Flujo inicial de Databricks: de datos de panaderías a un panel AI/BI

Empezar por el notebook y revisar los datos

Gracias a Databricks por patrocinar este vídeo.

El tutorial usa datos simulados de panaderías en Databricks Free Edition. Trata el notebook como una secuencia de celdas Python y SQL, con un resultado revisable tras cada paso.

1. Importa el notebook mediante la ruta mostrada en 1:32.
2. Comprueba los datos antes de la consulta de clasificación: revisa los locales, los importes de ventas y las fechas disponibles.
3. Clasifica los locales por el importe de ventas registrado y crea el gráfico de barras. Contrasta las etiquetas y unidades con las filas subyacentes.

Probar primero el sentimiento de una reseña

La muestra contiene 12 reseñas de clientes seleccionadas. Las etiquetas de sentimiento de la IA deben contrastarse con el texto original.

1. Selecciona la muestra de reseñas y compara sus fechas con los datos de ventas.
2. Ejecuta el análisis de sentimiento de una reseña y revisa la etiqueta antes de procesar las demás.
3. Etiqueta el resto de la muestra, revisa los casos dudosos y resume los recuentos. Conserva el texto original de las reseñas para poder revisarlo.

Construir y verificar el panel

Los resultados guardados de ventas y sentimiento se reúnen en un panel AI/BI. Que aparezcan en la misma página no demuestra una relación causal.

1. Prepara los resultados de las consultas guardadas e importa el diseño del panel mostrado en 14:14.
2. Contrasta los valores de los gráficos con los resultados del notebook.
3. Prueba la actualización, la publicación y el uso compartido con el público previsto. Revisa el acceso en vez de suponer que un panel publicado es visible para todo el mundo.

Conclusión

Usa el panel para explorar la muestra. Los distintos periodos de ventas y reseñas, una muestra pequeña y las etiquetas de IA no explican qué causó las ventas de un local.