Data Formulator: analiza danych jako rozmowa i ślad decyzji

Data Formulator to otwarte środowisko Microsoft Research do eksploracji danych z pomocą agentów i wykresów. Repozytorium i opis wersji 0.7 w Microsoft Research przedstawiają podłączanie plików, baz i platform danych, a także Data Threads: ścieżki analiz, do których można wrócić i od których można rozpocząć inną hipotezę. Strona projektu pokazuje sposób pracy z wizualizacjami.

Dlaczego wątek analizy ma znaczenie?

Analityk nie pyta raz. Najpierw chce zobaczyć sprzedaż miesiąc do miesiąca, potem wydzielić region, sprawdzić opóźnione zamówienia i wrócić do wcześniejszego założenia. Sam czat szybko ukrywa, skąd wziął się dany wykres. Data Thread pomaga zachować ścieżkę pytań i porównać warianty. To jednak nie zastępuje definicji metryk: „przychód” liczony z faktur i „przychód” z zamówień mogą dać różne liczby.

Data Formulator wykorzystuje Flint do tworzenia wykresów na podstawie krótkich specyfikacji. Agent proponuje wizualizację, człowiek ją ogląda i poprawia. Przy analizie firmowej trzeba sprawdzić nie tylko wygląd, ale też zapytanie, złączenie tabel, filtry, jednostki oraz aktualność danych. Ładny wykres nie jest dowodem poprawności wniosku.

Lokalnie czy w platformie?

Projekt dokumentuje instalację lokalną, w tym pakiet Pythona i kontener, oraz obsługę różnych dostawców modeli. Otwarta licencja kodu pomaga uruchomić warsztat we własnej infrastrukturze, lecz konkretna konfiguracja może nadal wysyłać dane do zewnętrznego modelu. Przed wczytaniem danych klienta sprawdź endpoint modelu, zapis sesji, sekrety konektorów i uprawnienia źródeł.

Alternatywami są notebook Jupyter, Power BI, Superset albo własny agent analityczny. Data Formulator jest szczególnie ciekawy na etapie eksploracji, gdy pytania zmieniają się szybko, a analityk chce zachować kontekst kolejnych wersji odpowiedzi. Do raportu zarządczego nadal potrzebny jest zatwierdzony model danych i możliwość odtworzenia wyniku. Warto rozpocząć od jednego zbioru, trzech pytań i porównania liczb z ręcznie sprawdzonym raportem.

Przykład: pytanie, które zmienia kierunek analizy

Dyrektor pyta, dlaczego marża spadła w sierpniu. Agent proponuje wykres miesięczny, ale analityk widzi, że problem dotyczy tylko jednej grupy produktów. W Data Thread może wrócić do wcześniejszego wyniku, utworzyć gałąź dla regionów i drugą dla rabatów. Ważne, aby każda gałąź zachowała użyte źródła, filtry i kod transformacji. Inaczej rozmowa będzie wyglądać na uporządkowaną, lecz nie pozwoli odtworzyć liczby.

Przed udostępnieniem takiej analizy trzeba uzgodnić definicję marży. Czy koszt jest średnim kosztem magazynowym, kosztem z faktury czy planowanym kosztem produkcji? Czy zwroty są odjęte w miesiącu sprzedaży, czy zwrotu? Data Formulator może pomóc odkryć rozbieżność, ale nie powinien sam ustanawiać definicji dla całej firmy. To rola właściciela metryki i warstwy semantycznej.

Jak ocenić agenta analitycznego?

Przygotuj zestaw pytań z odpowiedziami znanymi z kontrolowanego raportu. Sprawdź poprawność złączeń, filtrów, agregacji i dat. Następnie dodaj pytania niejednoznaczne: „aktywni klienci”, „sprzedaż netto”, „ostatni kwartał”. Dobre zachowanie to prośba o doprecyzowanie lub pokazanie przyjętej definicji, nie pewnie wyglądający wykres oparty na zgadywaniu. Obejrzyj też, czy sesja daje się przenieść do innego środowiska i czy raport nie odsłania danych osobom bez uprawnień.

Otwarty projekt daje możliwość własnych zmian, ale zespołowa analityka wymaga operacji: aktualizacji konektorów, kopii sesji, kontroli modeli i monitorowania kosztów. Data Formulator może stać się wygodnym warsztatem; źródło prawdy dla danych pozostaje w kontrolowanych systemach firmy.