accesso all'IA.
Il timore di divulgare informazioni sensibili, violare le norme di conformità o causare una fuga accidentale di dati è uno dei principali ostacoli all'adozione di nuovi strumenti di BI.
In che cosa si differenzia Cortex Analyst?
Non crea una nuova backdoor insicura per i tuoi dati. Al contrario, eredita tutte le politiche di sicurezza che hai già stabilito. La sua integrazione con il modello di sicurezza nativo di Snowflake offre inoltre tranquillità ai team.
Ecco come protegge i tuoi dati:
- Controllo degli accessi basato sui ruoli (RBAC): gli utenti possono vedere solo i dati consentiti dal ruolo Snowflake loro assegnato. Se un rappresentante commerciale non ha accesso ai dati delle risorse umane, Cortex Analyst non glieli mostrerà.
- Sicurezza a livello di riga: puoi filtrare i record specifici che gli utenti vedono. Ad esempio, un responsabile regionale potrebbe essere in grado di queryare solo i dati relativi al proprio territorio.
- Mascheramento dei dati: le informazioni sensibili, come i dati personali identificativi (PII), possono essere automaticamente nascoste o oscurate nei risultati delle query.
- Registrazione degli audit: ogni domanda posta e ogni query eseguita viene registrata, creando una chiara traccia di audit per la conformità e il monitoraggio.
Puoi anche creare diversi modelli semantici per diversi gruppi di utenti, limitando ulteriormente le loro richieste. Durante l'elaborazione, i dati non escono mai dal perimetro di sicurezza del tuo account Snowflake.
📮ClickUp Insight: l'88% dei partecipanti al nostro sondaggio utilizza l'IA per le proprie attività personali, ma oltre il 50% evita di utilizzarla sul lavoro. I tre principali ostacoli? Mancanza di integrazione perfetta, lacune di conoscenza o preoccupazioni relative alla sicurezza.
Ma cosa succederebbe se l'IA fosse integrata nella tua area di lavoro e fosse già sicura? ClickUp Brain, l'assistente IA integrato in ClickUp, rende tutto questo realtà. Comprende i prompt in linguaggio semplice, risolvendo tutte e tre le preoccupazioni relative all'adozione dell'IA e collegando chat, attività, documenti e conoscenze in tutta l'area di lavoro.
Trova risposte e approfondimenti con un solo clic!
Insidie comuni per gli analisti Cortex e come evitarle
Anche gli strumenti di IA più intelligenti possono fallire se non vengono implementati con attenzione. Ecco le trappole più comuni in cui cadono i team e come evitarle:
- Descrizioni vaghe del modello semantico: se le descrizioni delle colonne sono generiche, l'LLM deve indovinare cosa intendi e spesso sbaglia ✅ Invece: scrivi le descrizioni come se stessi spiegando i dati a un nuovo assunto. Sii specifico e includi il contesto aziendale
- ✅ Invece: scrivi le descrizioni come se stessi spiegando i dati a un nuovo assunto. Sii specifico e includi il contesto aziendale.
- Saltare le query verificate: senza esempi preapprovati per le metriche più importanti, non è possibile garantire l'accuratezza delle domande critiche ✅ Invece: identifica le 10-20 domande aziendali più critiche e crea query verificate per esse fin dal primo giorno
- ✅ Invece: identifica le 10-20 domande aziendali più importanti e crea query verificate per esse fin dal primo giorno.
- Sovraccaricare il modello semantico: cercare di includere tutte le tabelle nel tuo data warehouse fin dall'inizio crea ambiguità e rallenta l'IA ✅ Invece: inizia con un modello mirato che contenga solo i dati più preziosi e utilizzati di frequente per un singolo caso d'uso
- ✅ Invece: inizia con un modello mirato che contenga solo i dati più preziosi e utilizzati di frequente per un singolo caso d'uso.
- Ignorare il feedback degli utenti: non considerare la prima versione del tuo modello semantico come perfetta ✅ Invece: integra un semplice meccanismo di feedback nella tua app e considera ogni risposta errata come un'opportunità per migliorare il tuo modello.
- ✅ Invece: integra un semplice meccanismo di feedback nella tua app e considera ogni risposta errata come un'opportunità per migliorare il tuo modello.
- Aspettarsi la perfezione: gli LLM possono "allucinare" o inventare cose. Non fidarti ciecamente delle risposte ✅ Invece: incoraggia sempre gli utenti a controllare l'SQL generato per le decisioni importanti
- ✅ Invece: incoraggia sempre gli utenti a controllare l'SQL generato per le decisioni importanti.
