Descubra las 6 últimas integraciones de IA de SAP Datasphere

SAP Datasphere es una herramienta de IA que puede ayudar a entregar datos significativos a las empresas.

Explore los desarrollos de IA de SAP Datasphere, como nuevas integraciones y funciones basadas en IA para comprender cómo la herramienta puede ayudar a las empresas a gestionar sus datos empresariales:

¿Qué es SAP Datasphere IA y por qué es importante?

SAP Datasphere es una de estas herramientas que SAP ha estado integrando con herramientas y funciones impulsadas por IA para satisfacer las necesidades de los consumidores y proveedores de datos. SAP Datasphere IA puede mejorar la experiencia del usuario y respaldar el intercambio de datos a gran escala mediante:

• Aprovisionamiento de datos automatizado: La IA puede agilizar el proceso de aprovisionamiento de datos estableciendo automáticamente conexiones relevantes y creando los artefactos necesarios en SAP Datasphere. Esto reduce la necesidad de intervención manual, facilitando a los usuarios la integración de productos de datos.
• Gestión de metadatos: La IA puede mejorar el manejo de los metadatos, lo cual es crucial para facilitar el aprovisionamiento de datos. Al utilizar metadatos descritos a través del protocolo Open Resource Directory (ORD), la IA puede garantizar que el proceso de integración sea fluido y eficiente.

Aquí hay un video que explica cómo SAP Datasphere combina las capacidades de IA generativa con su Datasphere:

SAP ha implementado IA en diferentes herramientas, como las aplicaciones de SAP BTP generative IA. También integra otras plataformas SAP y no SAP para ampliar las capacidades de sus herramientas, como: 

• programadores de trabajos de SAP
• herramientas de orquestación de procesos SAP
• soluciones de servicios públicos de SAP
• tecnologías de proceso de medición a cobro de SAP.

2 funciones de IA de SAP Datasphere 

Aquí hay una lista completa de funciones proporcionadas por SAP Datasphere:

1. Gráfico de conocimiento

El Gráfico de Conocimiento proporciona una visión integral del panorama de datos de una organización. Al capturar relaciones complejas y metadatos, permite una mejor comprensión contextual para aplicaciones impulsadas por IA.

Capacidades:

• Creación automática de ontologías: Genera ontologías a medida que se integran los datos, incluyendo el contexto empresarial de fuentes SAP como S/4HANA.
• Enriquecimiento de contexto para LLMs: Proporciona contexto estructurado a los large language models para reducir las imprecisiones generadas por IA (por ejemplo, alucinaciones).
• Descubrimiento de patrones: Facilita el razonamiento avanzado y la generación de conocimientos en todos los dominios empresariales.

Aplicación en el mundo real del gráfico de conocimiento

Los gráficos de conocimiento se pueden aplicar a la optimización del marketing o la gestión de la cadena de suministro, permitiendo a las organizaciones obtener información procesable e impulsar la innovación. 

Aquí hay un video que explica la capacidad del Gráfico de conocimiento:

2. Incorporación semántica

La Incorporación Semántica permite importar objetos de datos semánticamente enriquecidos desde sistemas SAP (S/4HANA, BW/4HANA, HANA Cloud) a SAP Datasphere conservando su significado empresarial. SAP amplió esto para incluir soporte para SAP HANA Cloud y otros productos de datos SAP, ofreciendo una experiencia de incorporación unificada.

Capacidades:

• Preservación de la información semántica: Al importar vistas de cálculo desde SAP HANA Cloud a SAP Datasphere, se conservan los detalles semánticos como medidas, atributos, jerarquías, agregaciones y monedas/unidades. Esto garantiza que la integridad y el significado de los datos se preserven dentro de una capa de datos semánticamente enriquecida.
• Sincronización: Mantiene sincronizados los objetos en SAP HANA Cloud y SAP Datasphere, permitiendo a los clientes aprovechar sus inversiones existentes en modelado SAP HANA.
• Herencia del contexto empresarial: Permite la herencia del contexto empresarial de aplicaciones de línea de negocio SAP y soluciones industriales. Esta transferencia de semántica al tejido de datos empresariales sienta una base sólida para flujos de trabajo analíticos mejorados.
• Flujo de trabajo analítico mejorado: La preservación y transferencia de información semántica a SAP Datasphere agilizan el flujo de trabajo analítico, acelerando y simplificando el proceso de obtención de información basada en datos.Integraciones con otras herramientas.

