Hầu hết các nhóm đều coi việc tạo câu lệnh SQL như một trò ảo thuật. Bạn nhập câu hỏi và nhận được câu lệnh truy vấn.
Nhưng thực tế là: Snowflake Cortex Analyst chỉ hoạt động hiệu quả như mô hình ngữ nghĩa mà bạn xây dựng trước đó, và thiết lập này không hề đơn giản. Bằng cách học cách sử dụng Snowflake Cortex để tạo câu lệnh SQL, các nhóm dữ liệu giờ đây có thể chuyển đổi ngôn ngữ tự nhiên thành các truy vấn phức tạp, có thể thực thi chỉ trong vài giây.
Hướng dẫn này sẽ hướng dẫn bạn qua quy trình triển khai thực tế, từ việc định nghĩa mô hình ngữ nghĩa YAML đến việc truy vấn kho dữ liệu bằng ngôn ngữ tự nhiên, để bạn hiểu rõ cả sức mạnh lẫn các điều kiện tiên quyết trước khi bắt đầu.
Chúng tôi cũng sẽ xem xét những hạn chế của Snowflake Cortex và cách ClickUp có thể hỗ trợ các quy trình làm việc rộng hơn liên quan đến việc tạo câu lệnh SQL.
Snowflake Cortex Analyst là gì?
Snowflake Cortex Analyst là một dịch vụ được quản lý hoàn toàn, cho phép bạn xây dựng các ứng dụng cuộc hội thoại dựa trên dữ liệu phân tích của mình.
Dịch vụ này sử dụng một công cụ chuyên dụng chuyển đổi văn bản sang SQL để biến các câu hỏi bằng ngôn ngữ tự nhiên thành các truy vấn chính xác và có thể thực thi. Dịch vụ này giúp thu hẹp khoảng cách giữa các cấu trúc dữ liệu phức tạp và người dùng kinh doanh, những người cần câu trả lời mà không cần viết mã.
Các tính năng chính bao gồm:
- Nhà cung cấp giao diện có độ chính xác cao để tương tác với dữ liệu có cấu trúc
- Sử dụng các mô hình ngữ nghĩa để hiểu logic kinh doanh và thuật ngữ cụ thể của bạn
- Cung cấp API REST để tích hợp dễ dàng vào các ứng dụng tùy chỉnh hoặc công cụ BI
- Bảo vệ bảo mật dữ liệu bằng cách xử lý các yêu cầu trong phạm vi bảo mật của Snowflake
📮 ClickUp Insight: 88% số người tham gia khảo sát của chúng tôi sử dụng AI cho các công việc cá nhân, nhưng hơn 50% lại e ngại sử dụng nó tại công việc. Ba rào cản chính là gì? Thiếu sự tích hợp liền mạch, khoảng trống kiến thức hoặc lo ngại về bảo mật.
Nhưng nếu AI đã được tích hợp sẵn trong không gian làm việc của bạn và đã được bảo mật thì sao? ClickUp Brain, trợ lý AI tích hợp sẵn của ClickUp, biến điều này thành hiện thực. Nó hiểu các lệnh bằng ngôn ngữ thông thường, giải quyết cả ba mối lo ngại về việc áp dụng AI đồng thời kết nối các cuộc trò chuyện, công việc, tài liệu và kiến thức của bạn trên toàn bộ không gian làm việc.
Tìm câu trả lời và thông tin chi tiết chỉ với một cú nhấp chuột!
Các điều kiện tiên quyết cho tính năng tạo câu lệnh SQL của Snowflake Cortex
Bắt đầu sử dụng Snowflake Cortex mà không có thiết lập phù hợp sẽ dẫn đến sự thất vọng. Bạn có thể nhận được kết quả không chính xác, lãng phí thời gian khắc phục sự cố và kết luận sai lầm rằng công cụ bị hỏng trong khi vấn đề thực sự là nền tảng yếu kém.
Để tránh điều này, bạn cần chuẩn bị sẵn ba yếu tố cơ bản trước tiên.
