Amazon SageMaker Data Agent ajoute du contexte métier pour la génération automatisée de SQL et Python

Amazon a mis à jour son SageMaker Data Agent pour l'intégrer directement à SageMaker Catalog, permettant aux praticiens des données d'utiliser le contexte métier pour la génération automatisée de code. Cette mise à jour, annoncée cette semaine, permet aux utilisateurs d'interroger des ensembles de données et de générer du code SQL ou Python en utilisant une terminologie métier familière plutôt que des noms de tables techniques ou des structures de schémas complexes. En comblant le fossé entre le stockage technique des données et la logique métier, l'outil vise à accélérer le processus de découverte de données pour les équipes d'entreprise.

L'intégration utilise les métadonnées et le contexte métier organisés au sein du SageMaker Catalog. Ce référentiel contient souvent des informations critiques synchronisées à partir d'outils tiers de gouvernance et de catalogage de données, notamment Collibra, Atlan et Alation. En puisant dans ces sources établies, le SageMaker Data Agent peut interpréter des requêtes en langage naturel faisant référence à des unités commerciales spécifiques, des catégories de produits ou des mesures financières, en les associant avec précision à l'infrastructure technique sous-jacente.

Améliorer les flux de travail des données en entreprise

Pour les grandes organisations, le SageMaker Data Agent s'attaque à un goulot d'étranglement courant où les data scientists et les analystes passent un temps considérable à déchiffrer des schémas de base de données cryptiques. La capacité de générer du code précis via le contexte métier réduit l'effort manuel requis pour le mappage des schémas. Cette automatisation est particulièrement utile dans les environnements où les données sont réparties dans plusieurs silos et gérées via différentes plateformes de gouvernance. Le système garantit que les scripts Python et SQL générés restent cohérents avec les règles métier définies par l'organisation.

L'implémentation technique repose sur la synchronisation des métadonnées entre les services AWS et les partenaires de gouvernance externes. Lorsqu'un utilisateur interagit avec l'agent, celui-ci se réfère au SageMaker Catalog pour résoudre les ambiguïtés de la demande de données. Par exemple, une demande de données de ventes régionales est automatiquement liée aux tables et colonnes correctes telles que définies dans les métadonnées synchronisées d'Alation ou Collibra. Cela réduit le risque d'erreurs qui surviennent lorsque les praticiens devinent manuellement l'utilité de champs de données mal étiquetés.

Ce développement s'inscrit dans une tendance plus large du secteur AI News visant à rendre les outils d'apprentissage automatique plus accessibles aux parties prenantes non techniques tout en maintenant des normes de données rigoureuses. En s'intégrant aux catalogues d'entreprise existants, Amazon positionne SageMaker comme un environnement plus cohérent pour les opérations de données de bout en bout. La mise à jour est actuellement disponible pour les utilisateurs de l'écosystème Amazon SageMaker, offrant un parcours plus fluide de la découverte des données au développement de modèles.

Bien que nous nous efforcions d'être précis, bytevyte peut faire des erreurs. Il est conseillé aux utilisateurs de vérifier toutes les informations de manière indépendante. Nous déclinons toute responsabilité en cas d'erreurs ou d'omissions.

Sources

Amazon SageMaker Data Agent integrates business context into conversations

Related Articles

• Amazon SageMaker Data Agent désormais disponible pour les domaines IAM Identity Center
• Databricks lance le Genie Agent Mode pour l'analyse de données
• Amazon SageMaker AI ajoute une API compatible avec OpenAI pour simplifier le changement de modèle

✔Human Verified