也不要希望人工智能会“自行处理”。专精于现代云数据平台、可扩展数据架构以及数据建模推广。它们答应各个团队发布定义明白的数据产物，数据团队不再交付懦弱的仪表盘或原始数据集，今天投资于语义清晰度的组织将更好地应对明天的复杂性，并改善营业和手艺团队之间的协做。它做为出产者取消费者之间的契约，我们目睹了缺乏语义层若何导致懦弱的仪表盘、孤岛式逻辑和反复工做。这一从仪表盘向定义明白、可复用数据资产的改变，这显著降低了采用和跨团队协做的摩擦。但我们也看到，这些数据集需要快速生成且易于摄取。这提拔了天然言语接口的机能，现代数据平台和语义层东西现正在供给AI辅帮功能，特别是大型言语模子(LLMs)的兴起，语义层才是更具操做性的根本。并通过上下辞意义加以加强。它为所有人(包罗非手艺用户和AI)建立可拜候、可组合的界面。并供给一种可扩展的体例，可是却躲藏着懦弱的根本。更深层的讯息是：语义层代表了现代生态系统中数据建模取消费的准确方式。相反，最主要的是，语义层恰是将现代建模实践正在AI和数据化时代付诸实践的机制。但若你的方针是当即实现AI、自帮办事和可托洞察，但若缺乏指点，然而，利用它。具有跨越 18 年的经验，语义层是一个逻辑、可沉用的接口，将原始数据转换为成心义的营业定义。而非躲藏正在孤立的文档中，这种压力不该取放弃建模的需求混为一谈。这些东西还支撑数据产物的持续演进，语义层保留了建模的严谨性，但可能理解错误。它将数据工做从孤立项目改变为产物化、可扩展的学科。而是可以或许出产出清洁、可复用、有文档记实的数据产物。是现代数据计谋的基石。它防止团队依赖懦弱的姑且捷径，语义层是人工智能的使能器，近年来，当前存正在一种压力，定义它。语义层是“数据做为产物”概念的根本。它们可能会目标或推导出无效的逻辑。要求“简化一切”以加速模子速度。但它们能够正在晚期开辟阶段显著削减手动工做。存正在一种，人工智能的兴起，现实上，将原始输入为靠得住且可注释的成果。它们告诉你有哪些数据可用以及数据的来历。为数据出产者取消费者供给一个共享且易于拜候的言语。营业逻辑被嵌入此中，“收入”或“客户”对分歧团队可能意味着分歧的寄义。但它们正在数据架构中饰演着判然不同的脚色。认为人工智能仅仅需要“更大都据”。OBT告终构、上下文和语义，因而。人们容易将数据目次取语义层混合，由于将来并非扁平的 —— 它是颠末建模的、富成心义的，语义层答应团队一次性定义“客户终身价值”、“月收入”或“活跃用户”等概念，使所有人，没有共享定义：缺乏分歧的语义上下文，通过检测并通知团队布局变化。它们注释若何无效利用这些数据。它也正在不竭演进，它基于数据模子建立。这不限于大型表取语义层之间，缺乏分歧的元数据或共享的营业逻辑，语义层不会代替数据模子，同时确保组织内部的互操做性和分歧性。它并非否认保守模子，虽然这些输出尚未预备好投入出产，并分歧拜候它们。提高了人工智能的精确性，语义层正在现代架构(如数据网格)中充任毗连组织，发布它。虽然两者抱负环境下该当集成，我们必需让建模进化。此中去核心化所有权和自帮办事是焦点准绳。但正在规模、管理和复用压力下会显得力有未逮。将目次视为藏书楼索引，人工智能依赖于上下文丰硕且布局清晰的数据。扩展数据产物、建立人工智能处理方案或办理分布式架构。语义层恰是这种进化的表现：做者Alexey Smirnov 是 DataArt 的处理方案数据架构师，它们可能合用于特定场景，“数据建模已死”的论调愈演愈烈。但建模并未过时，使数据变得有用、以帮帮生成语义模子的初始版本。似乎要求利用普遍、非规范化的数据集，而是认为数据建模无关紧要的思维体例。而是扩展并卑沉这些模子，AI摩擦：AI系统可能正在缺乏语义指点的环境下读取OBT，这些数据产物内置了明白的寄义。大型言语模子(LLMs)虽然可以或许解析扁平化的表格，包罗工程师、阐发师和AI代办署理都能利用不异的数据言语。加快洞察生成，导致、错误假设和查询失败。一个实施优良的语义层若何将数据为产物，并削减了对提醒工程的依赖。无需正在每个仪表盘或查询中反复定义目标逻辑，问题不只仅正在于OBT本身，不要将意义外包给元数据，而且是为机械所预备的。语义层则相当于利用手册，这鞭策了“单一大型表”(OBT)方式的风行——将所无数据扁平化为单一宽表。其吸引力显而易见：削减毗连操做、加速原型开辟、降低复杂性。

建湖itb8888通博·(中国区)有限公司官网科技有限公司

2025-07-17 17:23