- ✅ Invece: scrivi le descrizioni come se stessi spiegando i dati a un nuovo assunto. Sii specifico e includi il contesto aziendale.
- ✅ Invece: identifica le 10-20 domande aziendali più importanti e crea query verificate per esse fin dal primo giorno.
- ✅ Invece: inizia con un modello mirato che contenga solo i dati più preziosi e utilizzati di frequente per un singolo caso d'uso.
- ✅ Invece: integra un semplice meccanismo di feedback nella tua app e considera ogni risposta errata come un'opportunità per migliorare il tuo modello.
- ✅ Invece: incoraggiate sempre gli utenti a controllare l'SQL generato per le decisioni importanti.
Come testare e migliorare i risultati dei tuoi analisti Cortex
Hai lanciato la tua app, ma come fai a sapere se funziona davvero? Non puoi semplicemente fidarti delle risposte fornite dall'IA. Hai bisogno di un framework per misurare le prestazioni:
- Crea una suite di test: prima del lancio, crea un elenco di domande aziendali comuni che hanno risposte note e verificabili.
- Confronta l'SQL generato: per ogni domanda del test, esamina l'SQL generato da Cortex Analyst. La logica ha senso? Le tabelle sono unite correttamente?
- Traccia l'accuratezza nel tempo: monitora la frequenza con cui gli utenti ottengono una risposta corretta. Puoi farlo aggiungendo i pulsanti "È stato utile?" alla tua interfaccia di chat.
- Iterate sul modello semantico: utilizzate ogni query fallita o feedback negativo come indizio. Questi momenti rivelano lacune nelle vostre definizioni semantiche o aree in cui è necessario aggiungere una query verificata.
🤝 Promemoria amichevole: inizia testando domande ad alta frequenza e bassa complessità per costruire una solida base. Man mano che acquisisci sicurezza, puoi passare a casi limite più complessi.
Limiti di Snowflake Cortex
Cortex Analyst non risolve tutti i problemi di analisi del tuo team. Potrebbe essere necessario integrarlo con altri strumenti, aumentando la proliferazione di strumenti nella tua azienda.
Prima di buttarti a capofitto, è importante essere realistici su ciò che Cortex Analyst può e non può fare. Ecco i suoi attuali limiti:
- Funziona solo con dati strutturati: non è in grado di analizzare informazioni non strutturate come testo da documenti, immagini o file audio.
- È incentrato su SQL: ogni risposta è il risultato di una query SQL. Non è in grado di eseguire analisi più complesse o previsioni di machine learning.
- Dipende interamente dal modello semantico: l'accuratezza delle risposte dipende dalla qualità delle definizioni fornite. Un modello mal definito produrrà risultati scadenti.
- Richiede un periodo di apprendimento: la creazione e la manutenzione di un modello semantico di alta qualità richiedono competenze tecniche e un lavoro richiesto costante.
- Ci sono considerazioni relative ai costi: ti vengono addebitati i crediti di calcolo utilizzati per l'inferenza LLM e l'esecuzione delle query, che possono aumentare in caso di utilizzo intensivo.
- Non offre integrazione con il flusso di lavoro: Cortex Analyst risponde alle domande, ma non ti aiuta a fare nulla con quelle risposte.
Cerchi strumenti di visualizzazione dei dati più intelligenti basati sull'IA? Guarda questo video!
Quando le organizzazioni cercano un'alternativa a Snowflake Cortex
I limiti di Cortex fanno sì che, anche con dati più veloci, i progetti procedano comunque lentamente. I team devono tradurre manualmente i risultati in attività, piani e conversazioni in altri strumenti.
Teams iniziano a cercare un'alternativa quando si trovano ad affrontare:
- Lacune nel flusso di lavoro: non c'è modo di trasformare direttamente un'informazione ricavata dai dati in un'attività o in un piano di progetto attuabile.
- Esigenze di collaborazione: discutere le implicazioni di un report richiede il passaggio a Slack o all'email, il che può portare a perdere il contesto lungo il percorso.
- Problemi di visibilità interfunzionale: le informazioni fornite dal team che si occupa dei dati devono essere collegate alle campagne di marketing, alle roadmap dei prodotti e agli sprint di ingegneria, ma rimangono isolate.
Quando già passi da più di 9 app ogni giorno, l'ultima cosa di cui hai bisogno è un altro strumento di analisi. Non preferiresti avere l'analisi integrata direttamente nel tuo ambiente di gestione del lavoro?
Gartner conferma questa tendenza. Prevede che entro il 2027 il 75% dei contenuti analitici sarà contestualizzato per applicazioni intelligenti tramite IA generativa.
