DataPrep 3.0: u beschrijft het doel, de agent bouwt de stroom

Een gegevensstroom bouwen betekende tot nu elke stap uitspellen. Haal dit bestand binnen. Verwijder die dubbels. Verbind deze twee tabellen op die kolom. Stuur het resultaat daarheen. Het instrument deed wat u zei, en enkel dat. Met de versie die Zoho op 28 oktober uitbracht, verschuift dat: u beschrijft de uitkomst en Ask Zia plant de stappen, bouwt de stroom en laat ze lopen. Dat klinkt als gemak, en het is ook gemak, maar het verandert vooral welk werk er van u overblijft.

Want wie niet meer specificeert, keurt goed. Dat is een andere vaardigheid, en het is er een waarin niemand is opgeleid. Specificeren dwingt u te denken vóór het werk; goedkeuren vraagt dat u een plan beoordeelt dat al klaar ligt en plausibel oogt. Dat is de reden waarom deze versie interessanter is dan haar functielijst.

Van instructies naar een doel

Het voorbeeld dat Zoho geeft, is herkenbaar. U wil beursleads uit Zoho Creator en bedrijfsgegevens uit PostgreSQL binnenhalen, de leads verrijken en ze in het CRM-systeem plaatsen. U typt dat in gewone woorden. Ask Zia splitst dat doel in taken — invoeren, doorlichten, herstellen, samenvoegen en wegschrijven — en u kunt dat plan aanpassen voordat de agent begint. Vervolgens toont ze de problemen die ze vindt, zoals dubbels, rommelige adressen en onbruikbare records, met alle voorgestelde correcties in een voorbeeldweergave. U beslist welke u houdt en welke u verwerpt.

Achter die ene agent zit wat Zoho een klein gegevensteam noemt. Een invoeragent haalt de gegevens op, een bewerkingsagent maakt ze schoon en hervormt ze, een uitvoeragent brengt ze naar hun bestemming, en elk van de drie bouwt zijn deel als regels die u achteraf kunt lezen. Daarnaast beoordeelt een kwaliteitsagent de staat van uw gegevens en stelt de bewerkingen voor die ze zou herstellen. Op het einde stelt Ask Zia de bestemming voor, en pas na uw bevestiging wordt er iets toegevoegd.

De controle is ingebouwd, maar wie controleert?

Zoho heeft op dit punt de juiste ontwerpkeuzes gemaakt, en dat mag gezegd worden. Elke stap die de agent toevoegt, wordt een regel die u kunt openen en wijzigen: er zijn geen stappen die u niet kunt inkijken. De agent houdt een geheugen bij van uw voorkeuren en van de termen die u gebruikt, en neemt die mee naar volgende gesprekken. Uitschieters en onverwachte waarden worden gemeld terwijl de gegevens nog in DataPrep zitten, dus vóór ze uw rapporten bereiken en de cijfers vertekenen. Dat is precies de plaats waar zulke fouten het goedkoopst te herstellen zijn.

De zwakke plek zit niet in het instrument maar in de goedkeuring. Vijf bevestigingsmomenten per stroom klinkt zorgvuldig, en bij de eerste stroom is het dat ook; bij de twintigste is het een reeks klikken geworden. Wie hiermee begint, doet er goed aan twee afspraken te maken. Spreek af wie mag goedkeuren, en zorg dat die persoon de gegevens ként in plaats van enkel de knop. En vraag bij elk voorstel van de agent één keer waarom: een correctie op adressen die u niet kunt uitleggen, is geen correctie maar een wijziging. De agent toont u wat hij doet; of iemand het leest, blijft uw beslissing.

Sneller, en zonder scherm

Onder de motorkap is de verwerkingsmotor volledig herbouwd. Volgens Zoho levert de nieuwe dForge-motor voorbeeldweergaven die honderd keer sneller zijn, bewerkingen die zeventig procent sneller lopen en vijftig procent minder opslag. Voor wie dagelijks grote volumes verplaatst, telt dat op in kortere vensters en minder overhead. Naast de vierhonderd ingebouwde bewerkingen is er nu Code Studio, waarin u eigen bewerkingen in Python schrijft, eerst test op een steekproef en daarna over de volledige gegevensverzameling uitrolt. Er kwamen ook meer dan tien connectoren bij, met Books, Inventory, Zendesk en WooCommerce aan de invoerzijde.

