Gerando SQL usando linguagem natural

1. No cockpit SAP BTP, navegue para sua subconta. Abra o painel de navegação esquerdo e selecione Instâncias e assinaturas.
2. Na tela Instâncias e assinaturas, selecione SAP HANA Cloud para iniciar o SAP HANA Cloud Central em uma nova guia do navegador.
3. Na página SAP HANA Cloud Central – Todas as instâncias, localize a instância do banco de dados do SAP HANA Cloud.
4. Abra o console SQL usando uma destas opções:
   • Selecione o ícone Console SQL na barra de navegação esquerda para abrir o console (não conectado por padrão).
   • Na coluna Ações da sua instância, clique no botão Mais (°°) e selecione Console SQL aberto para abrir uma guia de console conectada a essa instância.
   • Selecione o campo Perguntar ao Joule (Pesquisar algo) e digite Console SQL aberto. Na lista suspensa, selecione o item Open SQL Console.
5. Selecione uma instância para conectar à instância do banco de dados que você deseja utilizar. Você pode usar suas credenciais armazenadas do mapeadas para seu usuário do SAP BTP ou conectar-se a um usuário diferente, desde que tenha permissões de acesso.
6. Depois de conectado, escolha o esquema de destino, insira seu SQL no editor e execute-o usando as opções Executar (Executar, Executar instrução, Executar linha ou Executar instrução em background).

No SAP HANA Cloud Central – Console SQL, agora é possível descrever em linguagem natural as definições e relações de tabela de que você precisa. No console SQL, a IA generativa criará as instruções SQL necessárias para você quando usar a função Executar prompt, como mostrado na imagem.

O exemplo anterior era apenas um exemplo muito simples para mostrar como executar um prompt no console SQL. Para os próximos exemplos, o seguinte modelo de dados para o esquema Minha empresa com as tabelas Departamentos, Cargos e Empregados. As colunas ID do departamento e ID do cargo na tabela Empregados são referências de chave externa às tabelas Departamentos e Cargos.

Usando o modelo de dados de exemplo fornecido, escreveria o seguinte documento de design:

12345678910111213141516171819202122232425

Setting Up the My Company Database Schema

Schema, table and column names must be written in snake_case.

First, a new schema called my company needs to be created. Within this schema, three interconnected tables 
must be established.

To begin, an employees table should be created. This table will serve as the main record for all staff 
members. The employee id will act as the unique identifier for each employee. 
The first name and last name columns will be added to store the employee's name. Since employees belong to 
departments and have specific job roles, a department id column should be included to reference the 
departments table, and a job title id column should be included to reference the job titles table. Finally,
a hire date column should be added to track when each employee was hired.

Next, the job titles table should be created to define all possible job positions in the company. Each job 
title will have a unique job title id (a short two-character code) to identify it, and a job title name 
field where the actual name of the position will be stored. The name field is required and cannot be left 
empty.

Finally, the departments table should be set up to organize the company's structure. Each department will 
have  a department id (a short three-character acronym) that uniquely identifies it, a department name 
field for the full name of the department, and a department head field to record who leads that department.

The tables will work together to create a complete employee management system for the My Company schema.

Cole esse texto no SAP HANA Cloud Central – Console SQL e execute-o com a opção Executar prompt no menu Executar.

A saída SQL resultante é:

123456789101112131415161718192021222324252627

CREATE SCHEMA "my_company";

-- Create the job_titles table to store all job positions
CREATE COLUMN TABLE "my_company"."job_titles" (
    "job_title_id" NVARCHAR(2) PRIMARY KEY,
    "job_title_name" NVARCHAR(100) NOT NULL
);

-- Create the departments table to organize company structure
CREATE COLUMN TABLE "my_company"."departments" (
    "department_id" NVARCHAR(3) PRIMARY KEY,
    "department_name" NVARCHAR(100),
    "department_head" NVARCHAR(100)
);

