📢 转载信息
原文链接：https://www.kdnuggets.com/make-com-automations-for-saving-time-as-a-data-professional
原文作者：Shittu Olumide
图片来源：作者
引入
大多数数据专业人员将工作时间浪费在可以自动化的任务上。手动收集数据、重复生成报告、不断在工具之间复制粘贴以及处理电子表格，似乎是工作的一部分。但事实并非如此。它们是时间的杀手，将您的注意力从驱动实际决策的分析工作上拉开。
在本文中，我将演示如何在不编写任何代码的情况下构建企业级的自动化。Make（以前称为 Integromat）使这成为可能，数据专业人员已经在使用它来挽回失去的时间。
手动数据工作的真正成本
数据专业人员花费大量时间来清理和组织数据。这些手动流程容易出错。当您手工在多个来源之间填充数据时，人为错误是不可避免的。不正确的数据随后会破坏您的整个数据分析管道。
Make 解决了这个问题。它是一个视觉化的自动化平台，可连接您的应用程序，确保它们作为一个单一系统运行。您无需编写 API，也无需维护复杂的基础设施。它提供了一个简单的视觉构建器，您可以在其中像搭积木一样拖放组件。
了解 Make
Make 的构建基于一个简单的理念：让软件处理重复性任务，而您专注于思考。该平台使用视觉场景构建器连接了超过 1,800 种不同的应用程序和服务。
图片来源：作者
将“场景”视为自动化工作流。它从一个触发器开始，该触发器是一个启动事情发生的事件。也许一个新的文件掉进了您的云存储中，或者有人填写了一个表单。也许您的数据库中出现了一个新记录。该触发器启动您的场景，然后自动发生一系列操作。
每个操作称为一个模块。一个模块可能从 API 抓取数据。另一个转换或过滤该数据。下一个模块可能将其推送到电子表格、发送通知或将其存储在数据库中。您用鼠标将这些模块连接起来，将数据从一个步骤映射到下一个步骤。
该平台已经了解如何与这 1,800 个应用程序中的每一个进行交互。它在幕后处理所有技术身份验证和 API 复杂性。您只需单击、拖动并配置所需的内容。
为什么这对数据专业人员很重要
数据工作已经改变。您不再仅仅分析已有的数据。您需要从多个来源摄取数据、转换数据、验证数据并将其交付到需要的地方。通常，您每周都会使用略有不同的参数或时间范围执行数十次此操作。
Make 消除了重复性。它处理“管道”工作，而您处理“智能”工作。请考虑那些已经实现这种转变的数据专业人员的真实世界示例：
- 数据专业人员利用 Make 实时同步整个技术栈中的客户数据。当有新客户进入他们的 CRM 时，系统会自动更新他们的数据仓库，将客户添加到正确的分析仪表板，并在他们的商业智能工具中记录该事件。零手动工作。完美的数据一致性。
- 一个电子商务分析团队将他们的 Shopify 商店连接到 Make，并构建了自动仪表板，这些仪表板会输入到 Google Sheets 和 Slack 中。每天早上 9:00，他们的执行团队无需任何人动手就能查看销售指标、利润计算和营销投资回报率。
这些不是由开发人员构建的复杂定制系统。这些是花费数小时而非数周构建的场景，并且它们不需要任何编码知识。
构建您的第一个数据收集自动化
让我们通过一个实际的例子来了解一下。假设您需要每周从多个在线来源收集数据。也许您正在监控各种网站上的行业趋势，收集竞争对手的定价数据，或者汇总来自多个平台的客户反馈。通常，这涉及记录 URL、登录每个站点、导出或复制数据、整理数据和格式化数据。这既繁琐又容易出错。
以下是 Make 自动化此过程的方式：
- 设置您的触发器。 在这种情况下，您将使用一个日程触发器，该触发器在您选择的日期和时间触发。周一早上 8:00？设置它。
- 添加操作模块。 从您的来源获取数据。Make 为流行的平台（如 Google Sheets、Airtable、数据库、网站和 API）提供了预构建的模块。如果您要从没有专用模块的网站拉取数据，您可以使用 Make 的 HTTP 模块直接调用任何 Web 端点。
图片来源：作者
- 转换数据。 这是 Make 的数据处理功能大放异彩的地方。您可以根据条件过滤数据、组合来自不同来源的信息、拆分列、合并字段、计算新值或重构整个数据集。所有这些都是在视觉上完成的。您在配置规则，而不是编写代码。
- 指定目的地。 将数据推送到 Google Sheets。将其添加到数据仓库。将其存储在数据库中。发送给您自己或您的团队。Make 支持所有这些目的地以及数百个其他目的地。
保存场景后，Make 会处理执行。您的数据收集将根据您定义的计划自动进行。新数据将恰好在您指定的时间出现在您指定的位置，并以您配置的确切格式出现。无需人工干预。无需在周五下午 4:00 时因疲劳而犯下重复性任务的错误。
为什么数据专业人员现在正在采用它
自动化领域在过去一年中发生了重大变化。Make 最近在其库中增加了 200 多个人工智能驱动的应用程序。这意味着您现在可以构建不仅移动数据，而且还能利用人工智能 (AI) 处理数据的场景。
想象一下使用 ChatGPT 来总结非结构化的客户反馈，然后再将其存储到数据库中。或者，让 AI 在处理传入数据之前自动对其进行分类。您甚至可以自动从原始数据中生成见解。这些功能现在已直接内置于 Make 中。
构建您的自动化：分步指南
为了演示构建数据收集自动化的实际应用，我们将逐步介绍设置过程。此示例将来自多个来源的数据整合到一个位置。
