Quote from bsdinsight on 27 March 2025, 07:46

Bài viết được đăng vào ngày 25/03/2025, do Daniel Alon, Phó Chủ tịch Cấp cao Quản lý Sản phẩm tại Salesforce, viết. Nội dung tập trung vào giải pháp Tableau Semantics, một lớp ngữ nghĩa (semantic layer) tích hợp AI, giúp doanh nghiệp khai thác dữ liệu hiệu quả hơn trong thời đại của agentic AI

 

Bạn xem chi tiết bài viết của Daniel tại đây 

 

1. Giới thiệu vấn đề về dữ liệu và vai trò của AI

• Vấn đề:
  • Dữ liệu không “nói ngôn ngữ kinh doanh” (lacking business context) gây khó khăn cho việc ra quyết định chính xác.
  • Nhiều tổ chức gặp vấn đề về sự không nhất quán và thiếu tin cậy trong dữ liệu, do thiếu ngữ cảnh kinh doanh và các định nghĩa không đồng bộ (recreated for every report/dashboard).
  • Gartner dự đoán: Đến năm 2026, 60% dự án AI sẽ thất bại nếu không có dữ liệu sẵn sàng cho AI (AI-ready data).
• Giải pháp:
  • Một lớp ngữ nghĩa (semantic layer) có thể tạo ra các tài sản dữ liệu nhất quán, tái sử dụng, làm nguồn dữ liệu đáng tin cậy (single source of truth).
  • Lớp ngữ nghĩa bổ sung ngữ cảnh kinh doanh vào dữ liệu, giúp khai thác toàn bộ tiềm năng của dữ liệu trong thời đại AI chủ động.

2. Tableau Semantics là gì và lợi ích của nó 

• Định nghĩa Tableau Semantics:
  • Là một lớp ngữ nghĩa tích hợp AI, được tích hợp sâu vào Tableau Next và Data Cloud của Salesforce.
  • Chuyển đổi dữ liệu thô thành ngôn ngữ kinh doanh, cung cấp giao diện trực quan, hỗ trợ AI, và khả năng làm giàu dữ liệu (agent enrichment).
  • Tích hợp với nhiều nền tảng: Tableau Next, Tableau Cloud, Tableau Server, Agentforce, và trong tương lai sẽ mở rộng tới Tableau/CRM Analytics và các lớp ngữ nghĩa bên thứ ba.
• Lợi ích chính:
  • Nhất quán và đáng tin cậy: Cung cấp dữ liệu thống nhất, giàu tính kinh doanh, làm nguồn dữ liệu đáng tin cậy.
  • Giải quyết vấn đề dữ liệu:
    • Dữ liệu phân mảnh (disparate sources: CRM, ERP, BI tools) gây ra cái nhìn không đầy đủ.
    • Dữ liệu chưa sẵn sàng cho phân tích, thiếu ngữ cảnh kinh doanh.
    • Thiếu niềm tin vào dữ liệu do các đội định nghĩa số liệu (như ROI, active users) khác nhau.
    • Lãng phí thời gian vào phân tích trùng lặp, thiếu nhất quán.
    • Trải nghiệm Gen AI không chính xác do dữ liệu kém chất lượng.
  • Hỗ trợ AI chủ động (Agentforce): Làm giàu dữ liệu với ngữ cảnh kinh doanh, cải thiện chất lượng truy xuất dữ liệu (retrieval-augmented generation – RAG), giúp các agent AI đưa ra phản hồi chính xác hơn.

3. Các lợi ích cụ thể và cách hoạt động

• Lợi ích cụ thể:
  1. Tăng niềm tin vào dữ liệu: Chuẩn hóa truy cập và định nghĩa dữ liệu, đảm bảo tất cả các đội sử dụng dữ liệu nhất quán.
  2. Đơn giản hóa truy cập dữ liệu: Cung cấp ngôn ngữ chung, không cần kiến thức kỹ thuật về cơ sở dữ liệu hay ngôn ngữ truy vấn.
  3. Hỗ trợ phân tích tự phục vụ có quản trị: Dễ dàng định nghĩa và tái sử dụng mô hình/metrics, giảm trùng lặp phân tích.
  4. Tăng tốc tạo mô hình: Sử dụng AI để tạo trường tính toán (calculated fields) và gợi ý quan hệ dữ liệu (relationship suggestions).
  5. Cải thiện độ chính xác của agent AI: Cung cấp ngữ cảnh kinh doanh đáng tin cậy cho agent.
  6. Hỗ trợ làm giàu agent liên tục: Học ngữ nghĩa (semantic learning) giúp agent cải thiện kiến thức qua Q&A thời gian thực.
• Cách hoạt động:
  • Semantic Data Models: Định nghĩa các thực thể kinh doanh (ví dụ: “revenue” được tính từ dữ liệu nào, với công thức gì, mối quan hệ ra sao). Có thể thêm siêu dữ liệu ngữ nghĩa (semantic metadata), ví dụ: định dạng số thành tiền tệ.
  • Semantic Query Generator: Dịch câu hỏi kinh doanh (từ ứng dụng, dashboard, API) thành truy vấn SQL, đảm bảo truy vấn phù hợp với định nghĩa kinh doanh.

4. Các tính năng chính của Tableau Semantics

• Metrics Store: Kho lưu trữ metrics tập trung, quản lý và giám sát tất cả số liệu tổ chức, bao gồm đặt mục tiêu, kích hoạt hành động, và sử dụng AI để làm sạch dữ liệu.
• Composable Models: Cho phép tạo mô hình ngữ nghĩa linh hoạt, tái sử dụng, duy trì nguồn dữ liệu đáng tin cậy nhưng vẫn hỗ trợ phân tích tự phục vụ.
• AI Data Modelling Capabilities: AI gợi ý mối quan hệ dữ liệu và tạo trường tính toán bằng ngôn ngữ tự nhiên.
• Semantic Learning (Sắp ra mắt): Giúp agent học và cải thiện kiến thức kinh doanh qua Q&A thời gian thực.
• Ecosystem Integrations (Sắp ra mắt): Tích hợp với các nguồn dữ liệu Tableau và Salesforce, hỗ trợ khám phá và trực quan hóa dữ liệu.