-- Create the employees table with foreign key references
CREATE COLUMN TABLE "my_company"."employees" (
    "employee_id" INTEGER GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY,
    "first_name" NVARCHAR(50),
    "last_name" NVARCHAR(50),
    "department_id" NVARCHAR(3),
    "job_title_id" NVARCHAR(2),
    "hire_date" DATE,
    FOREIGN KEY ("department_id") REFERENCES "my_company"."departments"("department_id"),
    FOREIGN KEY ("job_title_id") REFERENCES "my_company"."job_titles"("job_title_id")
);

O código SQL parece bom e executá-lo não deu nenhum erro de sintaxe. No esquema my_company as tabelas job_titles, departments e employees foram criadas na sequência correta. A sequência correta era importante devido às chaves externas.

Para testar a configuração das tabelas criadas, precisamos de dados de demonstração. É até possível gerar alguns dados de demonstração usando uma IA generativa. Como exemplo, use o seguinte prompt para gerar 5 linhas de dados de demonstração para o "my_company"."departments":

12345

Use the table "my_company"."departments" with the fields "department_id" which is a acronym for the 
department name which is max 3 characters long, but shorter is fine, "department_name", "department_head" 
and generate 5 rows demo data.

A saída SQL resultante é:

1234567891011

INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES 
('IT', 'Information Technology', 'John Smith');
INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES 
('HR', 'Human Resources', 'Sarah Johnson');
INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES 
('FIN', 'Finance', 'Michael Chen');
INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES 
('OPS', 'Operations', 'Emily Davis');
INSERT INTO "my_company"."departments" ("department_id", "department_name", "department_head") VALUES 
('MKT', 'Marketing', 'David Brown');

As instruções SQL geradas têm bom aspecto e a execução dessas instruções SQL preencheu a tabela "my_company"."departments" com alguns dados de demonstração. Como uma verificação rápida, executar SELECT * FROM "my_company"."departments"; no console SQL resulta em:

Neste modelo de dados de exemplo simples, o uso da IA generativa funcionou muito bem, mas e os cenários mais complexos? Use as seguintes práticas recomendadas ao escrever um prompt para permitir que a IA generativa gere código SQL utilizável.

Pense na IA generativa no console SQL como uma estagiária brilhante que tem todo o conhecimento do livro didático, mas sem entender seus objetivos específicos de negócios, dados ou estrutura. Sem instruções claras, esse estagiário brilhante terá dificuldades mesmo com a simples pergunta "Dê uma visão geral dos melhores dados de vendas da empresa", pois o contexto da pergunta não é claro.

Para obter os melhores resultados ao usar IA generativa no console SQL, siga a regra: Mais é melhor. As seguintes práticas recomendadas ajudarão você a escrever um prompt útil para ser um bom resultado da IA generativa no SAP HANA Cloud Central - Console SQL.

Fornecer contexto sobre seu esquema

• Mencionar nomes de tabela e coluna relevantes
• Descrever relações entre tabelas
• Especificar tipos ou formatos de dados, se relevante

Exemplo: "Tenho uma tabela de clientes com id, email, signup_date e uma tabela de pedidos com customer_id, order_date, total_amount"

Informe sua meta de negócios

Explique por que você precisa da consulta, não apenas do que deseja, isso ajuda a IA generativa a fazer suposições melhores sobre filtros e lógica.

Exemplo: preciso identificar clientes de alto valor para uma campanha de retenção" é melhor do que "Obter clientes importantes

Seja específico e detalhado

• Bom: "Escreva uma consulta para encontrar clientes que fizeram compras acima de US $ 500 nos últimos 90 dias e não fizeram nenhuma compra nos últimos 30 dias"
• Evitar: "Chamar dados do cliente"

Refinar iterativamente seu prompt

Comece com uma solicitação básica e, em seguida, peça refinamentos, como adicionar filtros ou ordenar ordens. Crie complexidade gradualmente.