1. Cài đặt cơ sở dữ liệu và bảng của bạn
Trí tuệ nhân tạo (AI) của bạn chỉ thông minh đến mức dữ liệu mà nó có thể truy cập. Nếu cấu trúc cơ sở dữ liệu của bạn là một mê cung với các tên cột khó hiểu như cust_dat_v2_final, cả các nhà phân tích lẫn AI đều sẽ gặp khó khăn trong việc hiểu rõ nó.
Sự nhầm lẫn này dẫn đến việc AI tạo ra các phép nối sai hoặc lấy dữ liệu từ các cột không đúng, và nhóm của bạn phải mất hàng giờ chỉ để giải mã cấu trúc dữ liệu trước khi có thể viết một truy vấn.
Bắt đầu bằng cách đảm bảo phần mềm kho dữ liệu của bạn chứa các bảng mà bạn muốn Cortex Analyst truy vấn. Mỗi khi có thể, hãy sử dụng các tên cột rõ ràng và mô tả. Ví dụ, một cột có tên customer_lifetime_value sẽ trực quan hơn nhiều đối với cả con người và AI so với clv_01.
Để tiếp tục quá trình thiết lập, vai trò Snowflake của bạn sẽ cần các quyền truy cập sau:
- CÁCH SỬ DỤNG: Trên cơ sở dữ liệu và lược đồ chứa các bảng của bạn
- SELECT: Trên các bảng mà bạn muốn Cortex Analyst truy vấn
- GIAI ĐOẠN TẠO: Trên lược đồ, nơi bạn cần tải lên tệp mô hình ngữ nghĩa của mình
2. Tạo tệp mô hình ngữ nghĩa của bạn
Rào cản lớn nhất đối với bất kỳ công cụ chuyển đổi văn bản sang SQL nào là AI không hiểu ngôn ngữ riêng của công ty bạn. Nó không tự nhiên biết rằng “ARR” có nghĩa là “Doanh thu định kỳ hàng năm” hay rằng bảng khách hàng của bạn được ghép nối với bảng đơn đặt hàng dựa trên trường customer_id.
Nếu thiếu bối cảnh này, AI có thể tạo ra các câu lệnh SQL về mặt kỹ thuật là hợp lệ nhưng về mặt logic lại sai, dẫn đến việc bạn nhận được các kết quả trông có vẻ đúng nhưng thực chất lại gây hiểu lầm nghiêm trọng.
Mô hình ngữ nghĩa chính là giải pháp. Đây là một tệp YAML đóng vai trò như “lớp dịch thuật” tùy chỉnh của bạn, giúp Cortex Analyst nắm bắt từ vựng và logic cụ thể của kinh doanh. Việc xây dựng và duy trì tệp này là nỗ lực hợp tác giữa các kỹ sư dữ liệu sử dụng công cụ ETL để hiểu cấu trúc dữ liệu và các nhà phân tích kinh doanh am hiểu thuật ngữ chuyên ngành.
Tệp mô hình ngữ nghĩa của bạn nên bao gồm các thành phần khóa sau:
| Thành phần | Mục đích |
| Bảng | Danh sách các bảng kèm theo mô tả bằng ngôn ngữ thông thường về mục đích của bảng đó |
| Cột | Xác định loại ngữ nghĩa của từng cột (như danh mục hoặc chỉ số) và có thể bao gồm các giá trị mẫu |
| Mối quan hệ | Xác định cách các bảng kết nối thông qua các phép nối, loại bỏ mọi phỏng đoán cho AI |
| Các truy vấn đã được xác minh | Cung cấp các cặp câu hỏi và SQL ví dụ làm hướng dẫn hữu ích cho mô hình ngôn ngữ lớn (LLM) |
3. Cấu hình Dịch vụ Tìm kiếm Cortex (tùy chọn)
Đôi khi, câu trả lời bạn cần lại ẩn chứa trong các văn bản không có cấu trúc, như mô tả sản phẩm, phiếu hỗ trợ hoặc bản ghi cuộc gọi. Các truy vấn SQL tiêu chuẩn không thể xử lý dữ liệu này, điều đó có nghĩa là bạn thường bỏ lỡ lý do đằng sau những gì đang diễn ra.
