ThoughtSpotでは、生成AIを活用してSnowparkのユースケースを次のレベルに引き上げ、ML（Machine Learning、機械学習）を応用したインサイトとアクションの間の点と点をつなぎます。Snowparkを初めて使用する方に簡単に説明すると、これはPython、Java、Scalaなどの非SQLコードを安全にデプロイして処理するSnowflakeのライブラリーとランタイムのセットです。
Snowflake SnowparkとThoughtSpotを組み合わせることで、開発者とデータ専門家は、希望するプログラミング言語を使用して、モデルの作成、インサイトの入手、データアプリの開発が可能になります。これらすべてをSnowflake環境を離れることなく実行できるため、効率性が向上し、メンテナンスが減少します。
ThoughtSpotは、直感的な自然言語検索とAIを活用した分析により、これらの予測、モデル、データポイントをビジネスユーザーからデータサイエンティストまでのあらゆるユーザーが利用し、直感的に理解できるようにします。ここでは、その仕組みを紹介します。
Snowpark向けのThoughtSpotでユーザーができること
AIおよびMLのユースケースを本番環境に迅速に取り込む：開発者とデータリーダーは、ビジネスユーザーや現場の意思決定者がAIとMLの能力を利用し、より適切な意思決定を行い、AIへの投資からROIを引き出せるようにします。
AIを活用したインタラクティブなデータアプリを構築：製品リーダーはThoughtSpot EverywhereとSnowparkを使用して、すべてのユーザーに対して、検索を活用した埋め込み分析の利用を推進できます。
データから意思決定への効率的なパイプラインを開始：Snowparkでは、使い慣れた構文やサードパーティのデータライブラリーを使用するデータパイプラインを簡単に構築できます。一方、ThoughtSpotではコンシューマーグレードの新しいエクスペリエンスを提供し、ビジネスユーザーがこれらのパイプラインを大規模に利用できるようにします。この連携により、あらゆる技術的な見識を持つユーザーが、簡単かつ効率的にデータから意思決定を導き出せるようになります。
ThoughtSpotとSnowparkを組み合わせて使用する4つの方法
最近、ThoughtSpotとSnowparkを組み合わせて活用する4つの新しいユースケースがリリースされました。こちらの動画シリーズでは、ThoughtSpot社内のSnowflakeデータ専門家であり、シニアアナリティクスエバンジェリストを務めるSonny RiveraがSnowparkとThoughtSpotを使用して実現できることを紹介しています。ぜひご覧ください。
感情分析
Amazonのビューティーカテゴリーの商品に対するレビューデータを応用して、感情分析を実行し、Snowpark Pythonでデータを処理し、ThoughtSpotを使用して結果を可視化します。
時系列予測
データから強力なインサイトを引き出し、重要なビジネス上の意思決定を導き、売上予測を大幅に向上させます。
解約予測分析
Snowflake、Snowpark Python、ThoughtSpotの機械学習を使用して、戦略的な意思決定につながるインサイトを引き出します。
ロイヤルティ分類およびRFM分析
ThoughtSpotで可視化および分析された顧客との関係をSnowflake Snowpark Pythonを使用して把握します。
ThoughtSpotのAIを活用したライブ分析、Snowflakeのテキストデータ、Snowflake Snowparkでカスタム分析コードを実行できる機能により、どのユースケースも1回のライブクエリーで実現できます。
Snowflake データクラウドに対応するAIを活用した分析を始めましょう。実際にお試しください。
