详细内容或原文请订阅后点击阅览
Amazon Quick Chat 的多数据集主题最佳实践
本文适用于为基于自然语言聊天的探索构建或优化 Quick Sight 主题的数据架构师、商业智能 (BI) 工程师和分析工程师。
来源:亚马逊云科技 _机器学习注意：本文档中引用的主题指的是新主题体验（而不是旧主题）。有关差异的详细信息，请参阅在 Amazon Quick 中使用多数据集主题构建跨数据集的统一语义层。
大多数现实世界的业务问题跨越多个表。想要了解按产品类别划分的净收入的零售商必须从销售事实表、退货事实表和产品维度中获取数据。其中每一个都存在于单独的数据集中。直到最近，桥接这些数据集还需要数据工程师预先加入它们，并在任何分析师提出问题之前将单个数据集交付到 Amazon Quick Sight。
Amazon Quick Sight 的多数据集主题通过让分析团队通过以下两种方式之一将多个数据集引入单个主题来改变这一方程式。您可以定义显式关系键（在配套文章 Amazon Quick Sight 多数据集关系的数据建模最佳实践中介绍），或者您可以为生成式 AI 引擎配备足够的语义上下文来编写 SQL 本身。本文重点介绍第二条路径：聊天驱动、AI 生成的 SQL。
当您配置聊天主题时，不需要提前定义关系。相反，您可以编写一个语义层，其中包括数据集级自定义指令、主题级指令、字段同义词和字段描述。 AI 使用该上下文在查询时生成上下文感知 SQL。这使得外连接、联合、子查询、自连接、跨粒度比较和条件连接逻辑都触手可及，关系图上没有结构约束。
本文适用于为基于自然语言聊天的探索构建或优化 Quick Sight 主题的数据架构师、商业智能 (BI) 工程师和分析工程师。您将得到：