借助预测性 AI 函数，解锁强大的洞察与预测能力
内容提要
Databricks推出Predictive AI Functions测试版，业务用户和分析师无需机器学习专业知识，即可通过SQL原生函数完成预测、异常检测、驱动因素分析和预测建模。新函数包括ai_forecast、ai_top_drivers、ai_detect_anomalies、ai_predict_value和ai_predict_class，可在SQL、Genie和仪表板中调用。模型由Databricks集中维护，无需自建基础设施，基准测试显示其预测准确率领先。
延伸解读
降低高级分析门槛，但需注意使用边界
Predictive AI Functions 让业务用户和分析师无需机器学习专业知识，即可通过 SQL 原生函数完成预测、异常检测等任务。这消除了对数据科学团队的依赖瓶颈，使更多问题能被快速回答。但需注意，这些函数目前处于 Beta 阶段，且部分功能在 Genie 中尚未全面可用，实际使用时应关注功能成熟度和覆盖范围。
预测准确率领先，但基准测试范围有限
文章引用 fev-bench 基准测试，显示 ai_forecast 在任务胜率上优于其他云数据仓库提供商及自身旧版。然而，该测试仅针对预测任务，未覆盖异常检测、驱动因素分析等其他函数。读者应理解，领先的准确率结论主要基于预测场景，其他功能的性能表现可能有所不同。
集中维护模型带来一致性，也隐含依赖风险
Databricks 集中维护所有模型，确保在 SQL、Genie 和仪表板等不同界面中结果一致，团队无需自建基础设施。这降低了运维负担，但也意味着用户对模型更新、行为变化缺乏直接控制。若模型出现偏差或不符合特定业务逻辑，调整空间有限，需依赖平台方的更新节奏。
业务定制能力增强，但需提供外部数据
ai_forecast 支持内置节假日和外部协变量，允许团队纳入促销、定价等业务因素，使预测更贴合实际。但这要求用户提前准备并传入相关数据，否则预测可能忽略关键驱动因素。对于缺乏这些数据的团队，定制优势难以发挥，仍需依赖模型自动识别的通用模式。
Q&A
Predictive AI Functions 是什么？它主要解决什么问题？
Predictive AI Functions 是 Databricks 推出的测试版功能，让业务用户和 SQL 分析师无需高级机器学习专业知识，就能通过 SQL 原生函数完成预测、异常检测、驱动因素分析和预测建模。它解决了数据科学团队瓶颈问题，使业务用户能自行获取高级分析答案。
Predictive AI Functions 包含哪些具体的函数？
包含五个 SQL 原生函数：ai_forecast、ai_top_drivers、ai_detect_anomalies、ai_predict_value 和 ai_predict_class。
ai_forecast 有什么特别之处？它如何提高预测准确性？
ai_forecast 基于 transformer 时间序列基础模型，预训练了大量多样化的时间序列数据，能自动识别季节性和趋势等常见模式，无需调优即可产生准确预测。它还支持内置假日效应和外部协变量，让预测更贴合业务。
业务用户如何在不写 SQL 的情况下使用这些预测功能？
业务用户可以通过 Genie 用自然语言提问，例如“为什么上季度收入下降”或“哪些客户可能流失”，Genie 会自动调用相应的函数返回基于模型的答案，无需 SQL 或 ML 专业知识。
这些预测函数的准确率如何？有基准测试吗？
有。使用 fev-bench 基准测试，ai_forecast 在任务胜率（基于缩放分位数损失）上优于其他领先云数据仓库的同类函数以及之前版本的 ai_forecast，提供行业领先的准确率，且无需调优。
使用 Predictive AI Functions 需要自己构建和管理机器学习模型吗？
不需要。Databricks 集中维护这些模型，团队无需构建或管理基础设施，就能在仪表板、SQL 和 Genie 等所有界面获得一致的高质量结果。
