Lớp ngữ nghĩa (semantic layer) là một đại diện nghiệp vụ của dữ liệu, cung cấp một cái nhìn thống nhất và tổng hợp về dữ liệu trên toàn tổ chức. Với lớp ngữ nghĩa, các định nghĩa dữ liệu khác nhau từ các nguồn dữ liệu khác nhau có thể được ánh xạ nhanh chóng để tạo ra một cái nhìn thống nhất, nhất quán và duy nhất về dữ liệu cho mục đích phân tích và kinh doanh khác.
Lớp ngữ nghĩa không phải là một khái niệm hoàn toàn mới. Trên thực tế, khái niệm này đã được cấp bằng sáng chế vào năm 1991 bởi Business Objects. Tuy nhiên, ngày nay có rất nhiều định nghĩa khác nhau về lớp ngữ nghĩa.
Những thay đổi lớn trong 10 năm qua ảnh hưởng đến dữ liệu và lớp ngữ nghĩa của nó nằm ở:
-
Khối lượng: Ngày càng có nhiều dữ liệu được tạo ra. Khối lượng dữ liệu khổng lồ này đang tăng trưởng nhanh chóng. Việc tổng hợp dữ liệu giúp giảm bớt việc bảo trì và khả năng phân tích nhanh chóng lượng dữ liệu khổng lồ này.
-
Tốc độ: Dữ liệu đến nhanh hơn và nhanh hơn. Các phương pháp Lớp ngữ nghĩa cũ hơn có giai đoạn xây dựng tĩnh quá chậm để theo kịp lượng dữ liệu ngày nay và trong tương lai.
-
Đa dạng: Nhiều loại dữ liệu được giới thiệu mỗi ngày. Một Lớp ngữ nghĩa hiện đại có thể làm cho dữ liệu bán cấu trúc trông có cấu trúc; như thể nó là quan hệ đằng sau các trừu tượng của nó.
-
Độ chính xác: Điều này nói lên cốt lõi của Lớp ngữ nghĩa. Sự không chắc chắn đến dưới nhiều hình thức và người dùng doanh nghiệp đã mất niềm tin vào dữ liệu họ sử dụng để đưa ra quyết định. Các trừu tượng cung cấp các cấu trúc và phép tính đã được chứng minh, đã được kiểm tra mà người tiêu dùng có thể tin tưởng.
Có nhiều cách tiếp cận khác nhau để triển khai một lớp ngữ nghĩa. Trong bài viết này, chúng ta tập trung vào lớp ngữ nghĩa cho các trường hợp sử dụng phân tích — tức là BI và AI.
Dưới đây là phân loại nhanh các cách tiếp cận khác nhau để triển khai lớp ngữ nghĩa cho dữ liệu và phân tích:
-
Mô hình ngữ nghĩa được triển khai trong Công cụ BI: Theo truyền thống, các mô hình ngữ nghĩa được xây dựng bởi những người tạo bảng điều khiển trong các công cụ BI mà họ đang sử dụng (ví dụ: PowerBI, Tableau).
-
Mô hình ngữ nghĩa được triển khai trong Kho dữ liệu: Một trong những mục tiêu chính của việc xây dựng kho dữ liệu tập trung là đơn giản hóa và tiêu chuẩn hóa phân tích doanh nghiệp.
-
Lớp ngữ nghĩa trong Đường ống dữ liệu: Với sự gia tăng của kỹ sư dữ liệu, được trang bị các công cụ chuyển đổi linh hoạt, chúng ta đã thấy sự gia tăng của các đường ống dữ liệu được xây dựng có mục đích cho các sản phẩm dữ liệu hỗ trợ cả đối tượng BI và AI.
-
Lớp ngữ nghĩa phổ quát: Thuật ngữ lớp ngữ nghĩa phổ quát có nghĩa là một lớp độc lập giữa các tài sản dữ liệu thô (ví dụ: kho dữ liệu hoặc lakehouse) và người tiêu dùng dữ liệu (ví dụ: công cụ BI hoặc nền tảng AI/ML).
