הבעיה
רוב כלי ה-AI מעבירים את כל הסכמה לפרומפט ומקווים לטוב
רוב כלי ה-NL-to-SQL מעבירים למודל את השאלה יחד עם הסכמה כולה, ומקווים שיבחר את הטבלאות הנכונות. עם 30 טבלאות זה עובד. עם 300 המודל מתחיל להמציא. וכשיש כמה מקורות, התוצאות קורסות.
המנוע הסמנטי
Datural בונה מפה חיה של כל טבלה, עמודה וקשר בכל המקורות שלכם. כששואלים שאלה, המנוע כבר יודע איפה לחפש.
הבעיה
רוב כלי ה-NL-to-SQL מעבירים למודל את השאלה יחד עם הסכמה כולה, ומקווים שיבחר את הטבלאות הנכונות. עם 30 טבלאות זה עובד. עם 300 המודל מתחיל להמציא. וכשיש כמה מקורות, התוצאות קורסות.
הגישה של Datural
כשמחברים מקור, Datural לא רק קוראת את הסכמה. היא בונה גרף ידע של משמעות הנתונים: קשרים, מונחים עסקיים, דפוסי שמות. כששואלים שאלה, המנוע שולף רק את הטבלאות שחשובות ונותן למודל הקשר ממוקד ומדויק.
מחברים מסד נתונים, והמנוע ממפה כל טבלה, עמודה וקשר תוך שניות. הוא גם מנסח תיאורים קריאים, כך ש-acct_ltv_q4 הופך ל״ערך חיים של לקוח, רבעוני״.
שואלים על ״הכנסות״, והמנוע מוצא את העמודה order_total. שואלים על ״נטישה״, והוא מציף את subscription_cancelled_at. הוא מבין משמעות, לא רק שמות.
משתמשים ב-Postgres, אירועים ב-MongoDB, מדדים ב-Databricks. המנוע מזהה מושגים משותפים למקורות ובונה ביניהם גשרים באופן אוטומטי.
מסד עם 200 עמודות מצטמצם לחמש הטבלאות שרלוונטיות לשאלה. המודל רואה בדיוק את מה שהוא צריך, לא יותר ולא פחות, ושיעור ההמצאות יורד משמעותית.
מאשרים שהשאילתה נכונה, והמערכת זוכרת. בפעם הבאה שמישהו בצוות ישאל משהו דומה, התשובה תגיע מיד, בלי לפנות למודל.
כל תשובה מובילה לטבלאות, לחיבורים ול-SQL שמאחוריה. רואים בדיוק באילו מקורות השתמשנו, איך הם התחברו ולמה. בלי קופסאות שחורות.
מחברים את Datural למסדי הנתונים. המנוע סורק את הסכמה, מגלה קשרים גלויים וסמויים ובונה גרף ידע עם תיאור לכל ישות.
כששואלים, המנוע מוצא את הטבלאות הדרושות בעזרת התאמה סמנטית ומעבר על הגרף. הוא בונה את ההקשר המינימלי, בדרך כלל 3 עד 7 טבלאות מתוך מאות, ומעביר אותו למודל.
המודל כותב שאילתה בשפה של כל מקור: SQL ל-Postgres, aggregation pipeline ל-MongoDB. התוצאות מתאחדות לתשובה אחת.
כל תשובה מאושרת מחזקת את הגרף. שאילתות מאומתות הופכות למסלולים שמורים, ומונחים עסקיים הופכים להגדרות. עם הזמן המנוע נעשה מהיר יותר, זול יותר ומדויק יותר.
| יכולת | NL-to-SQL רגיל | Datural |
|---|---|---|
| איך בונים הקשר | כל הסכמה בפרומפט | רק מה שהגרף בוחר |
| דיוק כשהמסד גדל | נשבר אחרי כ-30 טבלאות | עובד גם עם מאות |
| שאילתות בין מקורות | ✕ | אוטומטי |
| למידה מהשימוש | ✕ | מכל שאילתה מאושרת |
| עלות של שאלה חוזרת | קריאה מלאה למודל בכל פעם | שמור, מיידי |
| גילוי קשרים | רק מפתחות זרים מוגדרים | מוגדרים, מוסקים וסמנטיים |
| שקיפות | פרומפט נכנס, SQL יוצא | מעקב מלא אחרי טבלאות וחיבורים |
ראו איך המנוע הסמנטי הופך את מסדי הנתונים שלכם לגרף ידע שעונה על שאלות בדיוק.
קבעו דמו