Melaporkan metrik bisnis penting secara berkala adalah tanggung jawab inti banyak analis. Melakukannya secara konsisten dan tanpa kesalahan sangat berharga bagi organisasi Anda untuk mendukung pengambilan keputusan bisnis, tetapi dengan harga berapa? Terlalu sering, Anda harus melalui serangkaian langkah manual untuk mengumpulkan data, membuat laporan dengan indikator kinerja utama, dan membagikannya kepada pemangku kepentingan. Alur kerja ini memakan banyak waktu dan rawan kesalahan.

Untungnya, ada cara yang lebih baik: Anda dapat memanfaatkan kemampuan penjadwalan DataCamp Workspace untuk melaporkan metrik bisnis secara otomatis dengan visualisasi yang informatif, sehingga menghemat waktu dan meminimalkan kemungkinan kesalahan dalam proses pelaporan Anda.

Dalam artikel ini, kami akan menampilkan alur kerjanya dengan menjalankan laporan data pasar saham (karena hampir setiap hari ada data baru) pada jadwal berulang sehingga notebook selalu mencerminkan peristiwa terbaru yang terjadi di pasar.

Lebih suka menonton artikel ini dalam format video? DataCamp menyelenggarakan code along dengan topik yang sama, menyiapkan pelaporan otomatis pada data penjualan sepeda yang disimpan dalam basis data Microsoft SQL Server. Anda dapat memutar ulang code along ini dengan mengunjungi tautan ini.

Membangun laporan

Untuk memulai, kita perlu membuat proyek data baru di Workspace (disebut workspace) yang melakukan operasi yang ingin kita otomatisasi pada langkah berikutnya. Untuk keperluan tutorial ini, kita akan bekerja dengan data pasar saham, karena data ini tersedia untuk umum dan diperbarui secara berkala. Dengan begitu, laporan kita akan berubah seiring waktu.

Paling mudah untuk membuat salinan dari workspace yang sudah memiliki semua kode. Jika Anda ingin melalui setiap langkah sendiri, buat workspace baru dari awal dan tambahkan sel kode Python yang mengimpor data pasar saham dan memvisualisasikannya:

import pandas as pd
import plotly.express as px
import yfinance as yf

# Define how many stock I own of each ticker
holdings = {
    'AAPL': 16,
    'TSLA': 15,
    'TEAM': 7,
}

# Get the data
tickers = list(holdings.keys())
data = yf.download(tickers, start="2023-01-01")

# Wrangle the data
adj_close = data['Adj Close'].reset_index()
adj_close_long = pd.melt(
    adj_close,
    id_vars='Date',
    value_vars=tickers,
    var_name='ticker',
    value_name='adj_close'
)
adj_close_long['total_value'] = adj_close_long['adj_close'] * adj_close_long['ticker'].map(holdings)
adj_close_long

# Show the position values for stocks in my portfolio
fig = px.line(
    adj_close_long, x='Date', y='total_value', color='ticker'
)
fig.update_layout(
    title="Position values for for stocks in my portfolio",
    yaxis_title="Position Value",
    xaxis_title="Date"
)
fig.show()

Penjelasan rinci tentang kode ini berada di luar cakupan artikel; kita hanya ingin menjalankan beberapa kode Python agar bisa kita jadwalkan pada langkah berikutnya! Anda dapat memastikan bahwa kode di notebook workspace Anda berjalan dengan baik dengan mengklik tombol "Run" di bagian atas. Anda akan melihat plot plotly yang menarik muncul:

Mengotomatiskan laporan

Sekarang kita memiliki workspace dengan beberapa kode Python, mari kita konfigurasikan agar berjalan pada jadwal berulang! Buka menu "Run" dan pilih "Schedule run":

Di modal, Anda dapat menjadwalkan menjalankan notebook dengan memilih frekuensi harian atau mingguan dan menentukan waktu eksekusi. Selain itu, Anda memiliki opsi untuk menerima notifikasi email untuk menjalankan yang berhasil maupun yang gagal.

Untuk keperluan percobaan, atur notebook Anda agar berjalan setiap hari, pada waktu beberapa menit ke depan, sehingga Anda dapat melihat penjadwalan beraksi!

Lihat keajaibannya

Jika Anda telah mengonfigurasi notebook untuk dijalankan beberapa menit ke depan, tunggu sebentar hingga jadwal berjalan. Pada waktu yang Anda tetapkan, Anda akan melihat pesan "Running X cells on a schedule" muncul di bawah tombol Run. Semua kode akan dijalankan kembali dari atas ke bawah, memperbarui keluaran jika ada data baru dibandingkan dengan terakhir kali dijalankan.

Jika Anda telah mengonfigurasi workspace untuk mengirimi Anda email saat run berhasil, Anda juga akan menerima email di kotak masuk Anda:

Selesai! Notebook Anda sekarang akan berjalan setiap hari atau setiap minggu, bergantung pada cara Anda mengonfigurasikannya, sehingga saat Anda mengunjungi workspace, notebook tersebut selalu memiliki data terbaru. Dalam contoh data pasar saham ini, artinya Anda selalu mengetahui nilai total portofolio saham Anda.

Dalam konteks bisnis, Anda dapat menggunakan fitur ini bersama salah satu konektor data bawaan Workspace untuk terhubung, misalnya, ke basis data PostgreSQL, gudang data Snowflake, atau klaster Redshift untuk menarik data terbaru perusahaan Anda dan membangun laporan yang informatif untuk dibagikan kepada para pemangku kepentingan.

Sejak diluncurkan, pengguna Workspace telah menggunakan fitur ini untuk berbagai tujuan, termasuk:

• menjalankan pemeriksaan validasi data selama migrasi untuk memastikan konsistensi data antar sumber,
• mengambil data dari halaman kebijakan publik yang diperbarui secara berkala untuk membuat dataset dan memantau keadilan pengangkatan jabatan sipil, dan
• mengotomatiskan pengumpulan data dan mengirim ringkasan email mingguan yang dipersonalisasi kepada pengguna aplikasi SaaS dengan mengintegrasikannya dengan solusi seperti Customer.io.

Fleksibilitas Python dengan lingkungan notebook Workspace yang telah dikonfigurasi sepenuhnya merupakan kombinasi yang kuat; kami menantikan untuk mengetahui apa yang akan Anda hasilkan dengan fitur baru Workspace ini!