Passa al contenuto principale
Piattaforma

Sblocca insight e previsioni straordinarie con Predictive AI Functions

Le Predictive AI Functions offrono agli utenti aziendali e agli analisti SQL previsioni, rilevamento di anomalie, analisi dei fattori chiave e predizioni di alta qualità, senza competenze avanzate di ML.

di Jonathan Brito e Gary Shambat

  • Le Predictive AI Functions consentono agli utenti aziendali e agli analisti SQL di creare previsioni, individuare anomalie, analizzare i fattori principali di una metrica e fare predizioni, il tutto senza competenze avanzate di ML.
  • Le AI Functions sono facili da usare in Genie e da integrare nei workflow esistenti senza richiedere agli utenti di creare e gestire modelli
  • Il lancio include cinque funzioni: una versione aggiornata di ai_forecast, oltre alle nuove ai_top_drivers, ai_detect_anomalies, ai_predict_value e ai_predict_class.

Ai team dei dati vengono sempre poste le stesse domande: "a quanto ammonteranno le vendite nel prossimo trimestre?", "perché questa metrica è cambiata?" e "questi dati recenti sono al di fuori della norma?". Per rispondere a queste domande di advanced analytics di solito è necessario affidare il lavoro a un team di data science che crei modelli e gestisca l'infrastruttura. Questo crea un collo di bottiglia in cui gli utenti aziendali restano in attesa e molte domande non vengono nemmeno poste.

Le Predictive AI Functions, ora in Beta, eliminano questo collo di bottiglia consentendo ad analisti e utenti aziendali di eseguire analisi avanzate come forecasting, driver analysis e rilevamento delle anomalie, il tutto tramite funzioni integrate basate su modelli di ML all'avanguardia. Queste funzioni native per SQL possono essere richiamate direttamente in SQL, invocate in Genie ponendo domande in linguaggio naturale o incorporate nelle dashboard. Poiché Databricks gestisce i modelli in modo centralizzato, i team ottengono risposte coerenti e di alta qualità senza dover creare o gestire infrastrutture.

Questo lancio aggiunge quattro nuove funzioni SQL native e una maggiore precisione a ai_forecast:

  • ai_forecast: proietta una serie temporale nel futuro
  • ai_top_drivers: individua i segmenti che hanno inciso maggiormente sulla variazione di una metrica
  • ai_detect_anomalies: contrassegna le righe di outlier nei dati temporali
  • ai_predict_value: predi valori continui (regressione)
  • ai_predict_class: predi valori categorici (classificazione)

Per mostrare come utilizzare queste funzioni in Databricks, esamineremo alcuni esempi nelle dashboard, in SQL e in Genie utilizzando il dataset delle corse in taxi di NYC.

Previsioni affidabili nelle dashboard

Nelle dashboard i team monitorano le metriche fondamentali per la propria attività ed è spesso qui che si rivolgono per capire l'andamento futuro di tali metriche. Con ai_forecast, i team possono proiettare le metriche e visualizzare queste previsioni insieme al resto dei report.

Il nuovo ai_forecast semplifica l'ottenimento di previsioni di alta qualità senza alcuna ottimizzazione. È basato su un foundation model per serie temporali basato sull'architettura transformer, preaddestrato su una vasta e variegata raccolta di serie temporali, esattamente come un modello linguistico di grandi dimensioni (LLM) viene addestrato sul testo. Poiché riconosce già pattern comuni come la stagionalità e i trend, genera previsioni accurate sui tuoi dati senza richiedere alcun tuning.

La visualizzazione sottostante utilizza ai_forecast per proiettare i volumi di corse mensili nel dataset delle corse in taxi di NYC fino alla fine del 2027. La previsione rivela i pattern stagionali attesi nella domanda di taxi, fornendo una visione basata sui dati dell'andamento dei passeggeri.

image1.png

Il nuovo ai_forecast non solo gestisce automaticamente i pattern generali, ma introduce anche funzionalità che consentono ai team di aggiungere fattori specifici per il proprio business. Con il supporto integrato per le festività, i team possono prendere in considerazione automaticamente eventi locali come i cali natalizi e i picchi durante le vacanze scolastiche. I team possono anche specificare covariate esterne, inserendo i fattori che determinano una metrica, come le variazioni di prezzo o le spese di marketing, in modo che le previsioni riflettano al meglio l'attività aziendale.

