A dbt szerint az AI-ügynökök hozhatják el a szemantikai réteg áttörését

Miért akadt el az első hullám?

A dbt Labs október 27-én közzétett bejegyzésében Zach Mandell, a dbt Semantic Layer staff product managere a szemantikai réteg két fejlődési hullámát mutatta be. Az első, nagyjából öt évvel ezelőtti hullám célja az volt, hogy a mérőszámok logikáját kódként, egyetlen tárhelyen rögzítsék, majd minden üzletiintelligencia-eszköz számára elérhetővé tegyék. Így például a bevételt minden csapat ugyanúgy számolhatta volna.

Mandell szerint ez a megközelítés többnyire nem jutott el az éles használatig. A megoldás értéke sok esetben a korábbi állapot gondosabb megismétlésére korlátozódott, a közös szemantikai réteg beillesztése a meglévő BI-eszközökbe nehéznek bizonyult, maga a szemantikai modellezés pedig új munkamódszert jelentett az adatelemző mérnökök számára. Az entitások, elsődleges kulcsok és kapcsolási útvonalak kezelése olyan feladatokat hozott előtérbe, amelyeket a korábbi eszközök jellemzően elrejtettek.

Az ügynökök miatt nő a tét, de a bizalom kérdéses

A második hullám középpontjában az AI-ügynökök állnak. Mandell szerint ezek „egy fáradhatatlan elemzőt adhatnak a vállalat bármely dolgozójának”. A dbt közlése alapján a dbt MCP server használata negyedévről negyedévre megduplázódik, amit nagyrészt a társalgási adatelemzési felhasználások hajtanak.

Az ügynökök alkalmazása ugyanakkor új kockázatot is teremt: a bizalmat. Egy üzleti kérdés megválaszolásához az ügynöknek több lépést kell helyesen végrehajtania, például meg kell találnia a megfelelő táblát és oszlopot, majd a helyes összesítést kell elvégeznie. Mandell ezt Stephen Curry szabaddobási arányával szemléltette. Curry pályafutása során 92,3 százalékos sikerességgel dobott, tíz egymást követő sikeres dobás valószínűsége azonban már körülbelül 45 százalék. A dbt termékmenedzsere szerint a több lépésből álló láncok hibaarányát önmagában a jobb modell nem oldja meg.

Négy irány a megbízhatóbb szemantikai réteghez

Mandell négy területet emelt ki. Az első az integráció javítása. A dbt olyan „szemantikai SQL” felületén dolgozik, amelyen keresztül a BI-eszközök közvetlenül, adatbázis-lekérdezéshez hasonló módon érhetnék el a dbt Semantic Layert. Közben lehetőség maradna tetszőleges SQL-kapcsolásokra olyan, nem szabályozott, alkalmi táblákon is, amelyekre szükség lehet.

A második cél a szemantika feljebb helyezése az adatátalakítási rétegben. Ez magában foglalhatja az előzetes összesítést, illetve azt, hogy a mérőszámok dimenzióként jelenjenek meg ügyfélközpontú modellekben. Mandell szerint az általa megismert vállalatok egy része az adattárházi költsége 30, illetve 40 százalékát materializációkra fordítja a késleltetési célok eléréséhez, és úgy véli, a dbt ezt a költséget csökkentheti.

A harmadik elem a szemantikai réteg szerepe egy szélesebb kontextusréteg determinisztikus alapjaként. Ebbe strukturálatlan adatok, például ügyfélszolgálati jegyek, dokumentumok és hívások is bekerülhetnek. A negyedik a konfigurálhatóság és a hozzáférés-szabályozás. Az ügynököknek csak az adott munkafolyamathoz szükséges kontextust kellene látniuk, miközben azt is követni lehetne, pontosan milyen adatokhoz fértek hozzá.

Nyitott szabványok és felhasználói kérdések

A dbt Labs továbbra is aktív tagja az Open Semantic Interchange kezdeményezésnek, és a vállalat szerint a MetricFlow-definíciók OSI-dokumentumként exportálhatók más környezetekben való használatra. Mandell ugyanakkor elismerte, hogy az ökoszisztéma még nem oldotta meg, mennyi részlet őrizhető meg a különböző szemantikai rétegspecifikációk közötti átalakításkor.

A beszélgetésen az is elhangzott, hogy a natív SQL-felület nem váltja ki a dbt meglévő mentett lekérdezéseit. A mentett lekérdezések elsősorban az összesítések materializálására szolgálnak, ami eltérő probléma. A dbt Labs a szemantikai réteg szerzőségének és kiszolgálásának kérdéseit, valamint az örökölt és új megoldások bevezetésének akadályait is tovább kívánja tárgyalni a dbt termékcsapatával.