Agen analisis data AI

Mengoptimalkan alur kerja analisis data dengan AI agentic

Sederhanakan alur kerja, bekali tim Anda, dan percepat insight dengan agen analisis data cerdas.

Ringkasan

Apa itu agen AI?

Agen AI adalah sistem software yang menggunakan AI untuk mencapai sasaran dan menyelesaikan tugas atas nama pengguna. Agen AI memiliki kemampuan penalaran, perencanaan, dan memori serta memiliki tingkat otonomi untuk mengambil keputusan, belajar, dan beradaptasi. Pelajari agen AI lebih lanjut.

Bagaimana agen AI dapat digunakan untuk analisis data?

Agen AI membantu tim data mengotomatiskan tugas berulang seperti pembersihan dan pelabelan data, serta membantu pengguna bisnis menganalisis data dan memprediksi hasil menggunakan bahasa alami. Kemampuan ini membebaskan berbagai tim dari pekerjaan repetitif, sehingga mereka dapat berfokus pada inisiatif strategis yang lebih bernilai. Hasilnya adalah insight yang lebih cepat, inovasi yang lebih pesat, dan penskalaan AI yang lebih efisien di seluruh organisasi.

Siapa yang dapat menggunakan agen AI untuk analisis data?

Agen AI bertindak sebagai partner yang andal di seluruh organisasi data:

  • Data engineer: Mengotomatiskan pembuatan dan pemeliharaan pipeline menggunakan perintah bahasa alami
  • Data scientist: Menyederhanakan data wrangling, evaluasi model, dan rekayasa fitur
  • Analis dan pengguna bisnis: Mendapatkan insight instan dan membuat visualisasi dengan mengajukan pertanyaan dalam bahasa Inggris sederhana, sehingga tidak perlu melakukan coding khusus

Mengapa membangun agen analisis data AI di Google Cloud?

  • Fondasi berbasis AI yang terpadu: Menjelaskan bahwa platform Google Cloud bukan hanya kumpulan alat yang terpisah, tetapi lingkungan tunggal dan terintegrasi yang menghilangkan batasan antara data analitis dan operasional
  • Konteks bisnis real-time: Integrasi ini memungkinkan agen memiliki pemahaman bisnis yang komprehensif dan real-time, yang sangat penting untuk efektivitas mereka
  • Grounding kontekstual: Menekankan bahwa agen didasarkan pada lingkungan data spesifik Anda—menggunakan metadata, skema, dan silsilah untuk memastikan akurasi dan keselarasan dengan definisi bisnis

Cara Kerjanya

Google Cloud menyediakan agen pihak pertama khusus yang dirancang untuk mengotomatiskan alur kerja data engineering, data science, dan analisis. Selain itu, API kami yang fleksibel memungkinkan Anda menyematkan agen ini secara langsung ke platform yang ada atau mengembangkan agen kustom untuk mengatasi tantangan data yang unik.

Agen AI untuk analisis data
Penggunaan Umum

Data engineering otomatis

Mengotomatiskan tugas data engineering yang kompleks dan memakan waktu

Agen Data Engineering di BigQuery adalah asisten cerdas yang didukung oleh Gemini yang melampaui penyelesaian kode sederhana untuk menyediakan otomatisasi tugas menyeluruh. Agen ini didasarkan pada lingkungan data spesifik Anda serta menggunakan metadata dari Knowledge Catalog (sebelumnya Dataplex) untuk memahami skema, silsilah, dan definisi bisnis Anda. Agen ini dapat menangani seluruh siklus proses data secara otomatis: mulai dari menemukan set data yang relevan dan menghasilkan transformasi SQL atau PySpark yang kompleks hingga mengorkestrasi tugas-tugas tersebut melalui Dataform atau Cloud Composer. Dengan mengotomatiskan "toil" data engineering—seperti memperbaiki pipeline yang rusak, mendokumentasikan kode lama, atau memigrasikan kueri dari data warehouse lama—agen ini mentransformasi peran data engineer dari penulis code manual menjadi arsitek yang mengawasi alur kerja berbasis AI.