ClickUp come alternativa a Snowflake Cortex
Quando hai bisogno di un'area di lavoro connessa in cui dati, progetti, documenti e comunicazioni coesistono, ClickUp è la soluzione giusta.
Abbiamo già visto come i dashboard e le potenti schede IA di ClickUp eliminino le informazioni isolate.
Essendo la prima area di lavoro AI convergente al mondo, ClickUp può aiutarti ulteriormente a creare un flusso di lavoro senza soluzione di continuità dai dati all'azione:
- Visualizza i progressi del tuo team a colpo d'occhio con i dashboard di ClickUp: ottieni una vista dettagliata dei tuoi dati di lavoro, inclusi lo stato di avanzamento delle attività, il carico di lavoro del team e le prestazioni dei progetti, tutto nello stesso posto in cui gestisci i tuoi progetti. Filtra le schede, pianifica i report e utilizza le viste drill-down per ottenere dettagli granulari.
- Trova immediatamente le risposte nella tua area di lavoro con ClickUp Brain: vai oltre i dati strutturati e poni domande sulle tue attività di ClickUp, sui documenti ClickUp e sulle conversazioni. Basta digitare @Brain in un commento di un'attività o nella chat di ClickUp per ottenere risposte immediate e contestualizzate.
- Agisci immediatamente sulle informazioni con flussi di lavoro connessi: quando ClickUp Brain rivela un'informazione, puoi immediatamente creare un'attività, assegnarla a un membro del team e impostare una data di scadenza, il tutto senza uscire dalla conversazione.
- Condividi e collabora sulle informazioni con ClickUp Docs: documenta le tue scoperte, crea report e collabora con le parti interessate in un documento ClickUp direttamente collegato alle attività e ai progetti pertinenti.
- Risparmia tempo e riduci il lavoro manuale con le automazioni di ClickUp: imposta automazioni per triggerare azioni, come l'invio di un'email o la modifica dello stato di un'attività, in base alle condizioni che definisci.
ClickUp vs. Snowflake Cortex Analyst: un riassunto
| Funzionalità | Analista Snowflake Cortex | ClickUp |
|---|---|---|
| Query in linguaggio naturale | Sì (solo dati strutturati) | Sì (su tutti i dati dell'area di lavoro) |
| Integrazione del flusso di lavoro | No | Gestione nativa delle attività e del project management |
| Collaborazione in team | Limitato | Documenti, commenti e chat integrati per una collaborazione live e asincrona |
| Visibilità interfunzionale | Solo data warehouse | Contesto di lavoro completo |
| Azione dalle informazioni | È richiesta l'esportazione manuale | Creazione diretta delle attività |
Passa più rapidamente dalle informazioni all'azione con ClickUp
L'analisi conversazionale sta cambiando il modo in cui i team interagiscono con i dati. Ma la vera sfida rimane quella di colmare il divario tra " sapere " e "fare".
The most effective teams optimize their BI tools for three reasons:
- Informazioni con titolarità: le risposte dovrebbero portare direttamente ad attività, decisioni e titolari, senza scomparire nei log delle chat o nei dashboard.
- Il contesto prima delle semplici query: le informazioni sono più preziose quando sono affiancate da progetti, Sequenze e conversazioni del team.
- Esecuzione integrata: minore è la distanza tra insight e azione, maggiore è il ritorno sugli investimenti nei dati.
Creare un ponte tra le informazioni ricavate dai dati e l'esecuzione dei progetti non è mai stato così semplice. Tutto ciò che serve per iniziare è un'area di lavoro unificata in cui riunire dati, progetti e persone.
Questo è esattamente ciò che ottieni con ClickUp. Sei curioso di provarlo? Iscriviti oggi stesso a ClickUp: è gratis!
Domande frequenti (FAQ)
Cortex Analyst è una funzionalità specifica che consente di porre domande su dati strutturati in un linguaggio semplice. Snowflake Intelligence è un prodotto più ampio che include Cortex Analyst, insieme ad altri agenti IA per attività quali il monitoraggio della qualità dei dati.
Sì, gli utenti possono porre domande in modo colloquiale senza SQL. Tuttavia, è comunque necessario un membro del team tecnico per costruire e mantenere il modello semantico che garantisce che l'IA fornisca risposte accurate.
Il prezzo è basato sul consumo. Paghi i crediti di calcolo Snowflake utilizzati per eseguire il modello di IA ed eseguire le query. Per le tariffe più aggiornate, consulta la documentazione ufficiale sui prezzi di Snowflake.