- Estende Notion + Jupyter com recursos adicionais
- Agendamento de notebooks, conversão em dashboards e apps, consultas SQL que retornam resultados como dataframes etc.
- Resolve problemas dos notebooks existentes
- Dificuldade para compartilhar: é preciso instalar Docker + Python para visualizar o trabalho da equipe de dados
- Notebooks complexos demais: blocos de código em excesso reduzem a legibilidade e dificultam o entendimento por pessoas não técnicas
- Até tarefas simples, como consultar bancos de dados, chamar APIs e criar gráficos, acabam sendo complexas
- Como o Briefer resolve isso
- Resolve o problema de compartilhamento
- Move os notebooks para a nuvem, permitindo agendamento
- Gerencia estado com CRDTs e Yjs, refletindo edições em tempo real
- Organiza os notebooks
- Design limpo e possibilidade de organizar blocos por agrupamento
- Permite agrupar blocos em abas e escolher quais blocos mostrar na versão publicada
- Oferece recursos para criar dashboards
- Simplifica tarefas simples
- Criação de gráficos com cliques e geração de código de gráficos complexos com assistente de IA
- Converte automaticamente resultados de consultas SQL em dataframes e permite consultar arquivos com DuckDB
Principais recursos
- Árvore de arquivos
- A árvore de arquivos é onde você pode gerenciar e navegar pelos notebooks
- Assim como no Notion, é possível escolher um ícone para cada notebook, reordená-los ou colocar um dentro de outro
- Ao excluir um notebook, uma cópia é mantida na lixeira para restauração, se necessário
- Blocos e abas: os notebooks do Briefer são compostos por vários tipos de blocos
- Bloco de texto: para adicionar contexto ao notebook
- Bloco de consulta: para coletar dados de arquivos ou de fontes de dados conectadas, como Postgres, BigQuery, Redshift e Athena
- Bloco de upload de arquivo: para adicionar CSV, XLS ou outros arquivos ao notebook quando os dados não estiverem em uma fonte conectada
- Bloco Python: para escrever código Python a fim de manipular dados, gerar visualizações ou fazer qualquer outra tarefa desejada
- Bloco de entrada: para adicionar elementos interativos ao notebook, como entrada de texto ou menus suspensos
- Bloco de visualização: para criar visualizações sem escrever código
- Depois de adicionar blocos ao notebook, é possível agrupá-los em abas para facilitar a organização e a navegação
- Arquivos e bancos de dados
- É possível consultar dados de arquivos e bancos de dados usando blocos de consulta, sem escrever wrappers ou conectores
- Se os dados estiverem em um banco de dados, você pode escrever consultas SQL em um bloco de consulta e buscar os dados necessários
- Se os dados estiverem em arquivos (CSV, XLSX, Parquet etc.), basta fazer upload e consultá-los com SQL comum
- Também é possível consultar dataframes com SQL comum usando blocos de consulta
- Dataframes automáticos
- Todos os blocos de consulta geram automaticamente um dataframe Pandas com os resultados da consulta
- Isso permite usar esses dados em blocos Python adicionais
- Por padrão, os dataframes recebem nomes como
query_1, mas podem ser renomeados para algo mais significativo
- Assistente de IA
- Os blocos SQL e Python incluem um assistente de IA
- Sempre que precisar de ajuda, você pode clicar em "Editar com IA" e dizer ao assistente o que deseja fazer
- O assistente então gera uma sugestão e mostra um diff que você pode testar, aceitar ou rejeitar
- No bloco Python, o assistente de IA reconhece os dataframes e colunas existentes
- No bloco SQL, o assistente de IA já conhece as tabelas e colunas do banco de dados, o que permite sugestões melhores e ajuda a escrever consultas complexas corretamente
- Sempre que ocorrer um erro, você pode clicar em "Corrigir com IA" para que o assistente tente fazer o ajuste
- Agendamentos
- É possível agendar a execução do notebook em intervalos específicos, como de hora em hora, diariamente, semanalmente ou mensalmente
- Ao criar um agendamento, também é possível configurar notificações por e-mail ou Slack quando a execução for concluída com sucesso ou falhar. Em execuções bem-sucedidas, você também recebe um PDF com a saída do notebook
