Libros de trabajo: De los datos con propósito a las decisiones interactivas
Los paneles estáticos y los informes de BI a menudo crean más preguntas de las que responden. Cuando un usuario empresarial ve un número, su siguiente paso inmediato es preguntar “¿por qué?” una pregunta que envía a los analistas de vuelta a sus herramientas, creando un bucle lento y frustrante entre los datos y las decisiones."why?"—a question that sends analysts back to their tools, creating a slow, frustrating loop between data and decisions.
Arkham's Workbooks are engineered to break this cycle. They are live, interactive dashboards built on a foundation of governed data, allowing users to not only see what's happening but to explore, filter, and ask follow-up questions in real time. By connecting directly to your curated Production Tier Datasets in Data Catalog, and live ML model outputs, Workbooks transform static reports into dynamic decision-making tools.
An interactive Workbook dashboard, where live, governed data is transformed into dynamic visualizations for exploration and decision-making.
Cómo funcionan: de los datos gobernados a la visualización
La clave para crear un panel de control confiable es garantizar que los datos provengan de una fuente confiable y bien definida. Los libros de trabajo hacen cumplir esto por diseño, proporcionando un lienzo de bajo código para visualizar los resultados de Metric Store o ML Hub.Data Catalog or the ML Hub.
Our Workbook authoring process, illustrating how builders query governed data from our Data Catalog to create interactive dashboards in a low-code, SQL-driven environment.
El flujo de trabajo sigue una de las dos rutas de acceso:
- Para Business Intelligence: El viaje comienza en la tienda de métricas, donde define la lógica de negocio reutilizable (por ejemplo, SUM (ingresos)). En un libro de trabajo, conecta un panel a una de estas métricas predefinidas para visualizarlo.Data Catalog. When you add a panel to a Workbooks, a SQL editor slides out, allowing you to directly query the datasets you need (e.g.,
SUM(revenue)). The results of your query then populate the chart or table. - Para análisis de modelos: El viaje comienza en el ML Hub, donde se entrena y despliega un modelo. Las predicciones del modelo (conjunto de datos de salida) ahora están disponibles como fuente en Workbooks. Puede crear paneles para monitorear el performance del modelo a lo largo del tiempo o crear escenarios “hipotéticos” cambiando los parámetros de entrada.ML Hub, where you train and deploy a model. Then the model's predictions are available as a source in Workbooks. You can build dashboards to monitor the model's performance over time or create "what-if" scenarios by changing input parameters.
🤖 AI-Assisted Analytics with TARS
TARS acts as an analytical co-pilot directly within our Workbook interface, empowering both builders and consumers to interact with data more intuitively. For Builders: Accelerate dashboard creation by using natural language.
"TARS, create a new KPI panel showing total active_users for the last 30 days from the@prod_users."
For Consumers: Go beyond the dashboard's static filters. Ask follow-up questions to dig deeper into the data.
"TARS, what was the peak revenue day last month?"
Características clave
- Interfaz de código bajo: Cree paneles sofisticados sin escribir código front-end. La interfaz de usuario maneja la disposición del panel, la configuración de gráficos y la interactividad.
- Governed Data Sources: Construyendo exclusivamente sobre el Data Catalog, we ensure that all dashboards are governed by a single source of truth.
- Direct Querying: Construir sobre la base de lo centralizado
- Integración directa de modelos: Visualice sin problemas los resultados de sus modelos de ML implementados. Esto es crítico para monitorear la deriva del modelo, evaluar la precisión y explicar los resultados a las partes interesadas.
- Optimización del Performance: Nuestra plataforma maneja automáticamente el almacenamiento en caché de consultas para proporcionar una experiencia de usuario rápida, con la opción de omitir la memoria caché cuando los datos en tiempo real son críticos.Our platform automatically handles query caching to provide a fast user experience, with the option to bypass the cache when real-time data is critical.
Componentes principales
- Paneles: Los componentes básicos de un libro de trabajo. Elija entre varios tipos incluyendo Markdown, KPIs, tablas y una amplia gama de gráficos (línea, barra, rosquilla, etc.).
- Filtros: Controle los datos que se muestran en los paneles.
- Modo de edición: La interfaz centrada en el constructor para configurar libros de trabajo. Cambie los diseños, modifique los tipos de panel, cambie el nombre de los ejes, establezca colores y defina el formato de los números.
- SQL Editor: When editing a panel, a drawer provides a full-featured SQL editor to write the query that will populate your visualization.
Capacidades relacionadas
- AI Platform Overview: Comprenda cómo encajan los libros de trabajo en el ecosistema de AI Platform.
- Data Catalog: Defina la lógica de negocio regida y reutilizable que impulsa sus paneles de BI.
- ML Hub: Cree los modelos desplegables cuyos resultados se puedan visualizar y monitorear en los libros de trabajo.
- TARS: Acelere la creación y el análisis de paneles con un copiloto conversacional de IA.