Aplicación en el mundo real de la Incorporación Semántica

Las empresas pueden utilizar la Incorporación Semántica para integrar conjuntos de datos SAP e híbridos de manera eficiente, reduciendo los errores de modelado y acelerando la generación de conocimientos.

3. Generación de contenido asistida por IA

Esta capacidad genera automáticamente descripciones de negocio, asignaciones de términos de negocio y definiciones de KPI para activos de datos en el catálogo de SAP Datasphere, utilizando modelos de SAP Business IA.

Capacidades:

• Genera texto descriptivo contextual para objetos del catálogo
• Aplica automáticamente etiquetas y términos de negocio jerárquicos
• Define indicadores clave de rendimiento y asociaciones sin intervención manual
• Reduce la necesidad de experiencia técnica profunda para curar el contenido del catálogo 

Aplicación en el mundo real de la generación de contenido asistida por IA

Las organizaciones pueden incorporar rápidamente miles de activos de datos manteniendo el cumplimiento y la calidad de los datos, acelerando los análisis y los informes.

4. Búsqueda asistida por IA

La búsqueda asistida por IA permite a los usuarios encontrar artefactos de datos utilizando consultas en lenguaje natural dentro de SAP Datasphere, superando las limitaciones de los filtros y la navegación manual.

Capacidades:

• La comprensión del lenguaje natural interpreta términos de negocio, preguntas e intenciones
• Busca en conjuntos de datos del repositorio, catálogo y marketplace
• Ofrece resultados contextualizados que coinciden con lo que los usuarios están preguntando.

Aplicación en el mundo real de la búsqueda asistida por IA

Los usuarios pueden hacer preguntas en lenguaje sencillo. Por ejemplo, “Muéstrame los modelos de datos de ventas con segmentación de clientes” y obtener resultados precisos.. 

5. Generación semántica asistida por IA

La Generación Semántica Asistida por IA detecta y clasifica automáticamente los tipos semánticos de los datos entrantes, especialmente para fuentes no SAP, enriqueciendo el tejido de datos de SAP Datasphere.

Capacidades:

• Clasificación semántica automática: Asigna los tipos correctos a los conjuntos de datos durante la ingesta.
• Soporte de datos híbridos: Funciona con datos SAP y no SAP para crear una capa semántica unificada.
• Preprocesamiento manual reducido: Minimiza el esfuerzo de preparación de datos, permitiendo análisis más rápidos.

Aplicación en el mundo real de la generación semántica asistida por IA

Las empresas que integran fuentes de datos híbridas pueden acelerar el modelado y la obtención de información al tener información semántica enriquecida automáticamente, reduciendo errores y mejorando la consistencia.

Integraciones con otras herramientas 

SAP Datasphere integra herramientas de IA en su ecosistema de datos abiertos para mejorar su arquitectura de gestión de datos.

1. Gobernanza de IA con Collibra

SAP se asocia con Collibra para ofrecer funciones de gobernanza de datos, garantizando que los datos confiables sean accesibles para todos los usuarios en todo el tejido de datos empresariales.

Al integrarse con Collibra IA Governance, las soluciones de SAP permitirán a las empresas conectar los datos utilizados para la IA con los propios modelos en una sola plataforma para rastrear y gestionar eficazmente sus esfuerzos de desarrollo de IA. Al registrar los modelos de IA y aprendizaje automático creados con tecnología SAP en la plataforma Collibra IA Governance, los usuarios pueden: 

• Obtener una visibilidad mejorada del linaje de datos y los metadatos de los datos SAP utilizados en el modelado de IA
• Verificar la precisión y confiabilidad de los datos
• Verificar los datos con los que se entrenaron sus modelos de IA.

Como resultado, pueden: 

• Mejorar la transparencia y la responsabilidad
• Garantizar el cumplimiento de las políticas regulatorias, de privacidad y de gobernanza
• Mitigar riesgos como la toma de decisiones sesgada y las recomendaciones inexactas.

Aquí hay un video que explica cómo funciona la gobernanza de IA de Collier:

2. Transmisión de datos con Confluent

Confluent es una plataforma construida sobre Apache Kafka que proporciona un servicio de transmisión y gestión de datos en tiempo real. Permite a las organizaciones gestionar eficientemente canalizaciones de datos a gran escala y transmitir datos entre varios sistemas y aplicaciones.

