Horizon Context mette la conoscenza aziendale al servizio dell’AI

Un business leader chiede a un agente AI: perché la retention dei clienti è diminuita in questo trimestre? Prima di poter fornire una risposta utile, l’agente AI deve sapere come la tua azienda definisce la retention, quali dati dei clienti utilizzare e come questi dati si collegano ai report su cui si basano i tuoi team. Una spiegazione fluente non basta se parte dalla definizione o dal data set sbagliato.

Buona parte di questa conoscenza esiste già nella tua organizzazione. Si trova nei report aziendali, nella logica di trasformazione, nella documentazione dei dati e nell’esperienza dei team. Quando resta frammentata, ogni nuovo caso d’uso di AI richiede che le persone la ricostruiscano da zero. Questo significa più lavoro di preparazione per gli sviluppatori, più validazione per gli analisti e un percorso più lungo per arrivare da una domanda di business a una decisione.

A Snowflake Summit, abbiamo introdotto Horizon Context: un livello di contesto governato all’interno di Horizon Catalog che raccoglie metadati, li arricchisce con significato di business e li rende utili a persone, strumenti di BI e agenti AI.

I connettori di metadati per 18 origini, i permessi mirati per gli steward per curare le descrizioni e la propagazione automatica delle descrizioni alle colonne downstream supportate sono ora in public preview. Insieme a Horizon Catalog Explorer, recentemente ridisegnato, queste funzionalità aiutano i team a scoprire, arricchire e riutilizzare la conoscenza dei dati esistente per l’AI e l’analisi dei dati.

Con Horizon Context, i team possono:

• Comprendere i dati prima di utilizzarli con un’esperienza di catalogo coerente che porta in primo piano definizioni, tag e contatti.
• Riutilizzare la conoscenza dei dati esistente da report, database e pipeline, invece di ricostruirla per ogni caso d’uso di AI.
• Risolvere i problemi e valutare l’impatto delle modifiche utilizzando la lineage collegata tra origini, trasformazioni e strumenti di BI supportati.
• Portare gli esperti di business nella curatela del contesto senza concedere un controllo più ampio sui dati sottostanti.
• Ridurre la manutenzione della documentazione propagando le descrizioni alle colonne downstream supportate.
• Basare l’AI e l’analisi dei dati su un contesto condiviso, riducendo la necessità di ricreare la conoscenza in ogni applicazione o prompt.

Nelle nostre conversazioni con i clienti, l’entusiasmo per l’intelligenza artificiale si accompagna ad aspettative pratiche: aiutare le persone a trovare i dati giusti, chiarirne il significato e ridurre la dipendenza da un piccolo gruppo di esperti. I team apprezzano poter vedere la fonte dietro un report e riutilizzare la documentazione, invece di doverla mantenere ripetutamente. Queste esigenze diventano ancora più importanti quando le persone delegano il lavoro sui dati ad agenti AI.

Con la crescita dell’adozione dell’AI, mantenere una serie separata di istruzioni e definizioni per ogni agente AI crea più lavoro e più opportunità di incoerenza. Un livello di contesto condiviso e governato offre ai team una data foundation che possono riutilizzare in diversi casi d’uso, invece di trattare la comprensione del business come un nuovo progetto di integrazione ogni volta.

Horizon Context collega tre parti di questa data foundation: le evidenze nei tuoi sistemi di dati, la conoscenza dei tuoi esperti di business e gli strumenti che utilizzano entrambe. L’obiettivo è dedicare meno tempo a ricostruire il contesto e più tempo ad applicarlo alle decisioni di business.

La tua organizzazione ha già investito nei report e nelle pipeline di dati che fanno funzionare il business. I loro metadati raccolgono informazioni preziose su come i dati vengono strutturati, trasformati e utilizzati. Rendere disponibili queste informazioni offre agli sviluppatori AI un punto di partenza più solido rispetto a nomi di tabelle isolati ed elenchi di colonne.

I connettori di metadati di Horizon Catalog supportano ora 18 origini tra database, strumenti di BI e pipeline di dati. Tra questi: Power BI, Tableau, Looker, Sigma, Hex, dbt, SQL Server, Oracle, PostgreSQL, Databricks e BigQuery.

In base al connettore e alla sua configurazione, Horizon Context raccoglie schemi, log delle query, definizioni delle dashboard e segnali di utilizzo. I team possono esplorare asset esterni insieme agli oggetti Snowflake, cercare nei relativi metadati ed esplorare la lineage cross-platform dal catalogo.

Il Horizon Catalog ridisegnato offre un’esperienza coerente che mette al centro definizioni dei dati, tag e contatti. Gli analisti di business possono trovare facilmente gli asset di dati e capire cosa significano, come possono essere utilizzati e a chi chiedere chiarimenti. Insieme ai connettori di metadati, questo rende Horizon Catalog un’unica vista centralizzata per comprendere i dati su Snowflake e sui sistemi collegati, aiutando team e agenti AI a scoprire i dati giusti e a utilizzarli con un contesto di business condiviso.

