← Назад

models

Объявление о новом опыте Agentic Catalog в Amazon Quick

Amazon Quick представляет новый опыт Agentic Catalog, основанный на AI, который помогает кураторам данных быстро определять границы контекста, наследовать семантику из upstream-каталогов и обеспечивать доверенные аналитические ответы и дашборды.

AS1 NewsИсточник: aws.amazon.com

datacatalogamazonquicksemanticmetadatadataanalytics
AMZN$256.78-0.82%Databricks

Amazon Quick анонсировал внедрение нового опыта Agentic Catalog, предназначенного для улучшения работы с метаданными в корпоративных каталогах данных. Этот инструмент использует возможности искусственного интеллекта для автоматического обнаружения, создания и наследования метаданных из систем вроде AWS Glue Data Catalog и Databricks Unity Catalog.

Основная задача — устранить разрыв между существующими метаданными и их использованием конечными пользователями. В настоящее время, несмотря на наличие богатых метаданных в upstream-каталогах, их интеграция в аналитические платформы требует значительных ручных усилий, что замедляет процесс получения инсайтов.

Новый опыт позволяет кураторам описывать свои потребности на естественном языке, после чего AI-агент ищет наиболее релевантные таблицы и связи, создавая при этом наборы данных и темы с наследуемой семантикой. Это ускоряет процесс от определения требований до получения аналитических ответов и дашбордов с минимальными затратами времени.

Интеграция с AWS Glue Data Catalog и Databricks Unity Catalog обеспечивает автоматическую наследуемость описаний таблиц, связей и бизнес-терминов, что позволяет пользователям сразу получать доверенные ответы и визуализации. В результате, время на подготовку аналитики сокращается с недель до минут.

Данный инструмент ориентирован на бизнес-аналитиков, инженеров данных и разработчиков, стремящихся повысить эффективность работы с метаданными и обеспечить качество аналитических решений. В будущем планируется расширение поддержки других каталогов и типов метаданных.

нейтрально

Обеспечивает автоматизацию и ускорение процесса подготовки данных для аналитики, повышая доверие к AI-ответам и дашбордам.