Así es como Confluent mejora SAP Datasphere y potencia los activos de datos de SAP:

1. Transmisión de datos en tiempo real: La integración de Confluent permite la transmisión de datos en tiempo real hacia y desde SAP Datasphere. Esta capacidad es crucial para las organizaciones que necesitan procesar y analizar datos en tiempo real, lo que permite una toma de decisiones más rápida y una mayor capacidad de respuesta operativa.
2. Capacidades del registro de esquemas: La integración con el registro de esquemas de Confluent amplía las capacidades de salida de SAP Datasphere. Permite el manejo fluido de esquemas de datos, garantizando que los datos se interpreten y procesen correctamente en todos los sistemas.
3. Experiencia de usuario superior: La integración proporciona una experiencia de usuario superior al facilitar las conexiones a nivel de aplicación sin necesidad de desarrollo adicional de aplicaciones personalizadas. Esta facilidad de integración ayuda a las organizaciones a implementar y utilizar rápidamente soluciones de datos en streaming.
4. Procesamiento eficiente de datos: La integración de SAP Datasphere con Confluent incluye flujos de replicación preestablecidos que admiten procesamiento delta y en tiempo real de forma nativa. Esta eficiencia significa que los datos se cargan cuando ocurren cambios, reduciendo la transferencia de datos innecesaria y la sobrecarga de procesamiento.
5. Ingesta e integración de datos mejoradas: La integración admite la ingesta de datos en Kafka y Confluent, con capacidades adicionales tanto para la integración de datos de salida como de entrada disponibles para todos. Esta funcionalidad ampliada mejora aún más la capacidad de SAP Datasphere para manejar una amplia gama de fuentes de datos y casos de uso.

Integración con SAP Analytics Cloud y SAP Hana Cloud Vector Engine

Los usuarios pueden combinar SAP Datasphere, SAP Analytics Cloud y SAP HANA Cloud Vector Engine para lograr un único sistema de gestión de datos y una solución de análisis. Esto es lo que un usuario puede hacer con estas herramientas combinadas:

3. SAP Analytics Cloud para el tejido de datos

Las soluciones de tejido de datos unifican y gestionan datos en tiempo real en todos los sistemas, proporcionando una única fuente confiable. Automatizan el acceso, mejoran la calidad de los datos y refuerzan la seguridad, facilitando los análisis y la IA, incluso en configuraciones complejas. Esto ayuda a las empresas a escalar y adaptarse a los mercados cambiantes. SAP mejora el tejido de datos mediante:

1. Integración con SAP Analytics Cloud para planificación: Los modelos de planificación de SAP Analytics Cloud ahora se pueden implementar en SAP Datasphere. SAP Analytics Cloud utiliza IA para:
   1. Automatizar y optimizar los procesos de transformación e integración de datos 
   2. Proporcionar recomendaciones e información inteligentes basadas en los datos reales y planificados integrados. Esto mejora la integración de datos planificados y reales en la toma de decisiones en tiempo real. 
      permitiendo para dentro de SAP Datasphere. 
2. Reducción de la huella de datos y los esfuerzos de modelado: Los esfuerzos de integración también se centran en reducir la huella de datos y el esfuerzo necesario para el modelado. Al aprovechar las capacidades de SAP Datasphere, SAP Analytics Cloud puede agilizar los procesos de gestión de datos y mejorar la eficiencia.

4. Copiloto de IA generativa: Joule

El Copiloto de IA generativa de SAP Analytics Cloud permite a los clientes aprovechar la IA generativa para la planificación y simulación de negocios. El asistente de IA subyacente, Joule, mejora las capacidades en el descubrimiento de datos, la creación de paneles, el mantenimiento de modelos de planificación y más, proporcionando una experiencia de usuario intuitiva.

Usando NLP, los usuarios finales pueden:

• Ejecutar consultas analíticas
• Simular impactos de varios impulsores
• Asignar recursos
• Automatizar paneles y cálculos

Caso de uso de ejemplo de Joule

Un usuario de negocio que investiga la tasa de deserción versus contratación para un trabajo específico en los últimos 12 meses podría consultar a Joule para analizar iteraciones de planes anteriores y descubrir las razones subyacentes.

