הבעיה
BI אף פעם לא תוכנן ל-AI
כלי BI ותיקים מוסיפים AI בדיעבד: צ׳אטבוט בצד של בונה גרפים מ-2012. התוצאה היא שכבת שפה שבירה מעל מודל נתונים נוקשה, שעדיין דורש צוות נתונים לתחזוקה, לעדכון ולתיקון.
תרחיש שימוש
כלי BI מסורתיים נבנו עבור אנליסטים שיודעים SQL ורגילים לגרור רכיבים. Datural נבנתה עבור כל השאר, וגם עבור אנליסטים שמעדיפים לא לבנות דשבורדים באופן ידני.
הבעיה
כלי BI ותיקים מוסיפים AI בדיעבד: צ׳אטבוט בצד של בונה גרפים מ-2012. התוצאה היא שכבת שפה שבירה מעל מודל נתונים נוקשה, שעדיין דורש צוות נתונים לתחזוקה, לעדכון ולתיקון.
הגישה של Datural
Datural לא מוסיפה AI ל-BI. היא מחליפה את כל התהליך הידני. שואלים שאלה, מקבלים דשבורד. המערכת כותבת את ה-SQL, בוחרת סוג גרף, מחברת בין מקורות ולומדת מכל שימוש.
כותבים שאלה בשפה חופשית. בלי SQL, בלי בונה גרפים ובלי מודל נתונים.
Datural ממפה את השאלה לגרף הסמנטי, בוחרת את המקורות הנכונים וכותבת SQL יעיל.
המערכת בוחרת את הגרף המתאים, מציגה אותו חי ומניחה אותו על לוח שאפשר לסדר מחדש.
כל שאלה משפרת את המערכת. בזכות מסלולים שמורים, שאלות חוזרות לא צריכות את המודל בכלל.
מתארים במשפט מה צריך, ו-Datural בונה לוח שלם של עמודות, קווים, מדדים ודונאטים. תוך שניות, לא ספרינטים.
שאלה אחת יכולה למשוך מ-Snowflake, Postgres ו-MongoDB באותו רגע. בלי תהליכי ETL ובלי מחסן נתונים.
כל גרף מראה את ה-SQL שיצר אותו. אפשר לבדוק, להעתיק ולשנות. שקיפות מלאה, בלי קופסאות שחורות.
חוקרים, מנהלים והנהלה בוחנים נתונים בלי לפתוח קריאה. צוות הנתונים מתפנה לארכיטקטורה במקום לבקשות נקודתיות.
Datural בוחרת את התצוגה לפי מבנה הנתונים: סדרות זמן מקבלות קווים, השוואות מקבלות עמודות, חלקים מהשלם מקבלים דונאט. תמיד אפשר לשנות.
הדשבורדים פונים ישירות לנתונים החיים, ללא עותקים ישנים וללא רענון מתוזמן. שואלים עכשיו, רואים עכשיו.
לפני: ספרינט של שבועיים עם צוות הנתוניםאחרי: משפט אחד, 10 שניות
לפני: הודעה לאנליסט ויומיים של המתנהאחרי: שואלים את Datural ישירות
לפני: בונים ETL ומחכים לסנכרוןאחרי: שאילתה אחת על כל המקורות
לפני: שישה כלים, שש הגדרותאחרי: גרף סמנטי אחד, אמת אחת
ראו כיצד Datural הופכת שאלות בשפה חופשית לדשבורדים חיים מכל המקורות, לכל הצוות.
קבעו דמו