Önemli iş metriklerini düzenli aralıklarla raporlamak, birçok analistin temel sorumluluklarından biridir. Bunu tutarlı ve hatasız yapmak, iş kararlarını desteklemek için kuruluşunuza son derece değer katar; ancak hangi maliyetle? Çoğu zaman verileri toplamak, temel performans göstergeleriyle rapor oluşturmak ve paydaşlarla paylaşmak için bir dizi manuel adımdan geçmeniz gerekir. Bu iş akışı hem zaman alıcıdır hem de hataya açıktır.

Neyse ki daha iyi bir yol var: DataCamp Workspace’in zamanlama yeteneklerinden yararlanarak, içgörülü görselleştirmelerle iş metriklerini otomatik olarak raporlayabilir, böylece zamandan tasarruf eder ve raporlama sürecinizdeki hata olasılığını en aza indirirsiniz.

Bu yazıda, borsada neredeyse her gün yeni veri olduğu için, hisse senedi piyasası verileri üzerinde yinelenen bir zamanlamayla çalışan bir rapor yürüterek iş akışını göstereceğiz; böylece defter her zaman piyasada olup biten en güncel olayları yansıtır.

Bu makaleyi video formatında izlemeyi mi tercih edersiniz? DataCamp aynı konuda, Microsoft SQL Server veritabanında saklanan bisiklet satış verileri üzerinde otomatik raporlama kurulumu hakkında bir "code along" oturumu düzenledi. Bu oturumu yeniden izlemek için bu bağlantıyı ziyaret edebilirsiniz.

Raporun oluşturulması

Öncelikle, bir sonraki adımda otomatikleştirmek istediğimiz işlemleri yapan Workspace’te (workspace olarak adlandırılır) yeni bir veri projesi oluşturmamız gerekiyor. Bu eğitim kapsamında, veriler herkese açık ve düzenli olarak güncellendiği için hisse senedi piyasası verileriyle çalışacağız. Böylece raporumuz zaman içinde değişecektir.

İçinde tüm kodun bulunduğu bir workspace’ten bir kopya oluşturmak en kolayıdır. Tüm adımları kendiniz yapmak isterseniz, sıfırdan yeni bir workspace oluşturun ve borsa verilerini içe aktaran ve görselleştiren bir Python kod hücresi ekleyin:

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()Altyapı:

Bu kodun ayrıntılı açıklaması bu yazının kapsamı dışında; amacımız bir sonraki adımda zamanlayabilmek için biraz Python kodunu çalışır hale getirmek! Workspace defterinizdeki kodun düzgün çalıştığını üst kısımdaki "Çalıştır" düğmesine tıklayarak doğrulayabilirsiniz. Güzel bir Plotly grafiği görmelisiniz:

Raporun otomatikleştirilmesi

Artık biraz Python kodu içeren bir workspace’imiz olduğuna göre, bunu yinelenen bir zamanlamayla çalışacak şekilde yapılandıralım! "Çalıştır" menüsüne gidin ve "Çalıştırmayı zamanla"yı seçin:

Açılan pencerede, günlük veya haftalık sıklık arasında seçim yaparak ve yürütme saatini belirterek defter çalıştırmalarını zamanlayabilirsiniz. Ayrıca, başarılı ve başarısız çalıştırmalar için e-posta bildirimleri almayı da tercih edebilirsiniz.

Deneme amaçlı olarak, defterinizi günlük bir zamanlamayla, sadece birkaç dakika sonraya ayarlayın; böylece zamanlamayı iş başında görebilirsiniz!

Sihri izleyin

Defteri birkaç dakika sonrasına çalışacak şekilde yapılandırdıysanız, zamanlanmış çalıştırmanın başlaması için bir dakika bekleyin. Belirlediğiniz saatte, Çalıştır düğmesinin altında "Program dahilinde X hücre çalıştırılıyor" mesajının göründüğünü fark edeceksiniz. Tüm kod baştan aşağı yeniden yürütülür; böylece bir önceki çalıştırmaya kıyasla yeni veri varsa çıktılar güncellenir.

Workspace’i başarılı bir çalıştırmada size e-posta gönderecek şekilde yapılandırdıysanız, gelen kutunuza da bir e-posta ulaşmış olacaktır:

Hepsi bu! Defteriniz artık yapılandırmanıza bağlı olarak her gün veya her hafta çalışacak; böylece workspace’i ziyaret ettiğinizde her zaman en güncel veriler yer alacak. Hisse senedi piyasası verileriyle olan bu örnekte, bu durum hisse portföyünüzün toplam değerinden her zaman haberdar olduğunuz anlamına gelir.

İş bağlamında, bu özelliği Workspace’in yerel veri bağlayıcılarından biriyle birleştirerek örneğin bir PostgreSQL veritabanına, bir Snowflake veri ambarına veya bir Redshift kümesine bağlanabilir, şirketinizle ilgili en güncel verileri çekebilir ve paydaşlarla paylaşmak üzere içgörü dolu raporlar oluşturabilirsiniz.

Yayınlanmasından bu yana, Workspace kullanıcıları bu özelliği şu amaçlarla kullandı:

• farklı kaynaklar arasındaki veri tutarlılığını sağlamak için taşınma süreçlerinde veri doğrulama kontrolleri çalıştırmak,
• düzenli olarak güncellenen kamu politikası sayfalarından veri kazıyarak veri kümeleri oluşturmak ve sivil atamaların adilliğini izlemek ve
• Customer.io gibi çözümlerle entegre ederek veri toplamayı otomatikleştirmek ve SaaS uygulama kullanıcılarına kişiselleştirilmiş haftalık e-posta özetleri göndermek.

Python’un esnekliği ile Workspace’in tam yapılandırılmış defter ortamı güçlü bir kombinasyon oluşturuyor; bu yeni Workspace özelliğiyle neler geliştireceğinizi görmek için sabırsızlanıyoruz!