Comment Databricks Genie change l'analytique de données.

Pour comprendre pourquoi cela compte, il faut regarder comment l’analyse de données a longtemps fonctionné. Les entreprises ont des bases de données depuis des décennies, mais en sortir de l’information a presque toujours exigé une expertise technique. Un utilisateur métier pose une question, un analyste ou un ingénieur la traduit en SQL, puis le résultat est vérifié et transformé en quelque chose d’exploitable.

Genie change cette interaction en laissant les utilisateurs poser leurs questions directement, la plateforme générant la requête en coulisses.

Databricks est une plateforme de données qui réunit deux piliers de l’analytique moderne : le stockage des données et la puissance de calcul nécessaire pour les traiter.

Les organisations s’en servent pour ingérer des données, les transformer, les analyser et construire des applications par-dessus. Concrètement, cela veut dire exécuter du code pour déplacer les données, les préparer et les interroger.

Genie est une fonctionnalité bâtie sur cette plateforme, centrée sur un problème précis : aider les gens à interagir avec les données en transformant des questions en langage naturel en requêtes SQL.

Quand une entreprise analyse ses données, elle interroge le plus souvent des bases de données en SQL.

Une question comme « Quel a été notre chiffre d’affaires le trimestre dernier ? » paraît simple du point de vue métier. Mais y répondre suppose de savoir où vivent les données, quelles tables contiennent l’information pertinente, comment filtrer les dates et comment regrouper les résultats.

Traditionnellement, cela veut dire que quelqu’un doté de connaissances techniques doit écrire et valider la requête avant que le métier n’obtienne une réponse.

Genie prend en charge cette traduction. Un utilisateur pose une question en langage naturel, et Genie génère le SQL nécessaire pour obtenir la réponse.

Le processus sous-jacent reste le même. La différence, c’est que la personne qui pose la question n’a plus besoin d’écrire la requête elle-même.

Le défi des données d’entreprise n’a jamais été seulement de stocker l’information. Le problème le plus difficile a toujours été d’acheminer la bonne information vers les personnes qui en ont besoin.

Historiquement, répondre à une question métier mobilisait des ressources techniques. Il fallait modéliser correctement les données, écrire des requêtes, et il y avait souvent des allers-retours entre ceux qui posaient les questions et ceux qui récupéraient les réponses.

Ce fonctionnement marche, mais il prend du temps.

Le CEO d’une startup peut vouloir savoir comment son chiffre d’affaires a évolué par rapport au même mois l’an dernier. Une équipe finance peut vouloir comprendre une tendance récente. Une équipe opérations peut vouloir investiguer un changement de performance.

Ce sont des questions simples du point de vue métier, mais elles ont longtemps exigé quelqu’un qui sait manier les bases de données.

La promesse de Genie, c’est que davantage de personnes peuvent interagir directement avec les données sans avoir à écrire du SQL elles-mêmes.

Rendre les données plus accessibles suppose aussi de contrôler qui peut accéder à quoi.

Les Genie Spaces permettent aux organisations de créer des environnements distincts pour différentes équipes ou domaines métier. Une équipe commerciale peut accéder aux données de vente, tandis que les RH travaillent avec les informations de recrutement ou relatives aux salariés.

Chaque space peut inclure ses propres instructions, des exemples de requêtes et du contexte supplémentaire pour aider Genie à mieux comprendre la terminologie et les questions propres à cette équipe.

On obtient ainsi une expérience plus ciblée, tout en gardant les accès organisés selon la façon dont chaque groupe utilise les données.

Genie est étroitement lié à Unity Catalog, la couche de gouvernance de Databricks. Unity Catalog offre un moyen centralisé de gérer l’accès aux données, les permissions et la propriété à l’échelle de la plateforme.

C’est important, car si le langage naturel facilite l’interrogation, les organisations ont toujours besoin de contrôler les informations sensibles. Une personne du commercial ne devrait pas pouvoir accéder aux données de rémunération des salariés simplement en posant une question à Genie.

Les mêmes règles de gouvernance s’appliquent, qu’une requête soit écrite à la main en SQL ou générée via une interface d’IA.

Databricks étend aussi Genie à travers les Genie Apps, qui permettent aux organisations d’amener les interactions avec les données dans les outils que les gens utilisent déjà.

Plutôt que d’obliger les utilisateurs à ouvrir Databricks chaque fois qu’ils ont une question, Genie peut être intégré dans des applications comme Slack. Un utilisateur peut poser une question au sein de son flux de travail existant et recevoir une réponse sans changer de plateforme.

Databricks ajoute également des boucles de rétroaction qui permettent aux utilisateurs et aux équipes qui gèrent Genie de passer en revue les réponses et d’améliorer le système au fil du temps.

Ces améliorations aident les organisations à affiner leur implémentation à mesure que davantage de personnes se mettent à utiliser des interfaces en langage naturel pour l’analytique.

Databricks Genie ne remplace pas les équipes data. Une analytique fiable repose toujours sur une bonne modélisation des données, de la gouvernance et une expertise technique.

Ce que Genie change, c’est la façon dont les gens commencent à travailler avec les données. Au lieu que chaque question démarre par une demande à un analyste ou un ingénieur pour écrire une requête, davantage d’utilisateurs peuvent poser leurs questions directement et explorer l’information plus vite.

Le résultat, c’est un chemin plus court entre une question métier et une réponse utile, tout en conservant les contrôles qu’exigent les environnements de données d’entreprise.

Jinka fournit de l’ingénierie des données et de l’infrastructure analytique à des clients en Amérique du Nord, en Europe et en APAC. Cet article se veut une présentation générale de Databricks Genie et ne constitue pas un conseil d’implémentation spécifique.