首先注册 Make。您将获得一个具有有限功能的免费帐户，这足以构建和测试您的自动化。对于小型数据项目来说，免费套餐确实是可用的。
单击 创建一个新场景。您将看到一个空白画布。
图片来源：作者
- 添加您的触发器。 单击 “+” 按钮添加一个模块。搜索您的触发源。如果您想按计划自动化某事，请搜索“Schedule”（计划）。如果要触发文件出现，请搜索您的存储服务。如果想触发一个 Webhook（意味着其他应用程序向 Make 发送信号），请搜索“Webhook”。配置您的触发器参数。如果是计划，请选择频率和时间。
- 添加您的第一个操作。 单击以添加另一个模块。搜索您的数据所在的应用或服务。也许是 Google Sheets、Airtable、数据库或 API。Make 会找到该模块并打开其配置面板。
- 配置此模块。 您在告诉 Make 应该抓取哪些特定数据。也许您正在搜索符合特定标准的记录，或者检索特定表中的所有数据。您不是在编写查询；您是在填写字段和从下拉菜单中选择选项。
图片来源：作者
- 映射您的数据。 这是数据从一个模块流向另一个模块的地方。如果您的触发器提供了时间戳，您可能会使用该时间戳来过滤模块 2 中要检索的记录。Make 会显示上一步中哪些数据可用。您单击以包含它。
- 添加您的下一个操作。 在将数据移到新位置之前，您可能希望转换或验证数据。使用 Make 内置的数据工具。过滤记录、合并字段、拆分列和计算值。每项操作都是在视觉上配置的。
- 指定您的目的地。 最终数据去哪里？如果是 Google Sheets，您选择电子表格并指定要填充哪些列。如果是电子邮件，您将使用您的数据来设计消息。如果是数据库，您将字段映射到列。
- 运行测试。 Make 允许您执行一次场景以查看其是否有效。您将确切地看到数据流向、是否发生错误以及最终输出是否正确。
- 激活您的场景。 一旦它工作正常，点击一个按钮即可将其打开。现在它会根据您定义的计划或触发器自动运行。
处理数据专业人员面临的常见挑战
数据专业人员经常遇到的一个问题是处理错误。如果数据源暂时中断怎么办？如果值以意外的格式出现怎么办？
Make 使用错误处理模块来处理此问题。您可以设置场景中的路径，只有在发生错误时才会执行这些路径。也许您可以给自己发送一个警报电子邮件，以防 Google Analytics API 无法访问。如果数据值超出预期范围，也许您可以添加一个人工审查步骤。
另一个常见挑战是当您的数据源可能说不同的语言时。一个 API 返回一种格式的数据，另一个返回不同的格式。Make 的映射系统可以处理这种情况。您在告诉 Make 如何将数据从一种格式翻译成另一种格式。一个模块以 MM-DD-YYYY 格式输出日期，但您的目的地期望 YYYY-MM-DD。映射并转换它。一个来源以 JSON 格式返回数据，但您需要它以 CSV 格式。
数据自动化的业务影响
让我们直接谈谈这带来了什么。当您自动化重复性的数据工作时，您不仅仅是在节省时间。您正在促成更好的决策。
- 实时数据意味着决策者始终可以访问最新信息。当您的报告全天自动更新，而不是每周一手动汇总时，高管可以更快地发现趋势和问题。他们在机会仍然存在时就对它们做出反应，而不是在两周后才发现。
- 数据准确性提高。 手动移动数据会引入错误。自动化数据移动则不会。您的分析基于您定义的规则验证过的、一致的干净数据，而不是基于疲惫的人员进行的复制粘贴工作。
- 提高团队容量。 如果您每周花 15 小时进行数据“体力活”，那么您现在就有 15 小时用于实际分析。用于回答问题。用于构建模型。用于驱动业务价值的战略性工作。
在一个真实世界的案例研究中，一家公司通过自动化一个单一的每周报告流程，每月节省了 40 多个小时。将此扩展到您的整个数据操作，您每年将挽回数百小时。那是您可以花在高价值分析工作上的时间，而不是数据整理。
提出采用的论据
如果您正在考虑向团队或组织提出此建议，以下是决策者关心的事情：
- 成本极低。 Make 的免费套餐适用于小型操作。付费套餐起价约为每月 99 美元。将其与一位开发人员花几周时间进行定制开发的工作量进行比较。投资回报率是即时的。
- 实施速度快。 您不必等待数月来构建自定义集成。您可以在几小时或几天内构建自动化，而不是数周。
- 维护简单。 您无需管理代码或基础设施。如果 Make 更新了他们的平台，您会自动受益。如果您需要更改自动化的某些方面，您可以在视觉上进行调整。无需重新编译或重新部署。
- 风险低。 您从免费帐户开始。您可以零财务承诺构建和测试场景。一旦它完美运行，您就激活它。您不是在拿公司去冒险。
总结
选择一项您定期执行的重复性数据任务。一些感觉繁琐的任务。每周至少花费一小时的任务。创建一个 Make 场景来自动化该过程。使用他们的免费套餐。花一两个下午熟悉界面并创建您的第一个自动化。
一旦您在一个自动化中看到了价值，就扩大规模。构建另一个。然后是另一个。很快，您就重塑了整个数据工作流。
这就是数据专业人员的工作发展方向。Make 使这成为可能。之后您节省的时间将由您自己决定投入到真正重要的事情上。
Shittu Olumide 是一位软件工程师和技术作家，热衷于利用尖端技术来构建引人入胜的叙事，对细节有敏锐的洞察力，并擅长简化复杂概念。您也可以在 Twitter 上找到 Shittu。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区