為AI解鎖語義：梅賽德斯-奔馳韓國如何大規模構建可信的“與數據對話”

梅賽德斯-奔馳韓國（Mercedes-Benz Korea）與Databricks合作，構建了一套名為“與數據對話”（Talk to Data）的語義層系統，旨在為AI和BI提供一致的、可信的KPI定義。該系統基於Databricks Data Intelligence平台，利用Unity Catalog、Genie和Agent Bricks等組件，實現了從傳統BI報告到AI驅動自助分析的演進。

背景與願景

作為高端豪華汽車市場的領導者，梅賽德斯-奔馳在全球擁有廣泛的銷售網絡，數據驅動的市場特定決策至關重要。梅賽德斯-奔馳韓國已建立成熟的數據基礎，包括黃金層報告數據、主KPI目錄以及Databricks上Unity Catalog中的共享定義，覆蓋銷售、產品、營銷、客户服務和財務等領域的500多個KPI。這些基礎成為BI報告、自動化和其他數據產品的單一事實來源。然而，大量業務語義定義在Power BI中，為AI使用案例，需要補充一個開放的、AI就緒的語義層。

梅賽德斯-奔馳韓國的願景是建立一個統一的、AI就緒且受治理的語義基礎，支持報告、自助分析和AI體驗，確保所有決策基於一致的業務定義。他們並未將“與數據對話”視為從Power BI的遷移，而是追求三個關鍵目標：為AI提供一致的上下文、架構向代理AI演進、以及從報告用户轉向基於角色的代理。

統一架構

解決方案依賴於Databricks不同組件的協同工作：

• Lakeflow和Lakehouse：從各種源系統攝取企業數據，為BI和AI工作負載準備數據。
• Unity Catalog業務語義：作為KPI的單一事實來源，將Power BI DAX度量轉換為指標視圖，包括源、連接、度量、維度、註釋和同義詞，並與數據共存，受相同權限治理。
• Genie空間：允許業務團隊與數據“對話”，按業務領域組織，每個空間由一組精選指標視圖支持。由於指標視圖直接定義在黃金層數據之上，Genie無需猜測或複雜連接即可得出正確答案，提高了速度和準確性。
• Agent Bricks：在多個Genie空間之上組合基於角色的代理，使CFO、銷售副總裁和營銷負責人各自獲得為其角色定製的“與數據對話”體驗。
• Databricks Apps：提供自定義前端、外部服務連接和其他擴展能力。

自動DAX到指標視圖轉換器

為實現Power BI DAX到Unity Catalog指標視圖的高效標準化遷移，Databricks為梅賽德斯-奔馳韓國構建了一個自動轉換器。該轉換器作為管道運行：解析Power BI語義模型並提取每個DAX度量，創建元數據目錄，將源表映射到Unity Catalog中的對應表，生成指標視圖定義草案，並標記無法自動轉換的度量以供人工審查。轉換器最終輸出評估報告，包含轉換統計、差距和補救策略。這為可自動轉換的DAX度量提供了即用指標視圖，節省了數百小時的手動工作。

構建可信的AI就緒語義

答案質量是業務用户的首要關注點。將KPI作為指標視圖接入Genie空間只是第一步，確保Genie響應與Power BI報告完全一致（100%匹配）是內部目標。在試點期間，梅賽德斯-奔馳韓國與Databricks共同記錄了最佳實踐，包括使用代理元數據和基準測試。

迭代五階段流程：

1. 準備：選擇要接入的KPI，並將其映射到Unity Catalog中的源表。對於Power BI語義遷移，識別相關DAX度量和語義模型。
2. 構建語義層：創建指標視圖，包含數據源、維度、度量、註釋和代理元數據。逐個驗證每個KPI。對於跨多個事實表的KPI，先構建基礎視圖。
3. 按領域組織：按業務領域（如“營銷”）組織Genie空間，按子域內的KPI組組織指標視圖。每個Genie空間限制為30個Unity Catalog項，幷包含空間描述以便多代理系統正確路由問題。
4. 增量測試：逐步接入度量，並與Power BI報告對比驗證。
5. 迭代優化：根據測試結果調整指標視圖定義，利用Genie Code進行優化。

總結

梅賽德斯-奔馳韓國的“與數據對話”項目展示瞭如何通過統一的語義層賦能AI和BI，確保答案的一致性和可靠性。其經驗有望成為其他梅賽德斯-奔馳市場的參考，推動自助分析在銷售、產品、財務和營銷團隊中的普及。