Việc sử dụng một lớp ngữ nghĩa phổ quát có khả năng biến đổi không chỉ thế giới của DataOps mà còn biến tất cả người dùng thành những người ra quyết định dựa trên dữ liệu. Các tổ chức ngày nay có khả năng kỹ thuật để thu thập lượng dữ liệu khổng lồ nhằm cải thiện hoạt động, tuân thủ và phân tích.
Sự phân quyền này đã dẫn đến sự phức tạp gia tăng, bao gồm:
- Nhiều định nghĩa dữ liệu
- Nhiều định dạng dữ liệu
- Nhiều kiểu dữ liệu
Giải pháp nằm ở việc có một định nghĩa tiêu chuẩn và nhất quán cho thực thể kinh doanh này, trong đó “khách hàng tiềm năng”, “khách hàng” và “đối tác” được ánh xạ tới một thực thể dữ liệu. Với lớp ngữ nghĩa, các định nghĩa dữ liệu khác nhau từ các nguồn khác nhau có thể được ánh xạ nhanh chóng để có cái nhìn thống nhất và duy nhất về dữ liệu.
Lớp ngữ nghĩa ánh xạ dữ liệu kinh doanh thành các thuật ngữ kinh doanh quen thuộc để cung cấp một cái nhìn thống nhất, tổng hợp về dữ liệu trên toàn tổ chức và đáp ứng nhu cầu phân tích ngày càng tăng của doanh nghiệp. Đồng thời, lớp ngữ nghĩa không lưu trữ dữ liệu thực tế. Lớp ngữ nghĩa là một lớp siêu dữ liệu và trừu tượng được xây dựng trên dữ liệu nguồn (ví dụ: kho dữ liệu, hồ dữ liệu hoặc kho dữ liệu). Siêu dữ liệu được định nghĩa để mô hình dữ liệu được làm phong phú và trở đủ đơn giản để người dùng doanh nghiệp hiểu được.
Nền tảng lớp ngữ nghĩa được tích hợp vào nền tảng tiêu thụ — các công cụ phân tích như Power BI, Tableau, Python, Business Objects, Looker, Jupyter Notebook và thậm chí cả Microsoft Excel. Bằng cách trừu tượng hóa hình thức vật lý và vị trí của dữ liệu, nền tảng lớp ngữ nghĩa giúp dữ liệu được lưu trữ trong kho dữ liệu, hồ dữ liệu hoặc kho dữ liệu có thể truy cập được với một giao diện nhất quán và an toàn cho người dùng doanh nghiệp. Lớp ngữ nghĩa ánh xạ dữ liệu kinh doanh thành các thuật ngữ kinh doanh quen thuộc để cung cấp một cái nhìn thống nhất, tổng hợp về dữ liệu trên toàn tổ chức.
Lợi ích của lớp ngữ nghĩa bao gồm:
- Dân chủ hóa phân tích dữ liệu và học máy (ML)
- Nguồn chân lý duy nhất
- Phát triển và chia sẻ mô hình liền mạch
- Cải thiện hiệu năng truy vấn và giảm chi phí tính toán
- Giảm nỗ lực làm sạch dữ liệu
- Bảo mật và quản trị tốt hơn
Việc triển khai một lớp ngữ nghĩa phổ quát là một ý tưởng tuyệt vời. Nhưng để luôn tuyệt vời, những ý tưởng tuyệt vời phải phát triển. Ngày nay, các doanh nghiệp có nhiều dữ liệu chảy qua hệ thống của họ hơn bao giờ hết. Doanh nghiệp cần một công cụ có thể tạo ra các trừu tượng của hàng núi dữ liệu từ các nguồn khác nhau, bối cảnh hóa nó và thu thập thông tin chi tiết có thể hành động để đưa ra quyết định dựa trên dữ liệu – và họ cần một công cụ có thể làm điều đó mỗi ngày.