Testar e validar

• Sempre revise as consultas geradas antes de executá-las na produção
• Comece com pequenos conjuntos de dados ou cláusulas LIMIT
• Verifique se os resultados correspondem às suas expectativas
• Verificar processamento NULL e casos de aresta

É mais fácil escrever um prompt de IA generativa em sua língua materna do que em inglês porque você pode expressar intenção e nuance com mais precisão no idioma que conhece melhor, e as ferramentas SAP Generative AI podem fornecer saídas em um idioma escolhido, independentemente do idioma do prompt.

Atualmente, os idiomas suportados são inglês, alemão, francês, espanhol, português, japonês, coreano, chinês (simplificado), vietnamita, grego, polonês, árabe e indonésio. Alguns outros idiomas, como o holandês, funcionam, mas ainda não são oficialmente suportados. Como sou holandês, reescrevi o documento de design em inglês em holandês e o executei contra a IA generativa no console SQL. Aqui está o prompt em holandês:

1234567891011121314151617181920212223242526
Een databaseschema voor Mijn Bedrijf opzetten.
De schema-, tabel- en kolomnamen moeten in het Engels en in snake_case worden geschreven.

Er moet een nieuw schema genaamd mijn bedrijf worden aangemaakt. Binnen dit schema moeten drie onderling 
verbonden tabellen worden opgezet.

Om te beginnen moet er een tabel werknemers worden aangemaakt. Deze tabel zal dienen als het 
hoofdregister voor alle personeelsleden.
Het werknemer id zal fungeren als de unieke identificatie voor elke werknemer.
De kolommen voornaam en achternaam worden toegevoegd om de naam van de werknemer op te slaan. Omdat 
werknemers bij afdelingen horen en specifieke functies hebben, moet er een kolom afdeling id worden opgenomen 
om te verwijzen naar de tabel afdelingen, en een kolom functietitel id om te verwijzen naar de tabel 
functietitels. Ten slotte moet er een kolom datum indiensttreding worden toegevoegd om bij te houden wanneer 
elke werknemer is aangenomen.

Vervolgens moet de tabel functietitels worden aangemaakt om alle mogelijke functies binnen het bedrijf te 
definiëren. Elke functietitel krijgt een uniek functietitel id (een korte code van twee tekens) om deze te 
identificeren, en een veld functietitel naam waarin de werkelijke naam van de functie wordt opgeslagen. Het 
naamveld is verplicht en mag niet leeg worden gelaten.

Ten slotte moet de tabel afdelingen worden opgezet om de structuur van het bedrijf te organiseren. Elke 
afdeling krijgt een afdeling id (een afkorting van drie tekens) dat de afdeling uniek identificeert, een veld 
afdelingsnaam voor de volledige naam van de afdeling, en een veld afdelingshoofd om te registreren wie die 
afdeling leidt.

De tabellen zullen samenwerken om een compleet werknemersbeheersysteem te vormen voor het schema van Mijn Bedrijf.

Não aborrecerei você com a saída SQL da IA generativa para este prompt holandês, pois ele é idêntico à versão em inglês. Experimente você mesmo, ninguém está te impedindo.

O console SQL do SAP HANA Cloud Central usa IA generativa para permitir que os usuários criem, expliquem e otimizem consultas SQL por meio de prompts de linguagem natural, reduzindo significativamente as barreiras técnicas e acelerando a tomada de decisões baseada em dados para usuários de negócios e desenvolvedores. A solução gera instruções SQL sintaticamente corretas e alinhadas à empresa, preservando a integridade dos dados.

Para maximizar os resultados, as organizações devem adotar uma abordagem estruturada para a engenharia imediata: fornecer um contexto de esquema abrangente, indicar explicitamente os objetivos de negócios em vez de solicitações vagas. Tratar a IA generativa como uma ferramenta experiente, mas dependente do contexto, que requer orientação clara para superar pontos cegos específicos do domínio, garante a geração de consultas ideal e a realização de valor organizacional.