为AI解锁语义：梅赛德斯-奔驰韩国如何大规模构建可信的“与数据对话”

梅赛德斯-奔驰韩国（Mercedes-Benz Korea）与Databricks合作，构建了一套名为“与数据对话”（Talk to Data）的语义层系统，旨在为AI和BI提供一致的、可信的KPI定义。该系统基于Databricks Data Intelligence平台，利用Unity Catalog、Genie和Agent Bricks等组件，实现了从传统BI报告到AI驱动自助分析的演进。

背景与愿景

作为高端豪华汽车市场的领导者，梅赛德斯-奔驰在全球拥有广泛的销售网络，数据驱动的市场特定决策至关重要。梅赛德斯-奔驰韩国已建立成熟的数据基础，包括黄金层报告数据、主KPI目录以及Databricks上Unity Catalog中的共享定义，覆盖销售、产品、营销、客户服务和财务等领域的500多个KPI。这些基础成为BI报告、自动化和其他数据产品的单一事实来源。然而，大量业务语义定义在Power BI中，为AI使用案例，需要补充一个开放的、AI就绪的语义层。

梅赛德斯-奔驰韩国的愿景是建立一个统一的、AI就绪且受治理的语义基础，支持报告、自助分析和AI体验，确保所有决策基于一致的业务定义。他们并未将“与数据对话”视为从Power BI的迁移，而是追求三个关键目标：为AI提供一致的上下文、架构向代理AI演进、以及从报告用户转向基于角色的代理。

统一架构

解决方案依赖于Databricks不同组件的协同工作：

• Lakeflow和Lakehouse：从各种源系统摄取企业数据，为BI和AI工作负载准备数据。
• Unity Catalog业务语义：作为KPI的单一事实来源，将Power BI DAX度量转换为指标视图，包括源、连接、度量、维度、注释和同义词，并与数据共存，受相同权限治理。
• Genie空间：允许业务团队与数据“对话”，按业务领域组织，每个空间由一组精选指标视图支持。由于指标视图直接定义在黄金层数据之上，Genie无需猜测或复杂连接即可得出正确答案，提高了速度和准确性。
• Agent Bricks：在多个Genie空间之上组合基于角色的代理，使CFO、销售副总裁和营销负责人各自获得为其角色定制的“与数据对话”体验。
• Databricks Apps：提供自定义前端、外部服务连接和其他扩展能力。

自动DAX到指标视图转换器

为实现Power BI DAX到Unity Catalog指标视图的高效标准化迁移，Databricks为梅赛德斯-奔驰韩国构建了一个自动转换器。该转换器作为管道运行：解析Power BI语义模型并提取每个DAX度量，创建元数据目录，将源表映射到Unity Catalog中的对应表，生成指标视图定义草案，并标记无法自动转换的度量以供人工审查。转换器最终输出评估报告，包含转换统计、差距和补救策略。这为可自动转换的DAX度量提供了即用指标视图，节省了数百小时的手动工作。

构建可信的AI就绪语义

答案质量是业务用户的首要关注点。将KPI作为指标视图接入Genie空间只是第一步，确保Genie响应与Power BI报告完全一致（100%匹配）是内部目标。在试点期间，梅赛德斯-奔驰韩国与Databricks共同记录了最佳实践，包括使用代理元数据和基准测试。

迭代五阶段流程：

1. 准备：选择要接入的KPI，并将其映射到Unity Catalog中的源表。对于Power BI语义迁移，识别相关DAX度量和语义模型。
2. 构建语义层：创建指标视图，包含数据源、维度、度量、注释和代理元数据。逐个验证每个KPI。对于跨多个事实表的KPI，先构建基础视图。
3. 按领域组织：按业务领域（如“营销”）组织Genie空间，按子域内的KPI组组织指标视图。每个Genie空间限制为30个Unity Catalog项，并包含空间描述以便多代理系统正确路由问题。
4. 增量测试：逐步接入度量，并与Power BI报告对比验证。
5. 迭代优化：根据测试结果调整指标视图定义，利用Genie Code进行优化。

总结

梅赛德斯-奔驰韩国的“与数据对话”项目展示了如何通过统一的语义层赋能AI和BI，确保答案的一致性和可靠性。其经验有望成为其他梅赛德斯-奔驰市场的参考，推动自助分析在销售、产品、财务和营销团队中的普及。