Upsolve Data Models

Upsolve Data Models 為 AI 分析代理提供資料倉儲資料表、鍵值、指標定義與商業詞彙的結構化脈絡，協助資料團隊標準化代理產生的答案，無需 dbt 或既有語意層。

Upsolve Data Models

Upsolve Data Models 是 AI 分析代理的脈絡與治理層。它將資料倉儲資料表與欄位連結至描述、資料類型、主鍵與外鍵、規範指標定義、分析方法及輸出格式，讓代理擁有一套持續維護的商業資料定義。

模型與系統提示會如同程式碼般進行版本管理，並支援草稿與復原，以處理脈絡變更。可選取的欄位值會預先快取，預設每晚重新整理，也可依選定的排程更新，協助代理在產生答案時使用目前的商業類別與狀態。

此功能是為希望從現有資料倉儲資料表開始，而非先採用 dbt 或其他語意層的團隊所設計。它是 Upsolve 更廣泛平台的一個層次，該平台也包含資料連線、分析代理、可觀測性與評估功能；至於模型註冊以外的確切營運工作流程，提供的來源並未完整說明。

核心功能

描述性資料模型

將資料倉儲資料表與欄位連結至模型，加入描述、資料類型及主鍵與外鍵，為代理提供明確的結構化脈絡。

商業詞彙與定義

在資料模型旁的版本化系統提示中，儲存規範指標定義、分析方法與輸出格式。

版本化脈絡

為系統提示與模型建立草稿和版本，讓您可以變更脈絡並復原，而不必立即取代目前啟用的定義。

新鮮的可選值

將欄位標記為可選取，讓 Upsolve 預先快取其值；預設每晚重新整理，或依使用者選擇的排程更新。

以資料倉儲為優先的設定

直接在資料倉儲資料表上建立模型，不需要 dbt 或既有語意層，之後可在發現缺口時新增定義。

實際使用情境

統一 KPI 答案
將 ARR、營收或其他 KPI 的定義，與計算所需的資料表及鍵值放在一起記錄，減少代理回答常見商業問題時的歧義。
維持商業詞彙一致
將合約狀態、付款條件及其他分類商業詞彙編碼為可選取值，讓產生的分析使用組織的術語。
逐步改善現有資料倉儲
從資料倉儲目前的結構描述開始，僅在代理遇到缺口時新增描述或定義，而不必圍繞新的語意層重新設計技術堆疊。
安全管理脈絡變更
使用草稿與版本測試提示或模型脈絡的變更，若定義需要修訂，則可復原。

Pros and Cons

Pros

在一個持續維護的模型中定義資料表、鍵值、指標與商業詞彙，供代理使用。
支援草稿、版本與復原，讓脈絡變更更安全。
可直接搭配現有資料倉儲資料表使用，不需要 dbt 或獨立的語意層。
可選取的欄位值預設每晚重新整理，也可依使用者定義的排程更新。

Cons

提供的文件著重於模型註冊與脈絡管理；對於文件所述工作流程以外的導入步驟、輸出及日常管理，細節有限。
Data Models 頁面未詳細說明特定連接器與連線類型的可用性，但 Upsolve 表示其平台支援 50+ 個資料連線。

FAQ

需要 dbt 或既有語意層嗎？

不需要。您可以直接在 Upsolve 中以現有資料倉儲資料表為基礎建立資料模型，並隨時間逐步新增定義；不需要 dbt 或其他語意層。

這與冗長的系統提示有何不同？

系統提示會儲存商業實務與指示，而資料模型則儲存底層資料脈絡：資料表、鍵值、描述、規範定義與即時欄位值。Upsolve 會同時使用兩者。

快取的欄位值多久重新整理一次？

預設會每晚重新整理值，或依使用者選擇的週期更新，讓代理掌握的可選欄位值維持最新。

Upsolve Data Models 可搭配哪些項目使用？

Data Models 可搭配 Upsolve 更廣泛的分析代理平台使用。定價頁面列出各方案支援 50+ 個資料連線，而具體的連線可用性與工作流程細節可能依設定而異。

Quick Facts

類別: AI 分析代理脈絡管理
主要使用者: 建置與維護 AI 分析代理的資料團隊
設定方式: 連結資料倉儲資料表與欄位，然後新增定義與詞彙
語意層需求: 不需要 dbt 或既有語意層
值的更新: 預設每晚更新，或依使用者定義的週期更新
平台: Upsolve 雲端分析平台