开发者生态
morning
业务本体:面向 AI 与数据分析,统一规范业务概念与指标口径 | 技术趋势
2026-11-18
1 阅读
约10分钟阅读
Nick El-Rayess
字号:
2026 年,智能体将在企业级应用中取得哪些实质性突破? 点击下载 "《2026 年 AI 与数据发展预测》白皮书,获悉专家一手前瞻,抢先拥抱新的工作方式! 11 月 3 日,我们宣布推出 Business Ontology ,即将开启公开预览。它提供了一种受治理的方式,支持团队定义、归属、审批共用业务术语、实体、关联关系与指标,并将其映射至承载这些定义的数据和模型。Business Ontology 隶属于 Snowflake Horizon Context ,也就是 Horizon Catalog 内的受治理上下文层。它让人员与 AI 智能体共用同一套经过审批的标准定义,使智能体能够按照业务口径解读企业数据。团队可在各类智能体和应用中复用这套业务知识,无需为每个工具重复定义,同时保留销售、财务、营销等不同业务域的差异。 举例来说,当智能体处理收入相关查询时,它需要清楚财务口径下收入如何定义,以及收入和订单、客户之间的关联关系。这类业务知识通常分散在 BI 模型、dbt 项目以及资深员工的经验里。每当新增一个智能体,团队往往都要重新搭建一遍相关逻辑。一旦智能体理解出现偏差,大家就会依据错误的数据做出决策,进而丧失对 AI 输出结果的信任。而 Business Ontology,就是供团队统一存放官方业务知识的唯一底座。 整合全域数据资产知识,构建权威业务上下文 Horizon Context 汇聚团队现有各类工具中的业务知识。其开箱即用的元数据连接器,可从Tableau、Power BI、dbt、SQL Server、Sigma、Omni、 PostgreSQL 等数据源采集 schema、查询日志、看板定义以及使用行为信号。依托跨平台数据血缘,系统可追踪数据从源数据库到看板、历经多层转换的完整链路,形成连通的数据资产全景视图,让团队掌握 Snowflake 内外数据的来源与使用情况。 为使智能体可信调用上下文,Snowflake 提供了三层上下文,各司其职: Snowflake Cortex Sense(即将开启公开预览)自动推断上下文,Business Ontology 治理业务含义,Snowflake Semantic Views 执行指标计算。 为何拆分为三层而非一层?因为每一层解决的问题各不相同,没有任何单一能力可以同时兼顾这三件事。Cortex Sense 帮助智能体快速广泛覆盖数据资产,无需团队提前手动定义每张数据表和每一项指标。Business Ontology 在核心环节注入权威口径,确保人员与智能体统一遵循经过审批的业务定义。Semantic Views 保障计算精准度,保证各项指标每次都以一致规则运算。 这三层不存在固定先后顺序。客户可以优先选用最贴合自身迫切需求的一层,再随着业务发展叠加其余能力。有的团队从术语表切入,有的团队会优先落地可执行指标。无论从哪一层切入,这三层能力都可为所有智能体、应用及人员提供统一、权威的业务上下文。 下面我们逐层展开。 借助 Cortex Sense 实现上下文自动化 对不少团队来说,Cortex Sense 是很自然的切入点,大量底层工作都由它自动完成。它会持续观测用户查询数据、搭建看板、运行数据管道的行为并采集上下文,再把这些日常操作沉淀为业务认知,以此降低团队手动定义每张数据表、各项指标含义及关联关系的成本。 Cortex Sense 依托团队已有的元数据和使用行为模式构建上下文,涵盖查询历史、看板、dbt 模型等资产。它会跟随业务变化同步迭代自身认知,并按照预设周期自动更新知识库。团队只需锁定业务应用场景、接入现有相关上下文,再借助反馈和评估持续调优,无需为每张数据表手动建模。除此之外,Cortex Sense 还可自动识别相互矛盾的业务信息,并提请团队确认可信来源。 当团队准备对核心业务术语开展治理时,Cortex Sense 可在 Business Ontology 中生成初始草稿,自动给出推荐定义、关联关系以及数据链路,团队无需从零搭建。大家只需锁定业务应用场景、接入已有相关上下文,再通过反馈与评估加以打磨,从而免去了手动为每张表建模的负担。与此同时,Cortex Sense 能够智能识别存在冲突的业务信息,提请团队确认可信来源。 借助 Business Ontology 定义业务上下文 Business Ontology 是团队统一登记核心业务术语的定义、责任人以及相互关联关系的载体。以 “净收入” 为例,不必再让每个语义视图、看板和智能体各持一个版本,分析师只需定义一次(或从现有术语表导入),把作用域设为“财务”,指定责任人,完成审批,再把它关联到语义视图里计算它的那个指标(见图 2)。自此,所有智能体与跨团队成员都将沿用这套经过审批的标准定义开展工作。团队可实现以下操作: 让智能体锚定业务概念:由领域专家定义客户、订单、收入等业务概念及其关联关系,再由工程师将这些业务定义对接到底层数据。完成这一步后,智能体就能够依托企业自有业务知识解读数据;跨语义视图对齐指标:团队可将各个语义视图中等价的指标,关联到同一个共享业务定义。借此统一业务口径,同时不强制所有团队使用相同的计算实现方式。 Business Ontology 同样支持保留经过认可的差异化口径:例如餐饮企业可按不同品牌分别定义 “同店销售额”。每一套口径先完成独立审批,再标注所属品牌,最后绑定承载计算逻辑的语义视图;帮助用户找到准确定义:任何人都可以查询术语,查看对应的责任人与审批状态,还能通过链路定位该指标的计算出处。品牌、区域的差异化口径将保留各自的作用域。 由于这类定义会直接影响业务决策,企业可依托 Horizon Catalog 的治理管控能力,限定定义的创建、编辑与审批权限。AI 生成的建议和导入的定义仅作为待审核的初始素材,由责任负责人判定哪些内容可以成为正式口径。如果获批定义与 Cortex Sense 的自动推断结果出现冲突,智能体将优先采用获批定义,Cortex Sense 也会基于该结果持续学习。 借助 Semantic Views,一次配置定义与计算逻辑,即可全局复用 Semantic Views 负责定义各项指标的计算规则,Business Ontology 则治理指标的业务含义与审批人。每一个语义视图会把业务域内的指标、维度和联接封装为 Snowflake 对象,供智能体、BI 工具以及 SQL 直接查询。如此一来,智能体能够依据受治理的逻辑生成 SQL,而非自行推测计算规则。Business Ontology 仅负责把获批的业务定义关联至对应的语义视图,不改动计算逻辑。计算规则的管理权,仍归属对应视图的责任人。 高质量上下文,离不开原生开放的平台 业务知识只有能够跨工具流转,价值才能持续释放。正是基于这个考量,Snowflake 参与发起 Apache Ossie(孵化中)。这是一套厂商中立的语义模型开放标准,目前已有数十家机构共同支持,包括 Microsoft、Salesforce、dbt Labs、Qlik、ThoughtSpot。依托这套标准,Semantic Views 可通过导入、导出 Ossie 定义,实现指标口径在
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