Snowflake Cortex AI 相关术语解释（新手向）
先说清楚它是什么：Snowflake Cortex AI 属于「数据与分析」方向的在线服务，Snowflake 数据云中的大模型与 AI 函数。
看文档和设置项时遇到的术语，这里用一两句话解释清楚。
术语表
- 口径：指标的定义与计算规则，不同口径会得出不同结论。
- 文本转 SQL：把自然语言问题转换为数据库查询语句。
- 语义层：把业务指标定义统一管理，让 AI 查询时口径一致。
- 异常检测：自动发现偏离正常范围的数据点。
- 追踪（Tracing）：记录大模型应用每次调用的输入输出与耗时。
- 评测集：用于反复检验模型或应用效果的标准问题集合。
和 Snowflake Cortex AI 相关的补充
- 在线服务：Snowflake Cortex AI 的产品形态，决定了安装、权限和数据存放方式。
- 同类产品：Databricks、BigQuery Gemini、Redshift。
- 所属方向：数据与分析。
把概念用起来
指标异动解读
准备材料：一个突然下降的业务指标。
日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。
交付前确认：先排查数据本身问题。
补充练习
写 SQL 查询
适用情况：手头有数据库表结构说明时。
根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。
验收标准：说明了口径问题。
数据清洗方案
准备材料：一份有缺失和异常值的数据。
分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。
检查点：说明了处理对结论的影响。
图表建议
输入：一组需要汇报的数据。
根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。
检查点：指出了误导风险。
常见问题：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
常见问题：生成的 SQL 运行报错
提供准确的表结构和字段说明，先在测试库运行。
常见问题：敏感数据暴露给模型
使用脱敏视图或只读账号，限制可访问的表。
概念补充：评测集
用于反复检验模型或应用效果的标准问题集合。
概念补充：语义层
把业务指标定义统一管理，让 AI 查询时口径一致。
适合人群：销售
销售可以用 Cortex 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。
适合人群：HR 与招聘
HR 与招聘可以用 Cortex 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。
适合人群：科研人员
科研人员可以用 Cortex 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
写在最后
本文基于 Snowflake Cortex AI 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
涉及个人信息、商业机密或受监管数据时，先确认 Snowflake Cortex AI 的数据处理条款，再决定能否使用。