Previsioni avanzate dal linguaggio naturale

Questo lancio introduce anche quattro nuove funzioni per le domande di advanced analytics ad hoc poste di frequente dai team dei dati.

  • ai_top_drivers spiega il motivo del cambiamento di una metrica
  • ai_detect_anomalies segnala i valori anomali
  • ai_predict_value e ai_predict_class compilano i valori mancanti stimando un numero o assegnando una categoria.

Ognuna di esse, come ai_forecast, è una funzione SQL nativa. Gli analisti possono richiamarle direttamente nell'editor SQL o in un notebook, eseguirle su centinaia di milioni di righe e inserire i risultati nelle proprie query e pipeline insieme al resto del lavoro. Rispetto allo sviluppo di modelli personalizzati per funzionalità simili, questo approccio riduce i tempi di sviluppo e ne rende l'uso accessibile a un numero maggiore di utenti.

Ad esempio, la query seguente aggrega le corse in taxi di NYC in una serie temporale dei ricavi giornalieri e la passa a ai_detect_anomalies, che adatta automaticamente un modello ai dati e segnala i giorni insoliti.

Queste stesse funzioni saranno disponibili per gli utenti aziendali tramite Genie (ai_top_drivers è disponibile oggi, mentre ai_forecast, ai_detect_anomalies, ai_predict_value e ai_predict_class saranno disponibili a breve). Chiunque può porre una domanda in linguaggio naturale, ad esempio sul perché i ricavi siano diminuiti nello scorso trimestre o su quali clienti potrebbero abbandonare il servizio (churn), e Genie richiamerà la funzione idonea per restituire una risposta fondata sui dati e basata su modelli, senza richiedere competenze in SQL o ML.

La query seguente utilizza ai_top_drivers per identificare automaticamente quali segmenti basati sulla fascia oraria e sui giorni feriali/festivi hanno contribuito maggiormente alla variazione dei ricavi delle tariffe dei taxi di NYC tra gennaio e febbraio 2016. Classifica ciascun segmento in base al suo impatto assoluto e relativo sui ricavi, rivelando che le ore centrali dei giorni feriali hanno registrato l'aumento maggiore, mentre l'ora di punta serale nei giorni feriali ha rappresentato l'elemento di maggior freno.

image3.png

Poiché queste funzioni utilizzano metodi di machine learning personalizzati, consentono a Genie di rispondere a domande che un LLM generico non potrebbe gestire in modo affidabile in autonomia.

Qualità ai vertici del settore

Tutte queste funzioni offrono previsioni di alta qualità supportate da modelli di ML pronti per la produzione. Poiché Databricks gestisce questi modelli al centro, tale qualità rimane costante su qualsiasi superficie, permettendo ai team di ottenere lo stesso risultato affidabile, indipendentemente dal fatto che una previsione venga eseguita in una dashboard, in SQL o tramite Genie.

Il forecasting lo dimostra chiaramente. Abbiamo utilizzato fev-bench per valutare le prestazioni del nuovo ai_forecast rispetto alle funzioni di un cloud data warehouse leader di mercato. La percentuale di successo dei task (task win rate) è definita come la percentuale di task (misurata tramite scaled quantile loss) in cui un sistema ottiene un errore probabilistico inferiore rispetto all'altro. Ecco il confronto tra le opzioni:

image4.jpg

ai_forecast supera le prestazioni degli altri fornitori di cloud data warehouse, oltre a quelle della versione precedente di ai_forecast. Con le Predictive AI Functions, i team beneficiano di una precisione ai vertici del settore pronta all'uso, su qualsiasi superficie e senza necessità di tuning.

Inizia subito

Le Predictive AI Functions trasformano le domande che un tempo richiedevano un team di data science (come ad esempio "cosa succederà in futuro?", "perché è cambiato?", "qual è il problema?" e "qual è il valore?") in risposte che i team aziendali possono ottenere in autonomia, proprio lì dove lavorano abitualmente: nelle dashboard, in Genie e in SQL. Il risultato sono le advanced analytics per tutti: previsioni di alta qualità e facili da usare, senza modelli da creare o infrastrutture da gestire.

Vuoi provarle? Inizia con le Predictive AI Functions qui.

(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale

Tag correlati:

Genie

Ricevi gli ultimi articoli nella tua casella di posta

Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.