כל מה שצריך לדעת על Credible Data

לחבר נתונים | להגדיר משמעות עסקית | לשאול | ליצור דשבורדים

Credible Data היא פלטפורמת AI Analytics שמתחילה בהגדרת המשמעות של הנתונים. במקום שכל דוח, משתמש או סוכן AI יחשבו מדד בדרך אחרת, מגדירים מודל נתונים עסקי אחד שמשרת שאלות בשפה טבעית, דשבורדים ואפליקציות. כך אפשר לקשר בין מקורות המידע לבין תשובות שמבוססות על ההגדרות של הארגון.

באינפלואו אנחנו משלבים הבנה עסקית והנדסת נתונים כדי לתכנן את שכבת המידע, להגדיר מדדים והרשאות ולהטמיע פתרון ניתוח שמתאים לאופן העבודה שלכם.

לוגו Credible Data

שכבה סמנטית שמדברת בשפת העסק

במודל של Credible מגדירים ישויות, קשרים, ממדים, מדדים וכללי גישה באמצעות Malloy. למשל: מה נחשב למכירה, כיצד מקזזים החזרות, מי מוגדר כסוכן מכירות, איך מחברים פריטים ללקוחות, ומה פירוש ״השנה״ בדוח של הארגון.

ההגדרות נכתבות פעם אחת ומשמשות את כלי האנליזה וסוכני ה־AI. אנשי העסק יכולים להציע הגדרה בשפה טבעית, ואנשי הנתונים יכולים לבדוק את המודל ולנהל שינויים כקוד באמצעות Git. התוצאה תלויה באיכות ההגדרות ובבדיקתן מול נתוני הארגון.

מחולל דוחות תמונה

לשאול שאלות, לקבל תשובות ולהמשיך לחקור

מנהל יכול לשאול ״מי הסוכנים שמכרו הכי הרבה ברבעון?״, להמשיך ב״אילו מוצרים תרמו לגידול?״ ולבקש השוואה לתקופה קודמת. Credible מציגה תשובות כמדדים, טבלאות וגרפים על בסיס אותו מודל עסקי, ומאפשרת לעיין בשאילתה שמאחורי התוצאה.

כשרוצים לעקוב אחר מדד לאורך זמן, אפשר לתאר את הדשבורד הרצוי בשפה טבעית. סוכן ה־AI יוצר אותו על בסיס המודל, וצוות הנתונים יכול לבדוק את הקוד וההגדרות לפני השימוש השוטף.

מהנתונים הקיימים ועד לסוכני AI

Credible יכולה להתחבר למחסני נתונים כגון PostgreSQL, Snowflake, BigQuery ו־Databricks, וגם למקורות כגון מסדי נתונים תפעוליים, גיליונות וקבצים. לא בכל תרחיש נדרש Data Warehouse נפרד; בארגון שבו יש כמה מערכות ולוגיקה מורכבת, מחסן נתונים מסודר עשוי עדיין להיות הבחירה הנכונה.

אותו מודל יכול לשרת דשבורדים, יישומים וסוכני AI דרך MCP. כל שאלה עוברת דרך שער שבודק את כללי הגישה המוגדרים במודל, כך שהנתונים המוחזרים מותאמים להרשאות המשתמש.

היכולות המרכזיות של Credible Data

  • מודל נתונים עסקי: הגדרה משותפת למדדים, ישויות, קשרים וחישובים.
  • תשאול בשפה טבעית: שאלות המשך וחקירת נתונים מתוך ההקשר העסקי.
  • דשבורדים ויישומי נתונים: יצירה בעזרת AI על בסיס המודל המוגדר.
  • חיבור לסוכני AI: מסירת ההקשר הנדרש לשאלה דרך MCP, במקום לחשוף לסוכן את כל הסכמה הגולמית.
  • הרשאות ובקרה: כללי גישה במודל, בדיקה בשער השאילתות ותיעוד הפעילות.
  • ניהול המודל כקוד: סקירת שינויים, בדיקות וניהול גרסאות ב־Git.

דוגמה: מכירות, פריטים וסוכנים

נניח שבארגון נתוני המכירות נמצאים במערכת ERP, פרטי הלקוחות ב־CRM וטבלת הסוכנים במערכת נוספת. אינפלואו יכולה לחבר ולעבד את המקורות, למשל בעזרת Sling Data ו־dbt לתוך PostgreSQL, ואז לבנות ב־Credible שכבה סמנטית שמגדירה מכירה נטו, שיוך לסוכן וקשר לפריט וללקוח. לאחר שההגדרות נבדקו, המשתמשים יכולים לשאול שאלות על המכירות וליצור תצוגות ניהול המבוססות על אותם כללים.

זהו תרחיש לדוגמה: Credible אינה מחייבת שימוש ב־PostgreSQL או במחסן נתונים נפרד, והארכיטקטורה נקבעת לפי מקורות המידע, ההרשאות והצרכים העסקיים.

למה לעבוד עם Inflow?

הערך של כלי AI תלוי באיכות המידע ובהגדרות שמאחוריו. אנו מלווים את הארגון מאפיון מקורות הנתונים והלוגיקה העסקית, דרך חיבור ועיבוד הנתונים, ועד הגדרת המודל, בדיקת התשובות והטמעה למשתמשים. המטרה היא שתוכלו לשאול את הנתונים שאלות שימושיות ולקבל תשובות עקביות שניתן לבדוק.

דברו איתנו על Credible Data | מידע נוסף באתר Credible