Bạn có thể tùy chọn thêm Snowflake Cortex Search Service tại đây. Đây là một lớp dịch vụ tìm kiếm (search-as-a-service) cho phép bạn truy vấn cả bảng dữ liệu có cấu trúc và dữ liệu văn bản không có cấu trúc bằng cách sử dụng các tác nhân AI để phân tích dữ liệu cùng lúc.
Bạn nên cấu hình Cortex Search nếu các nhà phân tích của bạn cần đặt câu hỏi yêu cầu trích xuất ngữ cảnh từ văn bản trước khi tạo truy vấn SQL. Ví dụ: bạn có thể trước tiên tìm kiếm tất cả các đánh giá sản phẩm chứa cụm từ ‘vấn đề pin’ và sau đó tạo một truy vấn SQL để tổng hợp dữ liệu doanh số chỉ cho những sản phẩm đó.
Đối với việc tạo SQL thuần túy trên các bảng có cấu trúc, dịch vụ này không cần thiết.
🧠 Thông tin thú vị: Vào đầu những năm 1970, các nhà nghiên cứu của IBM là Donald Chamberlin và Raymond Boyce đã tạo ra ‘Structured English Query Language’. Họ phải đổi tên thành SQL vì ‘SEQUEL’ đã được một công ty hàng không của Anh đăng ký nhãn hiệu.
Hướng dẫn từng bước để tạo SQL với Cortex Analyst
Bạn đã hoàn thành công việc chuẩn bị, nhưng giờ đây bạn đang đối mặt với một màn hình trống, không chắc chắn về quy trình làm việc thực tế. Làm thế nào để chuyển từ một câu hỏi trong đầu thành một truy vấn SQL có thể thực thi? Khi quy trình làm việc không rõ ràng, các công cụ mới thường bị bỏ không sử dụng, và khoản đầu tư vào việc thiết lập trở nên lãng phí.
Quy trình thực hành này vô cùng đơn giản và dễ hiểu. Hãy cùng tìm hiểu chi tiết hơn!
Bước #1: Chuẩn bị dữ liệu của bạn trong Snowflake
Trước hết, dữ liệu có cấu trúc của bạn cần được lưu trữ trong Snowflake. Mỗi ứng dụng Cortex Analyst đều được định hướng đến một bảng duy nhất hoặc một chế độ xem bao gồm một hoặc nhiều bảng. Hãy đảm bảo các bảng của bạn đã được tạo và điền dữ liệu đầy đủ.
Nếu bạn đang tải dữ liệu từ các tệp văn bản thuần túy:
- Tải lên các tệp dữ liệu của bạn (ví dụ: tệp CSV) lên Snowflake Stage
- Sử dụng lệnh COPY INTO để tải dữ liệu từ giai đoạn tạm thời vào các bảng của bạn
- Kiểm tra xem dữ liệu đã được tải thành công chưa trước khi tiếp tục
Bước #2: Xây dựng mô hình ngữ nghĩa (hoặc chế độ xem ngữ nghĩa)
Đây là bước thiết lập quan trọng nhất. Sức mạnh của Cortex Analyst đến từ việc kết hợp các mô hình ngôn ngữ lớn (LLMs) với các mô hình ngữ nghĩa, một tệp YAML đi kèm với sơ đồ cơ sở dữ liệu của bạn và mã hóa bối cảnh kinh doanh.
Semantic Views hiện là phương pháp được Snowflake khuyến nghị cho Cortex Analyst. Chúng lưu trữ các chỉ số kinh doanh, mối quan hệ và định nghĩa trực tiếp bên trong Snowflake. Các tệp mô hình ngữ nghĩa YAML cũ vẫn hoạt động, nhưng Snowflake khuyến khích các triển khai mới sử dụng Semantic Views.
