ModelMonkey untuk Analis Data

ModelMonkey mengubah cara analis data bekerja dengan memungkinkan akses data mandiri melalui bahasa alami. Alih-alih menulis kueri SQL atau menunggu dukungan dari tim rekayasa data, Anda cukup mendeskripsikan data yang dibutuhkan dalam bahasa sehari-hari.

Panduan ini mencakup fitur-fitur ModelMonkey yang paling relevan bagi analis data:

• Kueri basis data yang terhubung tanpa menulis SQL
• Memungkinkan pengguna bisnis untuk melayani permintaan data secara mandiri
• Menggabungkan sumber data dengan menyatukan data spreadsheet dan basis data eksternal
• Membuat visualisasi dan ringkasan langsung di spreadsheet Anda

Sebelum dapat mengkueri data eksternal, Anda perlu menyiapkan koneksi ke basis data Anda. ModelMonkey mendukung:

PostgreSQL
Hubungkan ke basis data PostgreSQL mana pun, termasuk Amazon RDS, Google Cloud SQL, Azure Database for PostgreSQL, dan instans yang di-hosting sendiri.

Google BigQuery
Hubungkan ke dataset BigQuery menggunakan akun layanan untuk beban kerja analitik skala besar.

Setelah terhubung, Anda dapat merujuk sumber data ini berdasarkan nama dalam permintaan Anda. Misalnya, jika Anda memberi nama koneksi "Basis Data Penjualan," Anda dapat berkata "Ambil data pelanggan dari Basis Data Penjualan."

Untuk petunjuk pengaturan terperinci, lihat Koneksi Data Eksternal.

Dengan sumber data yang telah terhubung, Anda dapat mengkuerinya menggunakan bahasa sehari-hari. ModelMonkey menerjemahkan permintaan Anda ke dalam SQL dan mengembalikan hasilnya.

Contoh Permintaan

• "Tampilkan penjualan per wilayah untuk bulan lalu dari basis data PostgreSQL kami"
• "Temukan 10 pelanggan teratas berdasarkan pendapatan dari BigQuery"
• "Ambil semua pesanan dari 7 hari terakhir dan tambahkan ke spreadsheet saya"
• "Berapa banyak pengguna aktif yang kami miliki per negara?"
• "Berapa rata-rata nilai pesanan per kategori produk?"

Cara Kerjanya

1. Deskripsikan data yang Anda butuhkan dalam bahasa alami
2. ModelMonkey menghasilkan kueri SQL yang sesuai
3. Kueri dijalankan terhadap basis data yang terhubung
4. Hasil dikembalikan ke spreadsheet Anda atau ditampilkan untuk ditinjau

Anda juga dapat mengajukan pertanyaan lanjutan untuk menyempurnakan kueri: "Sekarang filter hasilnya hanya untuk menampilkan wilayah dengan penjualan lebih dari $100K."

Setelah data tersedia di spreadsheet Anda, ModelMonkey dapat membantu Anda menganalisis dan memvisualisasikannya:

Buat Grafik

• "Buat grafik batang yang menampilkan penjualan per wilayah"
• "Buat grafik garis tren pendapatan bulanan"
• "Tambahkan grafik lingkaran yang menampilkan pangsa pasar per produk"

Ringkas Data

• "Hitung total dan rata-rata untuk setiap kolom"
• "Ringkas data ini per kategori"
• "Apa wawasan utama dari dataset ini?"

Tambahkan Perhitungan

• "Tambahkan kolom yang menghitung perubahan persentase dari bulan ke bulan"
• "Hitung pertumbuhan tahun-ke-tahun untuk setiap produk"
• "Tambahkan kolom total kumulatif"

Format dan Sorot

• "Sorot sel yang nilainya melebihi rata-rata"
• "Terapkan pemformatan bersyarat untuk menampilkan kinerja terbaik dalam warna hijau"
• "Format kolom pendapatan sebagai mata uang"

Salah satu fitur ModelMonkey yang paling powerful adalah kemampuan untuk menggabungkan data dari berbagai sumber dalam satu permintaan:

Gabungkan Data Spreadsheet dengan Basis Data

• "Cocokkan ID pelanggan di spreadsheet saya dengan tabel pelanggan di basis data PostgreSQL kami"
• "Perkaya daftar ini dengan alamat email dari basis data CRM kami"
• "Tambahkan data ukuran perusahaan dari BigQuery ke daftar prospek saya"

Referensi Silang Dokumen
Unggah laporan PDF dan bandingkan dengan data basis data:

• "Bandingkan angka kuartalan dalam PDF ini dengan angka aktual kami di basis data"
• "Verifikasi total faktur ini dengan tabel pesanan kami"

Agregasi Lintas Sumber

• "Gabungkan analitik web dari BigQuery dengan data penjualan dari PostgreSQL"
• "Buat tampilan terpadu data pelanggan dari beberapa basis data"

Ini menghilangkan ekspor data manual dan alur kerja salin-tempel, memberikan satu sumber kebenaran di spreadsheet Anda.

Gunakan Nama Koneksi yang Deskriptif
Beri nama koneksi basis data Anda dengan jelas (misalnya, "Analytics Produksi," "Gudang Data Pemasaran") agar mudah dirujuk dalam permintaan.

Mulai dari yang Sederhana, Lalu Kembangkan
Mulailah dengan kueri sederhana untuk memverifikasi bahwa Anda mendapatkan data yang tepat, lalu tambahkan filter dan agregasi. Ini membantu mendeteksi masalah sejak dini.

Tentukan Rentang Waktu
Selalu sertakan rentang tanggal dalam permintaan Anda saat menangani data deret waktu: "penjualan untuk 30 hari terakhir" lebih tepat daripada "penjualan terbaru."

Simpan Kueri yang Sering Digunakan
Untuk pengambilan data yang rutin dilakukan, simpan lembar referensi berisi contoh prompt yang dapat Anda salin dan modifikasi.

Kombinasikan dengan File Uploads
Unggah laporan PDF atau dokumen saat Anda perlu mereferensikan silang data eksternal dengan basis data Anda. Ini sangat berguna untuk analisis varians dan rekonsiliasi.

Verifikasi Angka-Angka Penting
Untuk keputusan bisnis yang krusial, lakukan spot-check pada hasil dengan membandingkan beberapa titik data terhadap sistem sumber Anda.

Siap untuk mendalami lebih lanjut? Jelajahi fitur-fitur terkait berikut:

• Koneksi Data Eksternal — Siapkan koneksi PostgreSQL dan BigQuery
• Kueri SQL — Tulis SQL kustom untuk kasus penggunaan tingkat lanjut
• File Uploads — Unggah PDF untuk referensi silang
• Pengeditan Spreadsheet — Pelajari semua operasi spreadsheet

Untuk pertanyaan tentang konfigurasi basis data tertentu atau pola kueri tingkat lanjut, periksa halaman dokumentasi terperinci yang ditautkan di atas.