Ringkasan Agen Data Engineering
Mengotomatiskan tugas data engineering yang kompleks dan memakan waktu

Agen Data Engineering di BigQuery adalah asisten cerdas yang didukung oleh Gemini yang melampaui penyelesaian kode sederhana untuk menyediakan otomatisasi tugas menyeluruh. Agen ini didasarkan pada lingkungan data spesifik Anda serta menggunakan metadata dari Knowledge Catalog (sebelumnya Dataplex) untuk memahami skema, silsilah, dan definisi bisnis Anda. Agen ini dapat menangani seluruh siklus proses data secara otomatis: mulai dari menemukan set data yang relevan dan menghasilkan transformasi SQL atau PySpark yang kompleks hingga mengorkestrasi tugas-tugas tersebut melalui Dataform atau Cloud Composer. Dengan mengotomatiskan "toil" data engineering—seperti memperbaiki pipeline yang rusak, mendokumentasikan kode lama, atau memigrasikan kueri dari data warehouse lama—agen ini mentransformasi peran data engineer dari penulis code manual menjadi arsitek yang mengawasi alur kerja berbasis AI.

Ringkasan Agen Data Engineering

“Agen ini memberikan solusi yang memungkinkan kami mengeksplorasi pendekatan pengembangan baru, yang menunjukkan potensi besar untuk mengatasi tugas data engineering yang kompleks. Kemampuan yang ditunjukkan dalam menafsirkan persyaratan kami dengan benar sangat mengesankan, bahkan untuk tugas pemodelan data yang rumit seperti membuat dimensi SCD Type 2. Dalam wujudnya sekarang, agen ini sudah memberikan manfaat dalam mengotomatiskan pemeliharaan dan pengoptimalan kecil, serta kami yakin agen ini memiliki fondasi untuk menjadi alat yang benar-benar unik di masa mendatang.”- Fernando Calo, Lead Data Engineer di PRISA, grup berita dan hiburan berbahasa Spanyol

“Selama perjalanan migrasi ke lingkungan Dataform, Agen Data Engineer berhasil mereplikasi semua data dan skrip transformasi yang ada dengan 100% otomatisasi serta tanpa intervensi manual. Pencapaian ini menghasilkan pengurangan 90% dalam waktu yang biasanya diperlukan untuk migrasi ETL manual, sehingga mempercepat transisi secara signifikan." ⁠- Chris Benfield, Head of Engineering, Vodafone

“Dokumentasi proses sering kali menjadi tugas yang membosankan bagi developer, tetapi dengan Agen Data Engineering Dataform, upaya ini sepenuhnya diotomatiskan. Agen ini mampu membuat dokumentasi secara akurat langsung dari file project Dataform kami, sesuai dengan standar dan gaya yang kami tentukan. Hal ini memungkinkan kami untuk terus memperbarui dokumentasi secara konsisten seiring dengan adanya perubahan, sehingga tidak memerlukan intervensi manual dalam alur kerja dokumentasi kami. Agen ini terbukti memiliki potensi yang signifikan.” - Maximiliano Morales, Data Engineer di perusahaan telekomunikasi terkemuka di Argentina

    Data science yang dipercepat

    Mempercepat eksplorasi data ke evaluasi model dan MLOps

    Agen Data Science di BigQuery mempercepat pengembangan data science dengan kemampuan agentic yang memfasilitasi eksplorasi data, transformasi, dan pemodelan ML.

    Dengan perintah sederhana, agen ini akan membuat rencana terperinci yang mencakup semua aspek pemodelan data science mulai dari pemuatan data, eksplorasi, pembersihan, visualisasi, rekayasa fitur, pemisahan data, pelatihan/pengoptimalan model, dan evaluasi. Jika melakukan kesalahan, agen ini dapat melakukan koreksi otomatis dan membuat kode baru untuk memperbaikinya. Anda tetap memiliki kontrol penuh, dengan kemampuan untuk menyetujui setiap langkah dan melakukan pengeditan manual jika diinginkan.