Mô hình ngữ nghĩa hoặc chế độ xem của bạn nên bao gồm:
- Mô tả bảng và cột: Giải thích bằng ngôn ngữ thông thường về ý nghĩa của từng trường
- Chỉ số kinh doanh: Định nghĩa cho các trường tính toán như doanh thu, tỷ lệ rời bỏ hoặc tỷ lệ chuyển đổi
- Bộ lọc và từ đồng nghĩa: Các thuật ngữ thay thế mà người dùng có thể sử dụng (ví dụ: ‘cancelled’ được ánh xạ đến một giá trị trạng thái cụ thể)
- Các truy vấn đã được xác minh: Kho lưu trữ truy vấn đã được xác minh của Snowflake lưu trữ các cặp câu hỏi và SQL đã được phê duyệt. Khi câu hỏi của người dùng trùng khớp với một trong các mục nhập đó, Cortex Analyst có thể tham chiếu nó trong quá trình tạo SQL
🤝 Nhắc nhở hữu ích: Snowflake khuyến nghị không nên sử dụng quá 10 bảng và không quá 50 cột được lựa chọn để đạt hiệu suất tối ưu trong quy trình làm việc Snowsight.
Bước #3: Tải mô hình ngữ nghĩa lên giai đoạn Snowflake
Nếu bạn đang sử dụng mô hình ngữ nghĩa dựa trên YAML, mô hình này cần được triển khai để Cortex Analyst có thể tham chiếu nó trong quá trình chạy.
- Tải tệp .yaml của bạn lên một giai đoạn nội bộ của Snowflake (ví dụ: RAW_DATA)
- Xác nhận tệp xuất hiện trong giai đoạn thông qua giao diện người dùng Snowsight hoặc lệnh LIST @stage_name
- Ghi chú về đường dẫn giai đoạn; bạn sẽ tham chiếu đến nó trong các cuộc gọi API hoặc cấu hình ứng dụng của mình
Nếu bạn đang sử dụng chế độ xem Semantic, bước này được xử lý trực tiếp trong Snowflake và không cần tải lên riêng biệt.
🔍 Bạn có biết? Giá trị NULL trong SQL không có nghĩa là số 0 hay trống rỗng. Nó biểu thị dữ liệu không xác định hoặc thiếu, dẫn đến các hành vi khó hiểu như các phép so sánh không trả về kết quả đúng hay sai.
Bước #4: Gửi câu hỏi bằng ngôn ngữ tự nhiên qua API REST
Bây giờ quá trình tạo SQL thực sự bắt đầu. REST API tạo ra một truy vấn SQL cho một câu hỏi cụ thể bằng cách sử dụng mô hình ngữ nghĩa hoặc chế độ xem ngữ nghĩa được cung cấp trong yêu cầu.
Cấu trúc yêu cầu API của bạn bằng:
- thông điệp; một mảng chứa câu hỏi của người dùng với vai trò: “user”
- Tham chiếu đến mô hình ngữ nghĩa hoặc chế độ xem ngữ nghĩa của bạn
- Chọn mô hình ưa thích của bạn (hoặc để chế độ tự động để Cortex lựa chọn mô hình phù hợp nhất)
Bạn có thể thực hiện các cuộc hội thoại nhiều lượt, trong đó bạn có thể đặt các câu hỏi tiếp theo dựa trên các truy vấn trước đó.
Bước #5: Phân tích phản hồi API
Mỗi tin nhắn trong phản hồi có thể chứa nhiều khối nội dung thuộc các loại khác nhau. Ba giá trị hiện được hỗ trợ cho trường loại là: văn bản, suggestions và SQL.
Dưới đây là ý nghĩa của từng loại:
- SQL: Cortex đã tạo thành công một truy vấn; đây là truy vấn mà bạn sẽ thực thi
- văn bản: Một lời giải thích hoặc câu trả lời bằng ngôn ngữ tự nhiên đi kèm với câu lệnh SQL
- Gợi ý: Loại nội dung gợi ý chỉ được bao gồm trong phản hồi nếu câu hỏi của người dùng không rõ ràng và Cortex Analyst không thể trả về câu lệnh SQL cho truy vấn đó. Sử dụng các gợi ý này để làm rõ hoặc tinh chỉnh câu hỏi
🔍 Bạn có biết? Thứ tự bạn viết câu lệnh SQL không phải là thứ tự nó được thực thi. Mặc dù bạn viết SELECT trước, nhưng cơ sở dữ liệu thực tế xử lý FROM và WHERE trước khi lựa chọn các cột. Điều này gây nhầm lẫn cho cả người mới bắt đầu lẫn người dùng có kinh nghiệm.
Bước #6: Thực thi câu lệnh SQL đã tạo trong Snowflake
Sau khi nhận được khối SQL từ phản hồi, hãy chạy nó trên kho dữ liệu ảo Snowflake của bạn. Truy vấn SQL được tạo ra sẽ được thực thi trong kho dữ liệu ảo Snowflake của bạn để tạo ra kết quả cuối cùng. Dữ liệu vẫn nằm trong phạm vi quản trị của Snowflake.
Những điều cần lưu ý khi thực thi:
- Cortex Analyst tích hợp hoàn toàn với các chính sách kiểm soát truy cập dựa trên vai trò (RBAC) của Snowflake, đảm bảo rằng các truy vấn SQL được tạo và thực thi tuân thủ tất cả các quy định kiểm soát truy cập đã thiết lập.
- Nếu người dùng không có quyền truy cập vào bảng, truy vấn sẽ thất bại khi thực thi, giống như khi sử dụng SQL viết tay
- Chi phí tính toán kho dữ liệu được áp dụng ở giai đoạn này, tách biệt với các khoản phí sử dụng riêng của Cortex Analyst.
Bước #7: Hoàn thiện và lặp lại
Không phải lúc nào cũng đảm bảo có được truy vấn hoàn hảo ngay từ lần thử đầu tiên. Dưới đây là cách cải thiện kết quả theo thời gian:
- Thêm các truy vấn đã được xác minh vào mô hình ngữ nghĩa của bạn cho các câu hỏi thường xuyên xuất hiện
- Nâng cao mô hình ngữ nghĩa của bạn bằng các mô tả, từ đồng nghĩa và bộ lọc tốt hơn khi Cortex hiểu sai một thuật ngữ
- Sử dụng cuộc hội thoại nhiều lượt để tiếp tục, ví dụ: ‘Bây giờ hãy lọc theo khu vực’, các cuộc hội thoại nhiều lượt cho phép đặt các câu hỏi tiếp theo dựa trên các truy vấn trước đó
- Theo dõi việc sử dụng thông qua CORTEX_ANALYST_USAGE_HISTORY và lịch sử truy vấn Snowflake để phát hiện các mẫu trong các truy vấn thất bại hoặc không chính xác
🧠 Thông tin thú vị: Chỉ cần thiếu một điều kiện JOIN cũng có thể gây ra những vấn đề nghiêm trọng. Việc bỏ sót điều kiện JOIN có thể tạo ra tích Cartesian, làm tăng số lượng hàng một cách đột biến và đôi khi khiến hệ thống bị sập.
Các phương pháp hay nhất để đảm bảo độ chính xác của tính năng chuyển đổi văn bản sang SQL trong Snowflake
Chất lượng của mô hình ngữ nghĩa của bạn quyết định trực tiếp độ chính xác của các truy vấn mà nó tạo ra. Dưới đây là các phương pháp hay nhất giúp cải thiện độ chính xác. 🛠️
- Thêm các truy vấn đã được xác minh vào mô hình ngữ nghĩa của bạn: Đây là việc cần làm quan trọng nhất bạn có thể làm. Hãy bao gồm nhiều ví dụ về cặp câu hỏi-SQL phản ánh cách nhóm của bạn thực sự đặt câu hỏi
- Sử dụng tên cột và bảng mô tả: Mô hình hoạt động hiệu quả hơn khi tên cột và bảng dễ hiểu. Nếu bạn không thể thay đổi cấu trúc, hãy thêm các mô tả rõ ràng vào tệp YAML của bạn cho bất kỳ tên cột khó hiểu nào
- Bao gồm các giá trị mẫu: Việc thêm dữ liệu ví dụ cho các cột phân loại (như trạng thái hoặc khu vực) giúp mô hình hiểu được các tùy chọn lọc hợp lệ có sẵn
- Kiểm tra với các trường hợp ngoại lệ: Trong quá trình phát triển, hãy cố ý đặt ra các câu hỏi mơ hồ hoặc phức tạp để xác định những nơi mà mô hình ngữ nghĩa của bạn cần thêm bối cảnh hoặc làm rõ.
- Cải tiến mô hình ngữ nghĩa của bạn: Hãy coi mô hình ngữ nghĩa của bạn như một tài liệu sống. Nó cần được cập nhật liên tục thông qua một quy trình lặp lại dựa trên việc phân tích các truy vấn thành công và những truy vấn thất bại.
ClickUp: Một giải pháp thay thế đơn giản hơn cho Snowflake Cortex
Snowflake Cortex hoạt động hiệu quả khi các nhóm muốn tạo SQL và thực thi truy vấn trên dữ liệu có cấu trúc. Các nhóm định nghĩa lược đồ, ánh xạ mối quan hệ và viết truy vấn để trích xuất thông tin chi tiết. Thiết lập này phù hợp với các môi trường có khối lượng dữ liệu lớn, đặc biệt là khi các nhà phân tích chịu trách nhiệm về báo cáo.
Tuy nhiên, nhiều nhóm không cần một lớp SQL đầy đủ để trả lời các câu hỏi vận hành hàng ngày. Các nhà quản lý sản phẩm, trưởng nhóm chương trình và đội ngũ vận hành thường muốn có câu trả lời nhanh chóng liên quan trực tiếp đến công việc đang thực hiện.
ClickUp mang đến một giải pháp dễ tiếp cận hơn. Các nhóm có thể đặt câu hỏi bằng ngôn ngữ thông thường, xem bảng điều khiển trực tiếp và hành động dựa trên các thông tin chi tiết mà không cần viết SQL hay xây dựng mô hình ngữ nghĩa.
Tạo và tinh chỉnh SQL nhanh hơn
Snowflake Cortex tập trung vào việc tạo các truy vấn SQL từ các tập dữ liệu có cấu trúc trong môi trường kho dữ liệu. Điều này hoạt động hiệu quả khi dữ liệu của bạn đã được lưu trữ trong Snowflake và các lược đồ đã được thiết lập sẵn.
ClickUp Brain hỗ trợ tạo SQL theo cách linh hoạt hơn và tập trung vào việc thực thi. Các nhóm có thể tạo, tinh chỉnh và lưu trữ các truy vấn SQL trực tiếp trong không gian làm việc của họ, nơi các hoạt động phân tích, thảo luận và ra quyết định đã diễn ra.
Giả sử một nhà phân tích sản phẩm đang thực hiện công việc phân tích tỷ lệ giữ chân khách hàng trong ClickUp. Thay vì chuyển sang công cụ khác để viết truy vấn, họ hỏi ClickUp Brain:
📌 Hãy thử câu lệnh sau: Viết một truy vấn SQL để tính tỷ lệ giữ chân người dùng trong 7 ngày theo nhóm đăng ký đăng ký.
ClickUp Brain tạo ra một truy vấn có cấu trúc bao gồm nhóm theo nhóm đối tượng, bộ lọc ngày tháng và logic duy trì. Nhà phân tích chỉ cần dán truy vấn vào Snowflake hoặc kho dữ liệu khác và chạy ngay lập tức.
Nó giúp:
- Viết các câu lệnh JOIN trên nhiều bảng, chẳng hạn như bảng người dùng, đơn đặt hàng và sự kiện
- Chuyển đổi các câu hỏi về sản phẩm bằng tiếng Anh thông thường thành logic SQL sẵn sàng để thực thi
- Gỡ lỗi các truy vấn bị lỗi và giải thích các vấn đề, chẳng hạn như các phép nối sai hoặc các điều kiện bị thiếu
- Viết lại các truy vấn để cải thiện hiệu suất hoặc tính dễ đọc
Ví dụ, trong quá trình đánh giá một thử nghiệm tăng trưởng, một chuyên viên tiếp thị hỏi: ‘Viết một truy vấn SQL để so sánh tỷ lệ chuyển đổi giữa hai trang đích trong 14 ngày qua’.
ClickUp Brain tạo truy vấn bằng cách sử dụng tổng hợp có điều kiện và bộ lọc ngày tháng. Nhóm thực thi truy vấn này trên Snowflake và xác thực kết quả thí nghiệm.
