语义层创建值得信赖的构建块，以便您的团队成员和 Metabot AI 能够从您的数据中获得可靠的答案，而无需人工指导
创建清晰、受管的构建块，帮助最终用户和 Metabot AI 更轻松地运行查询并获得一致的答案
语义层是您分析业务逻辑的共享地图。您可以在其中定义描述您数据 else key 模型、指标和关系。语义层为您的团队提供一个共享的真实来源，用于他们经常需要参考的重要内容，例如收入、活跃用户或用户流失。它使分析一致、可复用且易于理解，无论您是编写查询、构建仪表板还是寻求 AI 帮助。
Metabase 已经为您的团队分析提供支持。在这里添加您的语义层意味着您的定义就位于提问的地方，无需额外的工具或重复。一次定义模型、指标和权限，并在随处复用，以获得一致的自助式答案。此外，您的数据将变得 AI 就绪——为 Metabot 提供可靠的基础以获得准确的响应。
模型是经过整理的数据集——清晰、命名的查询，任何人都可以基于此进行构建，并添加了元数据。
指标是可复用的计算（例如总收入、转化率或活跃用户等常用聚合），您一次定义即可供所有人（包括 Metabot）在其自己的问题和查询中使用，以获得一致的结果。
您可以在问题中（重新）使用模型和指标，并且即将推出的转换也可以使用，因此每个人都将使用相同的定义。
转换允许您执行 ETL 中的 T - 定义数据准备逻辑，例如使用 SQL 或 Python 进行清理、连接或聚合。
与模型不同，模型是任何人都可以构建的可复用查询，转换可以写回您的数据库，以实现更快的性能和更丰富的管道。
它们共同构成语义层，一个由人类、AI 和工具共同理解的业务逻辑共享词汇。
Metabot 使用您的语义层作为上下文来准确回答问题。它理解您的模型（整理的表）、指标（定义）和转换，因此它会查询您定义的逻辑，而不是猜测。
即将推出！转换将允许您在不离开 Metabase 的情况下定义 SQL 或 Python 中的可复用转换。它专为数据塑造和逻辑设计，而不是完整的笔记本风格脚本和机器学习，但如果您想使用 Python 来准备和定义您的团队分析的数据，转换将非常合适。