Quando un report sulla retention mostra un calo inaspettato, i team devono indagare se rifletta un cambiamento di business o un problema di dati. Nei sistemi connessi supportati, la lineage li aiuta a risalire dal report, attraverso le trasformazioni, fino ai dati di origine e a identificare dove indagare. Prima di modificare una tabella o una colonna upstream, possono seguire le stesse dipendenze a valle per valutare quali report potrebbero essere interessati.

Snowflake CoCo porta questo contesto in un flusso di lavoro assistito dall’AI. I team possono fare domande come “Da dove proviene questo data set sulla retention?” oppure “Quali report downstream dipendono da questa colonna?” CoCo può utilizzare la lineage disponibile per aiutare a indagare i problemi e valutare l’impatto delle modifiche, riducendo la necessità di ricostruire manualmente le dipendenze.

Questi connettori raccolgono metadati; non richiedono la replica dei data set sottostanti in Snowflake. Rendono più facile scoprire e riutilizzare la conoscenza dei dati esistente, mentre le definizioni di business governate forniscono il significato aggiuntivo necessario per interpretarla.

Le persone che comprendono la retention dei clienti potrebbero non essere le stesse che gestiscono il database. Tuttavia, la loro conoscenza dello stato dei clienti, delle esclusioni e delle convenzioni di reporting è essenziale per interpretare i dati. Catturare questa conoscenza non dovrebbe dipendere dal fatto che un ingegnere traduca ogni chiarimento in documentazione.

La visibilità dei metadati separa la navigazione nel catalogo dall’accesso ai dati sottostanti. Con i permessi di metadati appropriati, gli utenti possono esplorare le informazioni del catalogo e la lineage senza ricevere l’autorizzazione a interrogare i dati stessi.

Il nuovo privilegio APPLY COMMENT offre inoltre agli amministratori un modo mirato per consentire agli steward di modificare le descrizioni di oggetti e colonne, senza concedere privilegi più ampi come MODIFY o OWNERSHIP.

Questo offre agli esperti di business un ruolo diretto nel migliorare il contesto che persone e flussi di lavoro AI possono utilizzare, mentre gli amministratori mantengono il controllo sull’accesso ai dati. Un chiarimento diventa conoscenza riutilizzabile insieme ai dati, invece di rimanere una risposta confinata in un thread di chat o nel prompt di un agente AI.

Un’iniziativa di AI ha bisogno di un contesto che i team possano mantenere, non solo di documentazione preparata per la prima demo. Quando lo stesso identificativo cliente appare in più view downstream, copiarne ripetutamente la descrizione aggiunge lavoro senza aggiungere significato. Descrizioni mancanti o incoerenti lasciano sia gli analisti che i flussi di lavoro AI con meno contesto su cui basarsi.

La propagazione delle descrizioni delle colonne utilizza la lineage delle colonne per trasferire le descrizioni alle colonne downstream supportate, quando i relativi valori passano inalterati. Ad esempio, una descrizione su un identificativo cliente può seguire quella colonna in una view downstream, anche se la colonna viene rinominata.

La propagazione si interrompe quando i valori vengono trasformati, combinati o aggregati, e non sovrascrive le descrizioni scritte direttamente sulle colonne downstream. I team possono distinguere le descrizioni propagate da quelle scritte dagli utenti. Una volta attivata, questa funzionalità riduce la manutenzione ripetitiva mantenendo i proprietari in controllo del significato, in modo che gli esperti possano concentrarsi sulle definizioni che richiedono valutazione.

Per un’analisi della retention assistita dall’AI, il contesto serve a diversi scopi. Le descrizioni spiegano cosa rappresentano i campi dei clienti. La lineage aiuta i team a verificare da dove provengono i dati. Una definizione di metrica governata specifica come deve essere calcolata la retention. Ognuno contribuisce in modo diverso a una risposta che le persone possono valutare.

Le persone possono esplorare il contesto in Horizon Context. Snowflake CoCo può utilizzare il contesto del catalogo per task come la data discovery e l’analisi dell’impatto. Le semantic view completano questa data foundation con definizioni governate di metriche, dimensioni e relazioni per l’AI e l’analisi dei dati.

Il valore di business è il riutilizzo: I team possono sviluppare a partire dalla conoscenza condivisa, invece di ricrearla in ogni dashboard, applicazione o prompt. Questa data foundation favorisce un’interpretazione più coerente e offre alle persone prove da esaminare quando revisionano una risposta generata dall’AI.

Collega i tuoi sistemi di dati, BI e pipeline supportati a Horizon Catalog. Porta gli esperti di business nella curatela delle descrizioni e utilizza Snowflake CoCo per esplorare la lineage, indagare i problemi relativi ai dati e valutare l’impatto delle modifiche.

La conoscenza che i tuoi team sviluppano oggi può diventare una data foundation riutilizzabile per il prossimo report, la prossima applicazione e il prossimo flusso di lavoro AI.

Esplora i connettori supportati e la documentazione di configurazione per iniziare.