📌 Hãy thử câu lệnh sau: Sửa truy vấn SQL này nơi phép nối (join) gây trùng lặp hàng và giải thích vấn đề.
ClickUp Brain xác định vấn đề liên kết, sửa chữa truy vấn và giải thích lý do tại sao các hàng trùng lặp xuất hiện do điều kiện liên kết không chính xác.
Thay thế báo cáo dựa trên SQL
Các quy trình làm việc của Snowflake Cortex thường bao gồm việc tạo SQL, chạy truy vấn và hiển thị kết quả trên một lớp riêng biệt. Bảng điều khiển ClickUp loại bỏ quy trình nhiều bước đó và hiển thị thông tin chi tiết trực tiếp từ dữ liệu thời gian thực.
Một nhóm quản lý chương trình đang theo dõi tình trạng sẵn sàng phát hành có thể xây dựng bảng điều khiển mà không cần viết truy vấn. Ví dụ, bảng điều khiển phát hành có thể bao gồm:
- Một thẻ danh sách công việc được lọc để hiển thị các công việc quá hạn trên tất cả các nhóm sản phẩm
- Một thẻ khối lượng công việc hiển thị phân phối công việc giữa các kỹ sư
- Một biểu đồ cột so sánh các công việc đã hoàn thành với các công việc đang chờ xử lý theo từng sprint
- Một thẻ tính toán đang theo dõi thời gian hoàn thành trung bình
Giả sử một trưởng nhóm xem xét bảng điều khiển này trước cuộc họp phát hành. Họ ngay lập tức nhận thấy các dịch vụ phía sau đang có tỷ lệ trễ cao hơn. Họ mở thẻ danh sách công việc và kiểm tra chính xác các công việc gây ra rủi ro.
Một người dùng ClickUp thực tế chia sẻ:
ClickUp cho phép chúng tôi NHANH CHÓNG chuyển giao dự án cho nhau, DỄ DÀNG kiểm tra trạng thái dự án và giúp người quản lý của chúng tôi theo dõi khối lượng công việc của chúng tôi bất cứ lúc nào mà không cần phải làm gián đoạn công việc của chúng tôi. Chúng tôi chắc chắn đã tiết kiệm được ít nhất một ngày mỗi tuần nhờ sử dụng ClickUp. Số lượng email đã GIẢM ĐÁNG KỂ.
ClickUp cho phép chúng tôi NHANH CHÓNG chuyển giao dự án cho nhau, DỄ DÀNG kiểm tra trạng thái dự án và giúp người quản lý của chúng tôi theo dõi khối lượng công việc của chúng tôi bất cứ lúc nào mà không cần phải làm phiền chúng tôi. Chúng tôi chắc chắn đã tiết kiệm được ít nhất một ngày mỗi tuần nhờ sử dụng ClickUp. Số lượng email đã GIẢM ĐÁNG KỂ.
Hành động dựa trên thông tin chi tiết mà không cần đường ống
Snowflake Cortex tập trung vào việc tạo ra các thông tin chi tiết từ dữ liệu. Các nhóm vẫn cần phải giải thích kết quả và kích hoạt các hành động riêng biệt.
ClickUp AI Super Agents giúp thu hẹp khoảng cách đó và biến những thông tin chi tiết thành hành động cụ thể. Chúng hoạt động như những đồng đội AI, liên tục theo dõi dữ liệu trong Không gian Làm việc ClickUp và thực hiện hành động dựa trên các điều kiện cụ thể.
Giả sử một quản lý chương trình phụ trách nhiều dự án sản phẩm. Một Super Agent có thể:
- Theo dõi các công việc trên các dự án và phát hiện khi các công việc quá hạn vượt quá ngưỡng đã định
- Xác định các mẫu như sự chậm trễ lặp lại trong cùng một giai đoạn của quy trình làm việc
- Tạo một công việc tóm tắt các dự án bị ảnh hưởng và giao công việc đó cho người phụ trách chương trình
- Thông báo cho chủ sở hữu nhóm khi các công việc quan trọng vẫn chưa được giải quyết sau thời hạn
Ví dụ: trong một chu kỳ phát hành, Super Agent phát hiện ra rằng có hơn 10 công việc ưu tiên cao đã quá hạn trên hai nhóm. Nó tạo một nhiệm vụ ClickUp có tiêu đề ‘Rủi ro phát hành: quá hạn’, đính kèm tất cả các công việc liên quan và giao cho người quản lý chương trình để xem xét ngay lập tức.
