Databricks推出了Feature Views框架，简化了机器学习特征的构建和管理。用户只需定义一次特征，平台便可处理实验和实时服务，确保训练和推理的一致性。该框架支持批处理和流处理，减少代码维护，提高生产效率。通过集成MLflow和Genie Code，数据科学家能够快速开发和部署机器学习模型，提升数据质量和可靠性。

数据科学组织普遍认为，构建高质量的AI模型的最大挑战是访问和管理数据。近年来，特征存储成为从业者组织和准备机器学习数据的流行方式。Databricks Unity Catalog简化了AI数据的管理，提供了集中的访问控制、共享、审计、血统和数据发现功能。它使特征管理与最佳数据目录相结合，简化了创建特征并用于训练和服务模型的过程。Unity Catalog是一个一站式的发现平台，可以发现Lakehouse中的所有实体，包括表格、特征、模型和函数等。通过将特征工程能力合并到Unity Catalog中，组织可以使用相同的标准化ELT框架编写和维护特征工程流水线。