n8n का उपयोग करके एक AI-पावर्ड डेटा एनालिस्ट बनाना

कल्पना कीजिए कि आपके पास एक AI सिस्टम है जो लाखों पंक्तियों के डेटा को क्वेरी कर सकता है। इसका आपके व्यवसाय के लिए क्या अर्थ होगा? इस लेख में, हम यह पता लगाएंगे कि किसी भी SQL डेटाबेस से कनेक्ट करने और तुरंत इनसाइट उत्पन्न करने के लिए n8n, एक नो-कोड प्लेटफॉर्म का उपयोग करके एक AI डेटा एनालिस्ट कैसे बनाया जाए।

प्रोजेक्ट का परिचय

इस प्रोजेक्ट में BigQuery डेटाबेस से कनेक्ट करने और Google Analytics डेटासेट से दस लाख से अधिक पंक्तियों के डेटा को प्रोसेस करने के लिए n8n, एक नो-कोड प्लेटफॉर्म का उपयोग करके एक AI-पावर्ड डेटा एनालिस्ट का निर्माण शामिल है। लक्ष्य एक ऐसा सिस्टम बनाना है जो प्राकृतिक भाषा क्वेरी का उपयोग करके डेटा से तुरंत इनसाइट प्रदान कर सके।

डेटासेट अवलोकन

इस प्रोजेक्ट के लिए उपयोग किया गया डेटासेट BigQuery में Google Analytics का नमूना डेटासेट है, जिसमें Google मर्चेंडाइज स्टोर से लगभग दस लाख पंक्तियों का ट्रैफ़िक डेटा है। डेटा में वेबसाइट पर ट्रैफ़िक स्रोतों, सामग्री डेटा और उपयोगकर्ता व्यवहार के बारे में जानकारी शामिल है।

सिस्टम ब्रेकडाउन

सिस्टम में दो मुख्य एजेंट शामिल हैं: मुख्य एजेंट और डेटाबेस क्वेरी टूल। मुख्य एजेंट उपयोगकर्ता के इरादे को समझने, क्वेरी का विश्लेषण करने और SQL क्वेरी बनाते समय ध्यान केंद्रित करने के लिए फ़िल्टर और तालिकाओं की पहचान करने के लिए जिम्मेदार है। दूसरी ओर, डेटाबेस क्वेरी टूल समतुल्य SQL क्वेरी उत्पन्न करता है और इसे BigQuery डेटाबेस के विरुद्ध निष्पादित करता है।

डेमो और परिणाम

सिस्टम को कई प्रश्न पूछकर प्रदर्शित किया जाता है, जिसमें डेटासेट में सबसे पहले और बाद के डेटा पॉइंट्स को खोजने जैसे डेटा एक्सप्लोरेशन प्रश्न, और प्रति माह सत्रों की कुल संख्या की गणना करना और सबसे अधिक ट्रैफ़िक वाले शीर्ष पाँच ऑपरेटिंग सिस्टम को खोजना जैसे अधिक जटिल प्रश्न शामिल हैं।

डेटाबेस क्वेरी टूल

डेटाबेस क्वेरी टूल का उपयोग प्राकृतिक भाषा क्वेरी को SQL क्वेरी में बदलने और उन्हें BigQuery डेटाबेस के विरुद्ध निष्पादित करने के लिए किया जाता है। टूल एक सरल और तेज़ भाषा मॉडल का उपयोग करता है, जैसे कि GPT-3 Mini मॉडल, और संदर्भ पर नज़र रखने के लिए एक Postgres चैट मेमोरी से जुड़ा है।

फ्रंटएंड और लॉगिंग

सिस्टम एजेंट के साथ संचार करने के लिए फ्रंटएंड के रूप में एक साधारण Streamlit एप्लिकेशन का उपयोग करता है। लॉग्स को Google Sheets नोड का उपयोग करके ट्रैक किया जाता है, जिससे एजेंट की निगरानी करना और यह सुनिश्चित करना आसान हो जाता है कि यह सही SQL क्वेरी आउटपुट कर रहा है।

परिणाम और इनसाइट

सिस्टम डेटा से तुरंत इनसाइट प्रदान करने में सक्षम है, जिसमें सबसे पहले और बाद के डेटा पॉइंट्स, प्रति माह सत्रों की कुल संख्या और सबसे अधिक ट्रैफ़िक वाले शीर्ष पाँच ऑपरेटिंग सिस्टम शामिल हैं। परिणाम उपयोगकर्ता के अनुकूल प्रारूप में प्रस्तुत किए जाते हैं, जिससे डेटा को समझना और विश्लेषण करना आसान हो जाता है।

निष्कर्ष और भविष्य का काम

यह प्रोजेक्ट n8n और BigQuery का उपयोग करके एक AI-पावर्ड डेटा एनालिस्ट बनाने की शक्ति को दर्शाता है। सिस्टम को तालिकाओं से चार्ट को स्वचालित करके और डेटा को स्वचालित तरीके से विज़ुअलाइज़ करके और आगे ले जाया जा सकता है। संभावनाएं वास्तव में अंतहीन हैं, और सिस्टम का उपयोग प्राकृतिक भाषा क्वेरी का उपयोग करके बड़े डेटासेट से तुरंत इनसाइट प्रदान करने के लिए किया जा सकता है।

अंतिम विचार

यह प्रोजेक्ट n8n जैसे नो-कोड प्लेटफॉर्म का उपयोग करके जटिल सिस्टम बनाने की क्षमता पर प्रकाश डालता है जो बड़े डेटासेट से तुरंत इनसाइट प्रदान कर सकते हैं। सिस्टम का उपयोग विभिन्न उद्योगों में किया जा सकता है, जिसमें मार्केटिंग, फाइनेंस और ऑपरेशंस शामिल हैं, ताकि डेटा-संचालित निर्णय लिए जा सकें।