Các nhóm cũng có thể tương tác trực tiếp với Super Agent: ‘Phân tích tất cả các dự án đang hoạt động và chỉ ra các rủi ro về tiến độ cho sprint này’.
Super Agent kiểm tra các mốc thời gian, mối quan hệ phụ thuộc và trạng thái công việc, sau đó đăng một bản tóm tắt có cấu trúc trong Không gian Làm việc.
Dưới đây là cách cài đặt Super Agent của riêng bạn trong ClickUp:
Tập trung các quy trình làm việc với dữ liệu của bạn bằng ClickUp
Các công cụ chuyển đổi văn bản sang SQL như Snowflake Cortex giúp dữ liệu trở nên dễ tiếp cận hơn. Tuy nhiên, việc đạt được kết quả đáng tin cậy vẫn đòi hỏi nỗ lực.
Các nhóm cần có các lược đồ rõ ràng, các mô hình ngữ nghĩa mạnh mẽ và quá trình lặp lại liên tục để đảm bảo độ chính xác của kết quả. Ngay cả sau khi tạo ra truy vấn phù hợp, công việc vẫn chưa dừng lại ở đó. Vẫn cần có người giải thích kết quả, chia sẻ thông tin chi tiết và biến chúng thành các quyết định.
ClickUp mang đến một cách tiếp cận khác biệt. Thay vì tách biệt phân tích khỏi việc thực thi, ClickUp kết nối cả hai. Các nhóm tạo SQL, ghi chép các thông tin chi tiết, hợp tác về các kết quả và thực hiện các hành động dựa trên đó ngay trong cùng một không gian làm việc.
ClickUp Brain hỗ trợ việc viết và tối ưu hóa các truy vấn, trong khi các Bảng điều khiển và Trợ lý AI giúp các nhóm theo dõi kết quả và thúc đẩy công việc tiến triển mà không cần chuyển đổi giữa các công cụ.
Snowflake Cortex giúp bạn tìm ra câu trả lời. ClickUp giúp bạn thực hiện việc cần làm với những câu trả lời đó. Đăng ký ClickUp ngay hôm nay!
Câu hỏi thường gặp
Snowflake Cortex Analyst là một dịch vụ chuyên biệt trong bộ công cụ Snowflake Cortex AI rộng lớn hơn. Cortex Analyst tập trung cụ thể vào việc tạo SQL từ văn bản bằng cách sử dụng các mô hình ngữ nghĩa, trong khi Cortex AI bao gồm một phạm vi rộng của hàm LLM, suy luận mô hình học máy và khả năng tìm kiếm.
Đúng vậy, Cortex Analyst có thể truy vấn các bảng Apache Iceberg được quản lý thông qua Snowflake. Miễn là các bảng này có thể truy cập được trong môi trường Snowflake của bạn và được định nghĩa đúng cách trong mô hình ngữ nghĩa của bạn, bạn có thể tạo các truy vấn trên các bảng đó.
Độ chính xác của các truy vấn phức tạp phụ thuộc gần như hoàn toàn vào chất lượng của mô hình ngữ nghĩa của bạn. Một mô hình có các mối quan hệ bảng được định nghĩa rõ ràng, nhiều truy vấn đã được xác minh và metadata mô tả sẽ mang lại kết quả chính xác hơn đáng kể cho các phép nối nhiều bảng và các phép tổng hợp phức tạp.
Giá của Snowflake Cortex Analyst tuân theo mô hình tính phí theo mức sử dụng của Snowflake, có nghĩa là bạn sẽ được tính phí dựa trên số tín dụng tính toán được sử dụng trong quá trình tạo truy vấn. Để biết mức giá mới nhất, bạn nên luôn tham khảo tài liệu giá chính thức của Snowflake.