Entender el mapa de datos

Cuando conectas Snowflake o Databricks con Perplexity, Computer genera un mapa de datos de tu almacén de datos o lakehouse. El mapa de datos captura información clave sobre tu modelo de datos — tablas y columnas importantes, patrones de consulta comunes y relaciones entre objetos — para que Computer pueda traducir preguntas en lenguaje natural en consultas precisas.

Piénsalo como un mapa de tu entorno de datos que ayuda a Computer a entender qué hay en cada lugar y cómo se suele usar. Una vez generado, el mapa de datos sigue mejorando con el tiempo: aprende del feedback de los usuarios, los administradores pueden editarlo directamente y está versionado para que los cambios siempre puedan revisarse y revertirse.

Una vez iniciada la generación del mapa de datos, Computer explora su modelo de datos utilizando los permisos de su cuenta conectada. Este proceso examina sus esquemas, tablas, vistas y patrones de uso históricos para construir una comprensión integral de sus datos.

El mapa de datos se almacena de forma segura en un repositorio versionado por organización, accesible solo para los miembros de su organización. Cada cambio — ya sea por regeneración, ediciones del administrador o actualizaciones de autoaprendizaje — se registra para que pueda revisarse y revertirse.

Hay un mapa de datos por organización, compartido por todos los miembros de esa organización. Cuando un administrador ejecuta la generación, lo hace en nombre de toda la organización, no de un solo usuario.

La generación del mapa de datos para Snowflake la inicia un administrador de la organización desde la configuración del conector de Snowflake. Perplexity ofrece dos conectores de Snowflake y los administradores generan el mapa de datos desde el que tenga configurado su organización:

La identidad que se utilice debe poder leer las vistas de uso de cuentas de Snowflake (ver Requisitos a continuación). Si esos permisos faltan, la generación falla de inmediato con un error de permisos claro en lugar de producir un mapa de datos parcial.

Para Databricks, la generación se inicia desde la configuración del conector utilizando la identidad OAuth de Databricks del iniciador. Computer enumera los catálogos, esquemas y tablas que el usuario puede ver en Unity Catalog y lee las tablas del sistema de Databricks para obtener señales de uso. Todo lo que el iniciador puede ver en Unity Catalog define lo que termina apareciendo en el mapa de datos.

Puedes añadir Contexto complementario — sube archivos o añade notas que describan tus datos (por ejemplo, qué representan las tablas clave, definiciones de negocio, patrones comunes de consulta) — para ayudar a Computer a interpretar tus datos con mayor precisión. El contexto complementario se incorpora en cada ejecución de generación y es no afectado por la regeneración, para que puedas seguir añadiéndole contenido con el tiempo sin preocuparte por perderlo.

Después de que se complete la generación, el botón Generar mapa de datos del modal del conector se convierte en Ver conocimiento. Al hacer clic en Ver conocimiento, se abre el Editor del mapa de datos, donde los administradores pueden explorar, editar y administrar todo lo que Computer ha aprendido sobre tus datos. Regenerar mapa de datos también está disponible desde el modal del conector una vez que existe un mapa de datos inicial; consulta Regenerar el mapa de datos para ver qué hace y qué se conserva.

Generar un mapa de datos puede tomar hasta 90 minutos, según el tamaño y la complejidad de su almacén de datos o lakehouse. No necesita mantener la página abierta: el proceso se ejecuta en segundo plano y el botón Ver conocimiento aparecerá en el modal del conector una vez que se complete.

El editor del mapa de datos es la vista orientada al administrador de tu mapa de datos, accesible desde las herramientas de administración de la organización. Separa el conocimiento de Snowflake y Databricks en secciones distintas, y el contexto empresarial subyacente, los clústeres de tablas y los patrones de consulta se organizan como archivos que puedes leer y editar directamente.

Desde el editor, los administradores pueden:

Las ediciones directas en el editor son permanentes para el uso normal, pero conviven con el contenido generado automáticamente y no se conservan si vuelves a generar el mapa de datos para ese almacén — ver Regenerando el mapa de datos a continuación.

El mapa de datos mejora cuanto más lo usa tu equipo. Cuando un usuario corrige al agente de datos en una sesión —por ejemplo, "usar fct_queries en lugar de query_events para contar consultas" o "excluir type = 'internal' de las métricas de volumen de consultas"— Computer captura ese feedback y lo utiliza para mejorar el Mapa de datos para todos.

El flujo de trabajo está diseñado para ser safe, revisable, y compartido en toda la organización:

Cuando un usuario envía comentarios en una sesión de Data Scientist, Computer registra una corrección estructurada: el archivo al que debería afectar, la sección, el cambio propuesto y el contexto de la sesión que lo generó. El mapa de datos en sí nunca se edita en tiempo real desde una sesión de usuario; los comentarios siempre se registran primero en este log.

Una vez al día, Computer revisa las correcciones registradas en las últimas 24 horas para cada organización y genera una única actualización propuesta consolidada del mapa de datos:

El resultado se muestra en el Editor del mapa de datos como una única propuesta que los administradores pueden revisar.

Los administradores pueden aprobar la propuesta (los cambios se aplican al mapa de datos) o rechazar la propuesta (la propuesta se descarta). La aprobación es lo que "implementa" los cambios: la siguiente pregunta de datos que haga tu equipo usará el mapa de datos actualizado. No hay un paso de publicación aparte.

Este patrón con intervención humana es intencional: permite que Computer aprenda de forma continua a partir del uso real, mientras mantiene a los administradores en control de lo que se considera información fiable como verdad de referencia.

Los administradores pueden ejecutar Regenerar mapa de datos en cualquier momento desde el modal del conector. Hoy, la regeneración es una reconstruir desde cero para el almacén que regeneres:

Debido a que la regeneración reemplaza el mapa de datos de un almacén y cualquier edición de administrador realizada en él, debe ejecutarse de forma intencional. Una regeneración más segura que preserve las ediciones del administrador —y un "reinicio completo" explícito aparte— están en la hoja de ruta, pero aún no están disponibles en el producto.

La identidad utilizada para generar el mapa de datos — la cuenta de servicio para la autenticación con par de claves / PAT, o el usuario de Snowflake del administrador que inicia el proceso para la autenticación OAuth — debe poder leer ambas vistas en el esquema SNOWFLAKE.ACCOUNT_USAGE:

Si aún no has concedido este acceso durante la configuración inicial, ejecuta lo siguiente como ACCOUNTADMIN:

Luego, verifica desde el rol de conexión:

Si ACCESS_HISTORY no está disponible (Snowflake Standard Edition), la generación pasa a QUERY_HISTORY solo. El mapa de datos seguirá funcionando, pero con una señal algo menos precisa sobre el linaje de columnas y los recuentos de acceso a tablas.

Para ver las instrucciones completas de configuración, consulta Conectar Perplexity con Snowflake.

La generación de Databricks usa la identidad OAuth de quien inicia la solicitud y hereda sus permisos de Unity Catalog; no se requieren permisos adicionales. Hay algunos aspectos prácticos que conviene tener en cuenta:

Para ver las instrucciones completas de configuración, consulta Conectar Perplexity con Databricks.