Sinónimos y descripciones

Introducción a Databricks Genie

Gang Wang

Senior Data Scientist

El problema del desfase de lenguaje

recraft: half: Dos bocadillos con distinta terminología: el negocio dice clients y revenue mientras la base de datos muestra customer_id y total_amount; visualización de la brecha de comunicación

Trampas de terminología comunes:

"Customer": el negocio dice "clients", pero la tabla es sales_customers
"Money": el negocio dice "revenue", pero la columna es totalPrice
"Location": el negocio dice "stores", pero la tabla es sales_franchises

Antes y después de la curación

Antes: "What's our EBITDA?"

nanobanana: half: Interfaz de chat mostrando una consulta de EBITDA fallida

Genie no puede mapear "EBITDA" a ninguna columna

Después: se añaden sinónimos

nanobanana: half: Interfaz de chat con consulta de EBITDA exitosa y gráfico

Misma pregunta, resultados precisos

Descripciones de columnas

Ocultar columnas irrelevantes

Panel de visibilidad de columnas que muestra columnas de sales_transactions con customerID oculto

Reglas de visibilidad de columnas:

Oculta metadatos técnicos (new_id, chunk_id)
Oculta IDs redundantes si existe una columna de nombre
Muestra columnas legibles (product, quantity, review_date)
Menos columnas = menos confusión = más precisión

¡Vamos a practicar!

Introducción a Databricks Genie