Семантический слой: общие определения для BI и AI

Определение должно исполняться

Поле margin не сообщает, хранится ли в нём денежная сумма или процент, какие затраты учтены и на какую дату признана операция. Словарь терминов помогает договориться об этих различиях. Семантическая модель дополнительно связывает определение с таблицами, отношениями, календарями и выражениями, которые фактически использует аналитическая система.

В этой статье семантический слой понимается как совокупность согласованных определений и их исполняемой реализации. Это архитектурный подход, а не название единого обязательного продукта. Часть правил может находиться в витрине данных, часть — в BI-модели. Существенно, чтобы между ними не возникало независимых версий одного показателя.

Например, в Power BI явная мера содержит выражение DAX и вычисляется при запросе с учётом модели и контекста фильтрации. Размещение формулы в описании таблицы не создаёт такую меру автоматически. Microsoft Learn: меры в семантической модели.

Пример: маржинальность продаж

В условной учебной модели маржа определяется как выручка минус согласованный состав прямых затрат. Маржинальность — отношение этой разницы к выручке. Это определение примера, а не универсальное правило бухгалтерского или управленческого учёта.

Таблица прокручивается влево и вправо

Среднее арифметическое двух процентов равно 25%, но общая маржинальность составляет 290 / 1 000 = 29%. Поэтому модель должна хранить и агрегировать денежные компоненты, а затем рассчитывать отношение. Для остатков действует другое ограничение: сумму запасов двух складов на одну дату можно использовать как общий запас, а сумму ежедневных остатков за месяц нельзя обозначать как остаток на конец месяца. Различие аддитивных, частично аддитивных и неаддитивных фактов описано в методологии Kimball. Kimball Group: правила агрегации.

У определения также фиксируются валюта, учёт возвратов, допустимые разрезы и поведение при нулевой выручке. Если затраты известны только по категории за месяц, детализация маржи до отдельного заказа потребует дополнительных данных или явно обозначенного правила распределения.

Связь терминов с моделью

В Qlik Sense on Windows May 2026 компонент Business logic позволяет настроить логическую модель для Insight Advisor: группы полей и основных элементов, допустимые сочетания групп, иерархии, поведение и календарные периоды. Такая конфигурация влияет на выбор полей и способ построения анализа. Она работает поверх модели данных приложения и не заменяет подготовку исходных таблиц. Qlik Help: логические модели Insight Advisor.

Практическое описание показателя включает название и синонимы, деловой смысл, формулу, детализацию, временную привязку, источник и ответственного за изменение. Синонимы добавляются осмысленно: «продажи», «отгрузка» и «выручка» нельзя автоматически считать равнозначными. Для каждого термина требуется указать конкретную сущность или меру.

Проверяемый аналитический AI-сценарий

Для вопроса «Как изменилась маржинальность за квартал?» полезно разделить три этапа. Сначала определяется показатель, календарь, период сравнения и доступная область данных. Затем выполняется согласованный расчёт. После этого формируется объяснение с результатом, применёнными фильтрами и ссылкой на определение. Такое разделение предлагается как порядок проектирования и проверки сценария; конкретная платформа может реализовывать его иначе.

В условном ответе должны различаться изменение с 25% до 29% и рост на 4%. Первое означает увеличение на 4 процентных пункта; относительный рост показателя составляет 16%. Даже корректное вычисление не объясняет причину изменения. Для утверждения о влиянии скидок, структуры продаж или затрат нужны соответствующие данные и отдельно выбранный метод анализа.

Microsoft в документации Prep data for AI описывает настройку области данных, проверенных ответов и инструкций на уровне семантической модели. На дату проверки материала, 30 сентября 2026 года, страница помечена как preview. Документация прямо отмечает, что подготовка модели не гарантирует одинакового ответа AI при одинаковом входе. Microsoft Learn: подготовка данных для Copilot.

Критерии приёмки и изменения

Контрольный набор вопросов должен проверять смысл, а не только корректность текста:

• «Маржа за месяц» — различение суммы и доли, выбор согласованного периода.
• «Маржинальность по заказам» — проверка наличия затрат на требуемой детализации.
• «Сравнение кварталов» — одинаковые правила расчёта и явно заданное основание сравнения.
• «Итого по категориям» — пересчёт отношения из компонентов вместо усреднения процентов.

Для неоднозначного вопроса ожидаемым результатом может быть уточнение, для недоступной детализации — объяснение ограничения. Эти исходы следует задавать при приёмке, а не считать гарантированной способностью AI. Изменение формулы, справочника или календаря требует повторной проверки затронутых вопросов. Версия определения и контрольные расчёты делают результат проверяемым независимо от качества его текстового изложения.