Tables de structure de données

Alimentez vos agents IA et enrichissez les workflows avec ServiceNow AI Platform des données externes à l’aide de tables d’ingénierie de données.

Avantages clés

• Récupérez les données externes en temps réel et visualisez les données dans des listes et des formulaires comme si elles étaient stockées dans votre instance.
• Réduisez la consommation de stockage et la charge des performances dans votre instance.
• Contrôlez l’accès aux données externes afin que seuls les utilisateurs autorisés puissent les visualiser.

Une table d’atelier de données est une représentation virtuelle de données stockées dans une source externe, accessible directement à partir de l' ServiceNow AI Platform. La définition de la table d’atelier de données est stockée dans le ServiceNow AI Platform, mais ses enregistrements externes vivent dans la mémoire en mode lecture seule. Vous pouvez afficher les enregistrements externes d’une table d’atelier de données dans des listes et des formulaires de la même manière que vous affichez les enregistrements dans une table physique.

L’accès à une table d’atelier de données est contrôlé de la même manière que l’accès à une table physique. Les tables de l’infrastructure de données appartiennent au périmètre de l’application sélectionné par le gestionnaire des données lors de leur création.

Figure 1. Tables de structure de données

Rôles ServiceNow AI Platform requis

Un rôle contenant le rôle df_data_steward ou le rôle connection_admin est requis pour créer et gérer des tables d’atelier de données.

Accéder aux tables de l’atelier de données

Affichez et gérez les tables d’atelier de données dans l’onglet Tables d’atelier de données en accédant à Administrateur > Zéro copie : concentrateur du connecteur > Tables de structure de données ou Tous > Zéro copie : concentrateur du connecteur > Tables de structure de données.

Affichage des tables d’atelier de données

Affichez la liste de toutes les tables d’atelier de données créées par les administrateurs de données dans l’onglet Tables d’atelier de données .

• Recherchez une table d’atelier de données par étiquette ou par nom.
• Filtrez la liste des tables par source de données et connexion.
• Filtrez la liste des tables par créateur.
• Affichez une liste de tables d’atelier de données à partir de connexions actives dans l’onglet Actif .
• Affichez une liste de tables d’atelier de données à partir de connexions désactivées ou non configurées dans l’onglet Autres .

Cas d'utilisation

Unifier les données provenant de plusieurs sources

Un fabricant subit une panne lorsqu’une pièce clé de la machine tombe en panne, arrêtant complètement la production. Malheureusement, les données nécessaires pour aider à prévenir ces défaillances sont dispersées dans plusieurs systèmes.

• Les données d’inventaire des actifs dans IT Asset Management (ITAM) et les données du personnel de maintenance sont stockées localement dans votre instance.
• Les enregistrements de maintenance des actifs historiques et le capteur en temps réel sont stockés dans un lac de données externe.

Pour éviter les pannes et les pannes potentielles, vous pouvez fournir aux techniciens de maintenance toutes les données nécessaires en connectant ces systèmes à l’aide de tables Data Fabric. Par exemple :

1. Les données des capteurs sont transmises au lac de données et analysées par apprentissage machine, générant un score de défaillance.
2. Lorsque le score d’échec dépasse un certain seuil, une alerte est générée et envoyée à votre instance.
3. L’alerte déclenche un flux de demande de maintenance, créant un ticket affecté à un technicien de maintenance.
4. Le technicien examine les détails du ticket et accède aux données d’inventaire de l’instance, ainsi qu’aux enregistrements de maintenance et aux données des capteurs en temps réel à partir du lac de données externe, le tout au même endroit à l’aide de tables d’ingénierie de données.
5. Le technicien prend une décision éclairée et agit pour résoudre le problème avant qu’une autre panne ne se produise.

Récupération de données en temps réel dans une application

Une application peut inclure à la fois une table physique et une version d’une structure de données de la même table. Cela donne à l’administrateur de l’instance une certaine flexibilité lors de l’installation de l’application. L’administrateur peut choisir de renseigner la table physique via l’importation de données ou d’autoriser les utilisateurs à accéder aux données en temps réel à partir d’une source de données externe via la table de l’atelier de données.

Analyse des données et génération d’aperçus guidés par l’IA à l’aide de Explorateur IA de données

Créez des visualisations et des analyses de données extraites via une interface conversationnelle dans Explorateur IA de données. Pour plus d'informations, consultez Use AI to explore data with AI Data Explorer.

Remarque :

Vous devez d’abord ajouter les tables data fabric pertinentes à la table Configuration de table sémantique [sn_query_gen_table_config] dans Génération de requête. Consultez Add a table to the semantic data layer.

Amélioration des performances des expériences d’IA à l’aide de Graphique de connaissances

Améliorez les performances de l’agent virtuel Now Assist, des agents IA et des compétences d’IA générative en exploitant les tables de structure de données dans l’application Graphique de connaissances . Pour plus d'informations, consultez Knowledge Graph.

Différences entre les tables d’atelier de données et les tables distantes

Les tables Data Fabric sont similaires aux tables distantes sur le , mais les ServiceNow AI Platform tables Data Fabric interrogent des sources de données externes et récupèrent les données à l’aide d’une connexion sans copie au lieu d’un script.

Une table d’atelier de données vous permet d’afficher des données externes, mais vous ne pouvez pas insérer, mettre à jour ou supprimer des données dans une source de données externe comme vous le feriez à partir d’une table distante.