- Snapshots e controle de versão
- Sempre que um notebook é publicado, seu estado é salvo automaticamente, permitindo ver mudanças ao longo do tempo e fazer rollback para uma versão anterior, se necessário
- Isso permite rastrear alterações no notebook e voltar para uma versão anterior caso surja algum problema
- Além disso, toda execução agendada bem-sucedida cria um snapshot do estado do notebook naquele momento
- Snapshots são úteis para ver como os resultados mudaram ao longo do tempo ou comparar saídas de execuções diferentes
- Do notebook para o dashboard
- É possível criar dashboards usando a saída do notebook
- Isso permite compartilhar resultados com outras pessoas sem incluir código ou explicações desnecessárias, como quando é preciso fazer muita transformação de dados antes de gerar gráficos
- A visualização em dashboard também é útil para criar apps de dados em que os usuários podem interagir com entradas e menus suspensos, sem que você precise mostrar o código interno
Opinião do GN⁺
- A plataforma parece útil para trabalhos de análise e visualização de dados no estilo notebook
- Por ser baseada em nuvem, permite colaboração em tempo real e, com uma interface amigável e recursos de organização, melhora a legibilidade e facilita que usuários não técnicos visualizem os resultados da análise de dados, aumentando a eficiência da colaboração
- O fato de o assistente de IA ajudar na escrita de consultas SQL e código Python também pode aumentar a produtividade em tarefas de análise de dados. Ainda assim, a precisão e a utilidade das sugestões da IA só podem ser avaliadas no uso prático
- Os recursos de agendamento e controle de versão dos notebooks parecem úteis para análises de dados recorrentes ou trabalho colaborativo. No entanto, isso pressupõe uma operação de infraestrutura estável
- A possibilidade de compartilhar facilmente os resultados da análise com pessoas não desenvolvedoras por meio da criação de dashboards também é uma vantagem. Porém, ainda não está claro qual será o grau de liberdade no layout e no design desses dashboards
- Plataformas semelhantes incluem Jupyter Notebook, Google Colab e Deepnote. Vale refletir sobre quais seriam os diferenciais do Briefer em relação a elas, como maior facilidade de uso ou recursos de colaboração mais robustos
1 comentários
Comentários do Hacker News
Gerentes de produto tentam facilitar o trabalho configurando fórmulas simples de Excel e gráficos
Engenheiros de dados realizam trabalhos mais técnicos usando soluções open source como Superset e dbt
As empresas frequentemente tentam construir a UI final por conta própria
Entendo profundamente o quão difícil é criar ferramentas do tipo notebook
É difícil sugerir funcionalidades por causa dos próprios dados e do mercado altamente competitivo
Elogia o trabalho do Lucas e sugere adicionar CLI, conectores, computação simbólica, suporte offline e namespaces criptografados
Ensina bastante Python e ciência de dados (pandas, Polars, scikit learn, XGBoost etc. no Jupyter)
Compartilha a experiência de que muitos problemas são resolvidos por meio de educação
Acha que, em vez de focar em escrever código amigável para iniciantes, deve-se escrever código em nível de especialista
Recebe críticas nas redes sociais, mas tem reações positivas de alunos e leitores
Tem experiência construindo fluxos de trabalho usando notebooks, jobs cron e persistência de estado
Parabeniza pelo lançamento e comenta que o chrome estilo Mac Finder dos anos 90 no GIF de exemplo distrai
O suporte a blocos de Python/código parece interessante
Parabeniza pelo lançamento e tem curiosidade sobre como isso vai evoluir em comparação com ferramentas existentes como Hex
Menciona que isso também poderia ser vendido como uma ferramenta de colaboração online para organizações não técnicas
Menciona que isso pode ser uma ferramenta útil para construir catálogos internos de consultas e dashboards
Menciona que o primeiro problema dos notebooks é que eles são difíceis de compartilhar