Nuevas extensiones de Joule:

• Integración de Joule + modelo fundacional SAP‑RPT‑1: Joule ahora puede aprovechar SAP‑RPT‑1, un modelo fundacional relacional de SAP IA Hub, para realizar análisis predictivos y modelado en conjuntos de datos estructurados de Datasphere, mejorando previsiones, recomendaciones y simulaciones de escenarios avanzadas.
• Integración de Joule + Copilot de Microsoft 365: Amplía las capacidades de consulta en lenguaje natural más allá de SAP Analytics Cloud, permitiendo a los usuarios acceder y analizar datos de Datasphere directamente desde las herramientas de productividad de Microsoft.

5. SAP Analytics Cloud Compass

SAP Analytics Cloud Compass ofrece capacidades de simulación Monte Carlo con una interfaz fácil de usar, permitiendo a usuarios no técnicos realizar análisis multivariante en tiempo real sin habilidades estadísticas avanzadas. Estos son los beneficios clave de SAP Analytics Cloud Compass:

1. Análisis multivariante en tiempo real para analizar múltiples variables simultáneamente en tiempo real, proporcionando una visión integral de los resultados potenciales.
2. Simulaciones de negocio para un modelado de escenarios rápido y eficiente, ayudando a los usuarios a comparar supuestos e informar sobre las variaciones de impacto.
3. Análisis de sensibilidad para descubrir información en tiempo real sobre los impulsores de sensibilidad, ayudando a los usuarios a comprender la dinámica de los datos y cómo los cambios en las variables afectan los resultados.
4. Simulaciones ágiles continuas para adaptarse a las condiciones comerciales cambiantes y tomar decisiones informadas.

6. SAP HANA Cloud Vector Engine

SAP HANA Cloud incorpora una capacidad vectorial a sus capacidades multimodelo existentes, permitiendo a los clientes aprovechar todo tipo de datos empresariales utilizando una única base de datos. El motor vectorial mejora la capacidad de crear aplicaciones de datos inteligentes que combinan la intuición humana con el aprendizaje automático y las capacidades de procesamiento multimodelo. Las características y beneficios clave de SAP HANA Cloud Vector Engine incluyen:

• Almacenar y comparar vectores usando SQL, permitiendo casos de uso como la generación aumentada por recuperación (RAG), recomendaciones, clasificaciones y agrupamiento.
• Simplificar la arquitectura de gestión de datos y mejorarla con una única base de datos multimodelo con interacción SQL.
• Obtener nuevos conocimientos combinando datos espaciales, de grafos, JSON y relacionales con consultas vectoriales.
• Incorporar fácilmente casos de uso vectoriales en soluciones dentro del ecosistema de HANA Cloud, incluidos clientes, bibliotecas de Python y CAP (Modelo de Programación de Aplicaciones en la Nube).
• Integrarse con herramientas de la comunidad de código abierto como LangChain mediante complementos.

Descubre más de nuestros análisis comparativos e insights basados en datos en la Búsqueda de Google.

Añadir como fuente preferida

Preguntas frecuentes

Lectura adicional

Explore más noticias y aplicaciones relacionadas con SAP consultando nuestros artículos completos y basados en datos:

• Descubra las herramientas de IA generativa de SAP BTP, 4 casos de uso y beneficios
• Principales herramientas de automatización de cargas de trabajo de SAP y casos de uso

Cita esta investigación

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{imek2026,
  author = {Şimşek, Hazal},
  title  = {{Descubra las 6 últimas integraciones de IA de SAP Datasphere}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/sap-datasphere-ai}},
  note   = {AIMultiple. Recuperado el 24 de Junio de 2026}
}

Enlaces de referencia

1.

Unleashing the Latest SAP Data and Analytics Innovations | SAP News Center

SAP

2.

SAP Datasphere on Teched 2023: What has been achieved and where are we going? • Interdobs

3.

Set SAP Data in Motion with Confluent Cloud, an SA... - SAP Community

4.

Business data fabric: Demo video from SAP Data Unleashed in 2024

5.

SAP Datasphere | Unified Data Experience

6.

SAP Analytics Cloud compass - SAP Danmark Nyheder

7.

Vectorize your Data : SAP HANA Cloud's Vector Engi... - SAP Community

Hazal Şimşek

Analista de Industria

Síguenos

Hazal es analista de industria en AIMultiple, centrándose en minería de procesos y automatización de TI.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario