Reduzindo a barreira de entrada para analistas de dados
Tradicionalmente, a integração de LLMs em fluxos de trabalho SQL para raciocínio de dados baseado em IA tem sido uma tarefa demorada, tediosa e cara, pois requer movimentação de dados, engenharia imediata, seleção manual de modelos e ajuste de parâmetros, apontaram os analistas.
A movimentação de dados normalmente é necessária devido à incapacidade do SQL de compreender as nuances e o significado dos dados não estruturados, dificultando análises avançadas, como análise de sentimento ou categorização, de avaliações de clientes, tickets de suporte, relatórios, etc., disse Bradley Shimmin, líder de dados, análises e prática de infraestrutura do The Futurum Group.
Para contornar esse desafio, os analistas de dados muitas vezes tinham que exportar dados do warehouse, enviá-los para um cientista de dados e esperar que o cientista de dados enviasse de volta dados aprimorados e categorizados adequados para análise usando SQL, observou Shimmin, acrescentando que as novas funções de IA “podem literalmente recolher todo o fluxo de trabalho em uma única consulta, usando a sintaxe SQL padrão”.
