Databricks Mosaic AI sur BDC — ML sur les data products SAP
À jour au 2026-09-25
Pour les consultants qui cadrent ou revoient une construction côté Databricks (agent ou modèle ML) contre de la donnée SAP partagée en zero-copy via Business Data Cloud Connect. Couvre la séquence de configuration OpenSharing et le modèle de sécurité (GA octobre 2025), pourquoi la synchronisation des métadonnées sémantiques dans Unity Catalog compte spécifiquement pour le ML, la proposition de valeur étroite de Mosaic AI Agent Framework (tables Delta, modèles ML enregistrés, recherche vectorielle dans une même boucle de raisonnement) face à une chaîne directe plus simple, construire des outils via des fonctions Unity Catalog et Vector Search avec MCP comme pont vers des outils exposés par SAP, la gouvernance Unity Catalog/Unity Gateway comme équivalent côté Databricks d'une revue DAC Datasphere, des signatures de modèle liées au figeage de version des data products, et le chemin de réécriture bidirectionnel qui renvoie les résultats calculés par Databricks vers SAP comme actifs gouvernés. Se termine par la décision Mosaic AI ou SAP AI Core et trois exercices.
Ce que vous apprendrez
- Expliquer comment SAP Business Data Cloud Connect fait entrer la donnée SAP dans Databricks via Delta Sharing zero-copy, y compris la séquence de configuration OpenSharing et le modèle de sécurité
- Expliquer pourquoi la synchronisation des métadonnées sémantiques dans Unity Catalog (commentaires, clés, tags de gouvernance) compte spécifiquement pour les charges de travail ML, pas seulement pour les agents de chat
- Énoncer la proposition de valeur étroite de Mosaic AI Agent Framework et décider quand c'est le bon runtime plutôt qu'une chaîne directe plus simple
- Construire des outils d'agent sur de la donnée SAP en utilisant des fonctions Unity Catalog et Mosaic AI Vector Search, et expliquer le rôle de MCP pour atteindre des outils exposés par SAP
- Appliquer la gouvernance Unity Catalog et Unity Gateway comme équivalent côté Databricks d'une revue DAC Datasphere
- Concevoir un chemin de réécriture pour qu'un résultat calculé par Databricks (score, prévision, signalement) atteigne les consommateurs côté SAP comme un actif gouverné
Aperçu du module
À qui s'adresse ce module. Vous avez terminé le M343 (data products pour les agents IA) et l'équipe data science de votre client veut construire du machine learning et des agents sur Databricks contre des données SAP — pas un agent Joule, un agent Mosaic AI, exploité par une équipe qui n'ouvrira peut-être jamais l'interface du catalogue BDC. Ce module couvre cette construction : comment la donnée SAP atteint réellement Databricks sans être copiée, ce qui atterrit dans Unity Catalog et pourquoi cela compte spécifiquement pour le ML, quand Mosaic AI Agent Framework est le bon runtime plutôt qu'une chaîne plus simple, et comment garder la gouvernance intacte à travers une frontière qui était autrefois une limite système dure et qui est désormais une connexion configurée.
Prérequis
- M343 (Les data products de SAP Business Data Cloud pour les agents IA) ou compréhension équivalente des data products et des métadonnées de gouvernance
- Familiarité pratique avec les fondamentaux Databricks : Unity Catalog, Delta Lake, concepts d'espace de travail
- Compréhension de base du partage zero-copy / Delta Sharing (C016)
Acquis
- Tracer un vrai partage zero-copy et vérifier, plutôt que supposer, que les métadonnées sémantiques ont synchronisé dans Unity Catalog.
- Décider correctement entre Mosaic AI Agent Framework et une chaîne directe plus simple pour les exigences d'un agent donné.
- Configurer la gouvernance Unity Catalog pour refléter les tags de gouvernance côté SAP plutôt que de laisser les droits par défaut en place.
- Concevoir un chemin de réécriture qui renvoie un résultat calculé par Databricks vers SAP comme un actif gouverné et consommable.
Module complet réservé aux abonnés. Le module complet ajoute : le cadre de décision · le cas guidé de bout en bout · la grille de KPI · les anti-patterns · les blocs de code · le contrôle de connaissances · les schémas.