    Agen ini juga memiliki kesadaran kontekstual penuh terhadap notebook Anda, memahami kode, output, dan variabel yang ada guna memberikan kode yang disesuaikan untuk setiap langkah rencana, sehingga Anda dapat melakukan perubahan iteratif pada kode yang ada.

    GIF Agen Data Science
    Menyederhanakan alur kerja data science dengan AI
    Mempercepat eksplorasi data ke evaluasi model dan MLOps

    Agen Data Science di BigQuery mempercepat pengembangan data science dengan kemampuan agentic yang memfasilitasi eksplorasi data, transformasi, dan pemodelan ML.

    Dengan perintah sederhana, agen ini akan membuat rencana terperinci yang mencakup semua aspek pemodelan data science mulai dari pemuatan data, eksplorasi, pembersihan, visualisasi, rekayasa fitur, pemisahan data, pelatihan/pengoptimalan model, dan evaluasi. Jika melakukan kesalahan, agen ini dapat melakukan koreksi otomatis dan membuat kode baru untuk memperbaikinya. Anda tetap memiliki kontrol penuh, dengan kemampuan untuk menyetujui setiap langkah dan melakukan pengeditan manual jika diinginkan.

    Agen ini juga memiliki kesadaran kontekstual penuh terhadap notebook Anda, memahami kode, output, dan variabel yang ada guna memberikan kode yang disesuaikan untuk setiap langkah rencana, sehingga Anda dapat melakukan perubahan iteratif pada kode yang ada.

    GIF Agen Data Science
    Menyederhanakan alur kerja data science dengan AI

    "Agen Data Science telah menjadi terobosan baru bagi tim data science kami. Agen ini menyederhanakan alur kerja kami dengan mengambil petunjuk bahasa alami yang sederhana dan menerjemahkannya ke dalam kode data science multi-langkah, yang kemudian dieksekusi. Kita tidak perlu lagi memulai dari awal dengan kode. Fitur seperti penyelesaian kode, perbaikan error, dan visualisasi berbasis bahasa alami telah menunjukkan kepada tim bagaimana AI dapat menjadi akselerator bagi data scientist.” - Lorraine Zheng, Data Scientist di Snap Inc.

      Analisis percakapan di BigQuery

      Membuat insight BigQuery dapat diakses oleh tim data

      Analisis Percakapan di BigQuery adalah mesin penalaran canggih berteknologi AI yang menghilangkan "hambatan analisis" dengan memberdayakan tim data untuk menjembatani kesenjangan antara pertanyaan bisnis dan jawaban tepercaya melalui interaksi bahasa alami yang intuitif.

      Didukung oleh model Gemini terbaru, agen ini melampaui penerjemahan sederhana dengan mendasarkan logikanya pada aset data yang ada di organisasi Anda—khususnya dengan memanfaatkan metadata, deskripsi tabel dan kolom, glosarium bisnis, serta fungsi yang ditentukan pengguna—untuk memastikan setiap output yang dihasilkan selaras sempurna dengan definisi bisnis internal Anda. Selain pelaporan sederhana, agen ini menggunakan BigQuery AI untuk memproyeksikan hasil di masa mendatang dan menafsirkan data tidak terstruktur seperti gambar dalam tabel objek untuk mengubah informasi tersembunyi menjadi informasi yang dapat ditindaklanjuti.

      GIF Analisis Percakapan di BigQuery
      Menyederhanakan cara analis data memperoleh insight

        Tips: Agen AI paling efektif jika mereka memiliki pemahaman bisnis yang terpadu dan real-time, sehingga menghilangkan pemisahan antara data analitis dan operasional.

        Membuat insight BigQuery dapat diakses oleh tim data

        Analisis Percakapan di BigQuery adalah mesin penalaran canggih berteknologi AI yang menghilangkan "hambatan analisis" dengan memberdayakan tim data untuk menjembatani kesenjangan antara pertanyaan bisnis dan jawaban tepercaya melalui interaksi bahasa alami yang intuitif.

        Didukung oleh model Gemini terbaru, agen ini melampaui penerjemahan sederhana dengan mendasarkan logikanya pada aset data yang ada di organisasi Anda—khususnya dengan memanfaatkan metadata, deskripsi tabel dan kolom, glosarium bisnis, serta fungsi yang ditentukan pengguna—untuk memastikan setiap output yang dihasilkan selaras sempurna dengan definisi bisnis internal Anda. Selain pelaporan sederhana, agen ini menggunakan BigQuery AI untuk memproyeksikan hasil di masa mendatang dan menafsirkan data tidak terstruktur seperti gambar dalam tabel objek untuk mengubah informasi tersembunyi menjadi informasi yang dapat ditindaklanjuti.

        GIF Analisis Percakapan di BigQuery
        Menyederhanakan cara analis data memperoleh insight

          Tips: Agen AI paling efektif jika mereka memiliki pemahaman bisnis yang terpadu dan real-time, sehingga menghilangkan pemisahan antara data analitis dan operasional.

          "Dengan Analisis Percakapan BigQuery, kami berhasil mempercepat lagi cara tim kami berinteraksi dengan data di Pet Circle. Kami memungkinkan tim mengajukan pertanyaan data yang kompleks dalam bahasa alami dan berhasil mengurangi waktu untuk mendapatkan insight secara drastis. Cara ini membantu tim data kami membuat agen bagi tim nonteknis, sehingga mereka bisa membuat keputusan berbasis data yang lebih cepat dan membantu kami memberikan pengalaman yang lebih baik kepada pemilik hewan peliharaan." - Alistair Venn, CEO Pet Circle

            Analisis percakapan di Looker

            Mulai chat dengan data Anda

            Analisis Percakapan di Looker menyederhanakan Business Intelligence dengan memungkinkan pengguna bisnis menemukan jawaban menggunakan bahasa alami. Kemampuan ini mengurangi beban analis data dan memfasilitasi pengambilan keputusan yang lebih cepat serta percaya diri. Pengguna bisnis dapat mengajukan pertanyaan langsung tentang performa produk atau tren traffic tanpa perlu memahami nama kolom yang kompleks.

            Selain pembuatan kueri sederhana, agen ini memberikan framework pengelolaan siklus proses komprehensif, yang menggabungkan keamanan dan pengelolaan pengguna untuk perusahaan langsung ke dalam lapisan konsumsi. Lapisan semantik universal Looker memastikan metrik seperti pendapatan dan churn tetap konsisten di seluruh perusahaan dengan membuat hub pusat untuk konteks, definisi, dan hubungan data.

            Ringkasan Analisis Percakapan di Looker
            Mulai chat dengan data Anda

            Analisis Percakapan di Looker menyederhanakan Business Intelligence dengan memungkinkan pengguna bisnis menemukan jawaban menggunakan bahasa alami. Kemampuan ini mengurangi beban analis data dan memfasilitasi pengambilan keputusan yang lebih cepat serta percaya diri. Pengguna bisnis dapat mengajukan pertanyaan langsung tentang performa produk atau tren traffic tanpa perlu memahami nama kolom yang kompleks.

            Selain pembuatan kueri sederhana, agen ini memberikan framework pengelolaan siklus proses komprehensif, yang menggabungkan keamanan dan pengelolaan pengguna untuk perusahaan langsung ke dalam lapisan konsumsi. Lapisan semantik universal Looker memastikan metrik seperti pendapatan dan churn tetap konsisten di seluruh perusahaan dengan membuat hub pusat untuk konteks, definisi, dan hubungan data.

            Ringkasan Analisis Percakapan di Looker

            "Analisis percakapan yang efektif dimulai dengan lapisan data yang terpadu dan diaudit. Jika tim tidak menggunakan bahasa data yang sama, sistem AI tidak dapat menafsirkan kueri atau memunculkan insight yang akurat dengan andal." - John Pettit Chief Technology Officer, Promevo

            “Visi kami adalah agar pelanggan tidak hanya melihat apa yang terjadi, tetapi juga dapat berinteraksi dengan data mereka dan menerima rekomendasi cerdas di dalam IRIS Fleet dan produk kami yang lain. Kami yakin ini hanyalah awal dari peluang sebenarnya.” - Gerardo Ortiz, Head of Product and Digital Transformation, Métrica Móvil.

              Conversational analytics API

              Mengintegrasikan alur kerja agentic ke dalam aplikasi Anda

              Conversational Analytics API memungkinkan developer menyematkan fungsionalitas kueri bahasa alami dalam aplikasi kustom, alat internal, atau alur kerja, semuanya didukung oleh akses data tepercaya dan pemodelan data yang skalabel serta andal. API ini sama seperti API yang mendukung pengalaman percakapan siap pakai di Looker dan BigQuery.

              Conversational Analytics API memungkinkan Anda membangun pengalaman data kustom yang menyediakan jawaban data, diagram, dan teks sekaligus memanfaatkan model semantik tepercaya Looker untuk akurasi atau memberikan konteks bisnis serta data penting kepada agen di BigQuery. Anda dapat menyematkan fungsionalitas ini untuk membuat pengalaman data yang intuitif, memungkinkan analisis kompleks melalui bahasa alami, dan mengorkestrasi agen analisis percakapan sebagai ‘alat’ bagi agen orchestrator menggunakan Agent Development Kit.

              Ringkasan Conversational Analytics API
              Mengintegrasikan alur kerja agentic ke dalam aplikasi Anda

              Conversational Analytics API memungkinkan developer menyematkan fungsionalitas kueri bahasa alami dalam aplikasi kustom, alat internal, atau alur kerja, semuanya didukung oleh akses data tepercaya dan pemodelan data yang skalabel serta andal. API ini sama seperti API yang mendukung pengalaman percakapan siap pakai di Looker dan BigQuery.

              Conversational Analytics API memungkinkan Anda membangun pengalaman data kustom yang menyediakan jawaban data, diagram, dan teks sekaligus memanfaatkan model semantik tepercaya Looker untuk akurasi atau memberikan konteks bisnis serta data penting kepada agen di BigQuery. Anda dapat menyematkan fungsionalitas ini untuk membuat pengalaman data yang intuitif, memungkinkan analisis kompleks melalui bahasa alami, dan mengorkestrasi agen analisis percakapan sebagai ‘alat’ bagi agen orchestrator menggunakan Agent Development Kit.

              Ringkasan Conversational Analytics API

              Alat pengembangan agen

              Menyederhanakan cara agen AI berinteraksi dengan data Anda

              Alat pengembangan agen Google Cloud mengurangi kebutuhan developer untuk membangun konektor database kustom melalui metode integrasi ADK dan MCP.

              Server MCP untuk BigQuery memungkinkan agen AI dan klien MCP menafsirkan skema serta menjalankan kueri terhadap data BigQuery sekaligus mengurangi risiko keamanan atau tata kelola atau latensi yang terkait dengan pemindahan data ke jendela konteks.

              Untuk fleksibilitas dan kontrol yang lebih besar, gunakan MCP Toolbox, server open source yang memusatkan hosting dan pengelolaan rangkaian alat, sehingga memisahkan aplikasi agentic dari interaksi database langsung. Server ini juga dilengkapi dengan berbagai IDE dan alat developer, termasuk Gemini CLI dan Antigravity, yang memungkinkan Anda menghubungkan agen AI secara aman ke layanan seperti AlloyDB, BigQuery, Spanner, Looker, dan lainnya.

              Selain itu, rangkaian alat integrasi ADK BigQuery mencakup fungsi siap pakai yang memungkinkan agen secara mandiri: menjelajahi data, memahami skema, menjalankan kueri dan perkiraan, serta mendapatkan insight menggunakan bahasa alami.

              Alat Integrasi Data dan Agen
              Menghubungkan agen ke data perusahaan
              Menyederhanakan cara agen AI berinteraksi dengan data Anda

              Alat pengembangan agen Google Cloud mengurangi kebutuhan developer untuk membangun konektor database kustom melalui metode integrasi ADK dan MCP.

              Server MCP untuk BigQuery memungkinkan agen AI dan klien MCP menafsirkan skema serta menjalankan kueri terhadap data BigQuery sekaligus mengurangi risiko keamanan atau tata kelola atau latensi yang terkait dengan pemindahan data ke jendela konteks.

              Untuk fleksibilitas dan kontrol yang lebih besar, gunakan MCP Toolbox, server open source yang memusatkan hosting dan pengelolaan rangkaian alat, sehingga memisahkan aplikasi agentic dari interaksi database langsung. Server ini juga dilengkapi dengan berbagai IDE dan alat developer, termasuk Gemini CLI dan Antigravity, yang memungkinkan Anda menghubungkan agen AI secara aman ke layanan seperti AlloyDB, BigQuery, Spanner, Looker, dan lainnya.

              Selain itu, rangkaian alat integrasi ADK BigQuery mencakup fungsi siap pakai yang memungkinkan agen secara mandiri: menjelajahi data, memahami skema, menjalankan kueri dan perkiraan, serta mendapatkan insight menggunakan bahasa alami.

              Alat Integrasi Data dan Agen
              Menghubungkan agen ke data perusahaan

              Mulai bukti konsep Anda

              Pelanggan baru mendapatkan kredit gratis senilai $300 untuk dibelanjakan di BigQuery

              Pelajari lebih lanjut tentang BigQuery

              Pola desain analisis data

              Kueri data—tanpa perlu kartu kredit—dengan sandbox BigQuery

              Panduan teknis analisis data

              FAQ

              Apa saja 4 jenis analisis data?

              Agen AI meningkatkan empat pilar tradisional analisis data:

              • Deskriptif: Menjelaskan apa yang terjadi (contohnya meringkas CSV)
              • Diagnostik: Menjelaskan mengapa hal itu terjadi (misalnya, menemukan penyebab utama penurunan traffic)
              • Prediktif: Memperkirakan apa yang akan terjadi (contoh: proyeksi tren)
              • Preskriptif: Menyarankan tindakan selanjutnya (misalnya, merekomendasikan perubahan anggaran)

              Meskipun definisinya bervariasi, agen AI umumnya dikategorikan berdasarkan kompleksitas dan perilakunya:

              1. Agen refleks sederhana
              2. Agen refleks berbasis model
              3. Agen berbasis sasaran
              4. Agen berbasis utilitas
              5. Agen pembelajaran
              6. Agen hierarkis
              7. Sistem multi-agen (tempat beberapa agen khusus berkolaborasi)

              Agen "menutup loop" dengan menangani seluruh proses: mereka menyerap data mentah, membersihkannya, membuat rencana analisis, menulis skrip yang diperlukan untuk memprosesnya, lalu membuat laporan atau visualisasi akhir tanpa intervensi manual.

              Developer biasanya menggunakan framework seperti LangChain atau Agent Development Kit (ADK) Google Cloud. Proses ini melibatkan penghubungan LLM ke sumber data, penyediaan "alat" (seperti interpreter Python atau eksekutor SQL), dan penetapan perintah sistem yang memandu penalaran LLM.