De stap die het verst reikt, is de MCP-server. Daarmee maakt, schrijft en voert u stromen uit vanuit uw eigen AI-assistent, zonder DataPrep te openen; die mogelijkheden zitten nu ook in de gegevensstromen van Zoho Analytics. Voor een KMO of MKB-bedrijf betekent dat dat gegevensvoorbereiding één stap kan worden in een groter geautomatiseerd proces. Het betekent ook dat de goedkeuring die hierboven staat, buiten het scherm valt waar ze ontworpen is. Spreek dus af welke stromen een assistent mag starten en welke niet, vóór u die deur opent. Wat de toepassing in haar geheel doet, leest u op de productpagina van Zoho DataPrep.

Veelgestelde vragen

Hebben wij hiervoor iemand met kennis van gegevensverwerking nodig?

Minder dan vroeger om een stroom te bóuwen, en evenveel om ze te beoordelen. De agent neemt het schrijven van de stappen over, maar de vraag of een samenvoeging op het juiste veld gebeurt en of een adrescorrectie klopt, blijft menselijk werk. In een KMO is dat doorgaans dezelfde persoon die uw rapportering kent. Zet die persoon dus niet buitenspel omdat het instrument sneller werkt; geef hem net de tijd om de voorstellen te lezen. Dat is het nieuwe werk, en het is kleiner maar belangrijker dan het oude.

Hoe weten wij wat de agent precies veranderd heeft?

Door de regels te lezen. Elke bewerking die Ask Zia toevoegt, blijft een afzonderlijke regel die u kunt openen, waarin staat wat ze doet en die u kunt aanpassen. Dat is een wezenlijk verschil met instrumenten waarin een AI-stap als één ondoorzichtig blok in de stroom staat. Praktisch raden wij aan de eerste stromen na te lopen met iemand erbij die de bron kent, en de regels te bewaren als documentatie. Zo hebt u ook een antwoord wanneer een cijfer later ter discussie staat: u kunt aanwijzen welke bewerking het heeft aangeraakt.

Wat is het nut van een stroom die wij vanuit een assistent starten?

Vooral dat gegevensvoorbereiding geen eiland meer is. Loopt uw werkproces in een andere toepassing, dan kan het opruimen en verrijken van gegevens daar een stap in worden in plaats van een handeling die iemand apart moet doen. Dat is winst wanneer het om terugkerend werk gaat met een vaste vorm. Het is risico wanneer het om eenmalige of gevoelige verwerkingen gaat, want de bevestigingsstap die in de toepassing is ingebouwd, valt dan weg. Beperk daarom aan de ene kant wat een assistent mag aanroepen en houd aan de andere kant de stromen die naar uw CRM-systeem schrijven onder menselijke goedkeuring.

Zijn die snelheidswinsten voor ons merkbaar?

Dat hangt van uw volumes af. De cijfers die Zoho noemt — honderd keer snellere voorbeeldweergaven, zeventig procent snellere bewerkingen, vijftig procent minder opslag — zeggen het meest over het bouwen zelf: u ziet het effect van een bewerking vrijwel meteen in plaats van te wachten. Bij kleine bestanden merkt u daar weinig van omdat het ook vroeger snel ging. Verplaatst u dagelijks grote hoeveelheden op een vast uur, dan telt het wel: kortere vensters en minder opslag zijn dan een rechtstreekse kost die daalt. Meet het na op uw eigen stromen voor u het in een plan opneemt.

Waar zouden wij beginnen?

Bij een stroom die u al met de hand doet en die nooit bij een klant terechtkomt. Een maandelijkse opschoning van adressen, het samenvoegen van een exportbestand met een lijst uit uw boekhouding: zulk werk is ideaal om te leren hoe de agent plant en wat zijn voorstellen waard zijn. Laat die stroom een maand naast uw gewone werkwijze lopen en vergelijk de uitkomst. Pas daarna zou wij een stroom bouwen die rechtstreeks in uw CRM-systeem schrijft, want daar zijn de gevolgen van een verkeerde samenvoeging zichtbaar voor uw klanten.