Eksplorasi Data dengan Data Canvas — Seri AI untuk Data: Part 2
Data Canvas menjanjikan GenAI-centric experience for data exploration and visualization. Seperti apa sih Data Canvas itu? Contohnya seperti di bawah ini. Jika kamu pernah menggunakan Python Notebook / Jupyter Notebook, satu kotak di bawah bisa dilihat sebagai satu cell di Python Notebook. Satu kotak untuk query, satu kotak lainnya untuk visualisasi.
Berbeda dengan alur cell Jupyter Notebook yang linear dari atas ke bawah, dalam Data Canvas setiap data bisa bercabang ke beberapa kotak lain. Misalkan dari satu data yang sama, kita bisa melakukan eksplorasi data dari beberapa sudut pandang, kemudian melakukan pemrosesan lebih lanjut lagi terhadap data tersebut, dan mendapatkan beberapa sudut pandang baru untuk dieksplorasi, dan seterusnya. Menurut saya, Data Canvas alurnya lebih alami untuk eksplorasi dan memudahkan ketika kita mau mencoba beberapa hal dengan data yang sama.
Lalu, Gen-AI centric experience-nya di mana? Isian paling atas dari tiap kotak selalu bahasa manusia. Kamu bisa melakukan query, visualisasi data, semua menggunakan natural language saja. Salah satu yang paling menarik, bahkan Generative AI-nya melakukan automasi terhadap insight sederhana pada data yang kita eksplorasi. Hal ini tentu akan membuat analisis lebih cepat. Lihat tips ini untuk membuat perintah / prompt natural language yang lebih baik.
Data canvas juga mudah untuk digunakan sebagai alat kolaborasi karena kamu bisa share Data Canvas, export ke Python Notebook, atau unduh langsung file Notebooknya (*.ipynb). Contoh hasil export di bawah ini.
Berdasarkan dokumentasinya, Data Canvas mungkin belum begitu bagus buat beberapa hal, yang menurut saya pantas di highlight adalah:
- Fungsi kompleks dan tipe data DATETIME & TIMEZONE
- JSON dan nested-repeated fields
Selamat bereksplorasi!
Sebelumnya, saya telah membahas bagaimana cara menggunakan Generative AI untuk melakukan query di BigQuery (lihat di sini).
Referensi:
