Databricks 推出 Predictive AI Functions,让 SQL 用户直接做预测与异常检测
Databricks 把预测类高级分析做成开箱即用的 SQL 函数,让业务分析师跳过数据科学团队排队,直接在 SQL 和报表里拿到模型产出。
Databricks 将预测、异常检测、驱动因素分析和预测建模封装成 SQL 原生函数,业务分析师无需机器学习经验即可调用。模型由平台集中维护,可在 SQL、Genie 自然语言问答和仪表盘中直接使用,省去自建模型和基础设施的环节。
正文摘录
Predictive AI Functions 让业务用户和 SQL 分析师无需高深的 ML 专业知识，就能获得高质量的预测、异常检测、驱动因素分析和预测（prediction）能力。 数据团队总是被问到同样的问题：“下个季度的销售额会是多少？”“这个指标为什么变动了？”“最近的数据是否偏离了我们通常看到的正常范围？”回答这些高级分析问题，通常意味着把活儿交给数据科学团队去建模、去管理基础设施。这就形成了一个瓶颈：业务用户在排队等待，而很多问题甚至根本没被提出来。 现已进入 Beta 的 Predictive AI Functions 消除了这一瓶颈：它让分析师和业务用户能够运行预测、驱动因素分析、异常检测等高级分析，全部通过由最先进 ML 模型支撑的内置函数完成。这些 SQL 原生函数可以直接在 SQL 中调用，可以在 Genie 中用自然语言提问触发，也可以嵌入仪表盘。由于 Databricks 集中维护这些模型，团队无需自己建模或管理基础设施，就能获得高质量、一致的答案。 本次发布新增了四个 SQL 原生函数，并提升了 aiforecast 的准确率： 为了展示这些函数如何贯穿 Databricks 各处使用，我们将用 NYC taxi trips 数据集，在仪表盘、SQL 和 Genie 中分别演示。 仪表盘是团队盯着业务核心指标的地方，往往也是他们查看这些指标未来走向的地方。有了 aiforecast，团队可以预测指标，并把预测结果与其余报表一起呈现。 新的 aiforecast 让高质量预测变得唾手可得，完全无需调参。它由基于 transformer 的时间序列基础模型驱动，该模型在海量、多样的时间序列集合上预训练，就像大语言模型在文本上训练一样。由于它已经能识别季节性、趋势等常见模式，因此无需任何调优，就能对你的数据生成准确预测。