Synonyma a popisy

Introduction to Databricks Genie

Gang Wang

Senior Data Scientist

Problém jazykové mezery

recraft: half: Dvě bubliny zobrazující různou terminologii – obchodní uživatel říká klienti a tržby, zatímco databáze používá customer_id a total_amount, vizualizace komunikační mezery

Časté terminologické pasti:

„Zákazník" – uživatelé říkají „klienti", ale tabulka je sales_customers
„Peníze" – uživatelé říkají „tržby", ale sloupec je totalPrice
„Místo" – uživatelé říkají „pobočky", ale tabulka je sales_franchises

Před a po kurátorství

Před: „Jaké je naše EBITDA?"

nanobanana: half: Chat zobrazující neúspěšný dotaz na EBITDA

Genie nedokáže „EBITDA" přiřadit k žádnému sloupci

Po: přidání synonym

nanobanana: half: Chat zobrazující úspěšný dotaz na EBITDA s grafem

Stejná otázka, přesné výsledky

Popisy sloupců

Skrývání nepotřebných sloupců

Panel viditelnosti sloupců zobrazující sloupce tabulky sales_transactions se skrytým customerID

Pravidla viditelnosti sloupců:

Skryj technická metadata (new_id, chunk_id)
Skryj redundantní ID, pokud existuje sloupec s názvem
Zobraz sloupce čitelné pro člověka (product, quantity, review_date)
Méně sloupců = méně zmatků = vyšší přesnost

Pojďme cvičit!

Introduction to Databricks Genie