Tencent Cloud DataBuddy resmi membuka uji coba gratis untuk pengguna di luar China. Sebagai workbench big data berbasis Agent yang dirancang sejak awal dengan DNA khusus skenario data, DataBuddy menghadirkan mitra AI yang benar-benar “melek data” bagi setiap data engineer dan analis.
Apa Itu DataBuddy dan Bagaimana Cara Mencobanya?
DataBuddy adalah workbench big data terkelola penuh dari Tencent Cloud yang menggabungkan Data dan AI secara terintegrasi, berbasis Agent. Melalui metadata yang terpadu, DataBuddy menghadirkan pengembangan data dan operasional data warehouse yang digerakkan oleh Agent. Melalui pemodelan semantik yang berorientasi bisnis, DataBuddy menyediakan kueri data berbahasa alami yang berkualitas tinggi, disertai analisis dan pelaporan bertenaga deep-thinking. Melalui alur kerja terpadu berbasis stream-and-batch incremental, DataBuddy menawarkan sistem pengambilan keputusan data real-time yang hemat biaya dan dapat disesuaikan secara fleksibel.
DataBuddy menyediakan dua mode utama. Mode Data Development ditujukan bagi data engineer, mencakup rekayasa data dan tata kelola data. Mode Data Analysis ditujukan bagi analis data, mendukung tanya-jawab cerdas, pelaporan otomatis, analisis atribusi, hingga deteksi anomali.
Hanya dengan satu kalimat, pengguna dapat menyelesaikan seluruh alur kerja data — mulai dari pembangunan data warehouse, ingesti data lake, pengembangan, penjadwalan, hingga analisis. Pengguna di luar China dapat mengajukan uji coba langsung melalui situs resmi.
Empat Skenario Utama dalam Uji Coba Gratis
Uji coba gratis ini berfokus pada kemampuan inti Agent milik DataBuddy, dengan menghadirkan beberapa skenario khas berikut agar pengguna dapat mulai dengan cepat.
Skenario 1: Membangun Data Warehouse Hanya dengan Satu Kalimat
Pengguna cukup mendeskripsikan kebutuhan bisnisnya, dan Agent akan otomatis menyelesaikan alur kerja enam tahap: identifikasi koneksi sumber data, profiling struktur tabel, pembuatan rencana layering ODS/DWD/DWS/ADS, konfigurasi ingesti data lake, pembuatan kode SQL ETL, hingga orkestrasi dan penjadwalan alur kerja.
Contoh instruksi: “Saya ingin merancang layering data warehouse untuk bisnis weshop. Tabel sumbernya berada di skema weshop dalam postgresql_sample_data. Tim bisnis membutuhkan laporan performa penjual, analisis penjualan musiman, dan metrik kategori. Data perlu diperbarui setiap hari pukul 10.00.”
Skenario 2: AI Ops — Diagnosis dan Perbaikan Otomatis saat Workflow Gagal
Ketika sebuah alur kerja gagal berjalan, pengguna tidak perlu lagi menelusuri log satu per satu. Agent secara otomatis menyelesaikan analisis log, pelacakan akar masalah, penilaian dampak, rekomendasi perbaikan, hingga perbaikan dan penjalanan ulang dengan satu klik.
Contoh instruksi: “Alur kerja ini gagal berjalan. Tolong periksa:
Skenario 3: Tata Kelola Data Cerdas — Registrasi Metrik Massal dan Diagnosis Menyeluruh
Agent secara otomatis menganalisis struktur tabel yang sudah ada dalam data warehouse, membangun model semantik, dan meregistrasikan metrik bisnis secara massal. Pada saat yang sama, Agent menghasilkan laporan tata kelola menyeluruh yang mencakup kesehatan metadata, konsistensi semantik, duplikasi definisi metrik, kualitas data, kepatuhan keamanan, dan biaya penyimpanan — sekaligus dapat menjalankan perbaikan tata kelola tersebut secara otomatis.
Contoh instruksi: “Analisis struktur tabel yang sudah ada dalam data warehouse, bangun model semantik, dan definisikan tiga metrik untuk saya: ‘tingkat retensi 30 hari’, ‘nilai pesanan rata-rata’, dan ‘tingkat konversi’.”
Skenario 4: AI Dashboard — Membuat Dashboard Visualisasi dari Bahasa Alami
Langsung dari kotak obrolan DataBuddy, pengguna dapat mendeskripsikan kebutuhan analisisnya menggunakan bahasa alami atau dengan menyebut (@) tabel data tertentu. Agent akan otomatis menghasilkan dashboard HTML interaktif, yang dapat disimpan ke ruang kerja AI Dashboard untuk diperbarui dan ditelusuri kapan saja. Fitur ini juga mendukung kueri data cerdas, atribusi anomali, dan pembuatan laporan.
Apa Kelebihan DataBuddy Dibanding “Agent Generik + Skill”?
Pertanyaan ini berulang kali muncul selama proses perancangan produk. Jawabannya terletak pada perbedaan di tingkat DNA.
Keamanan Data: dari “Tambahan” Menjadi “Tertanam dalam DNA”
Pagar keamanan pada Agent generik dirancang untuk skenario umum — mengatasi risiko umum seperti pembuatan konten berbahaya atau kebocoran informasi pribadi. Namun dalam skenario data, masalah yang benar-benar fatal justru berbeda jenisnya. Sebuah perintah UPDATE tanpa klausa WHERE dapat menghapus tabel berisi puluhan juta baris data dalam sekejap — dan Agent generik tidak akan memblokirnya. Sebuah prompt injection juga dapat mengeskalasi hak akses hingga mampu melakukan kueri lintas basis data — dan pagar keamanan generik tidak dapat mendeteksinya.
DataBuddy membangun pertahanan berlapis tiga tingkat untuk mengatasi risiko-risiko khas skenario data semacam ini.
Memori Data: dari “Tidak Bisa Mengingat” Menjadi “Semakin Dipakai, Semakin Memahami Bisnis Anda”
Agent generik dapat mengingat bahwa pengguna “lebih menyukai Python”, tetapi tidak dapat mengingat bahwa pengguna “selalu melihat tingkat pembelian ulang saat menganalisis GMV”.
DataBuddy membangun sistem memori empat tingkat. Yang lebih penting, terdapat mesin evolusi pengetahuan DataMemory — melalui dua tahap penyaringan, yaitu deduplikasi berbasis clustering dan tinjauan oleh Owner, sistem ini secara otomatis mengangkat pengalaman individu yang sering digunakan menjadi memori organisasi, dan setelah melewati validasi canary, pengalaman tersebut disahkan sebagai pengetahuan perusahaan. Ketika seseorang berpindah tim atau keluar dari perusahaan, pengetahuan tersebut tetap tersimpan.
Kolaborasi Perusahaan: dari “Sandbox Pribadi” Menjadi “Sudut Pandang Pemilik Perusahaan”
Agent generik yang dipadukan dengan Skill pada dasarnya adalah alat produktivitas personal — setiap orang mendapatkan sandbox masing-masing dan bekerja secara terisolasi. Pendekatan ini menimbulkan tiga masalah: definisi yang tidak konsisten antarpengguna, tidak adanya pewarisan pengetahuan, dan tidak adanya visibilitas atas status pekerjaan tim.
DataBuddy menyediakan manajemen terpadu dari sudut pandang pemilik perusahaan. Penggunaan data seluruh anggota tim, log eksekusi Agent, dan progres akumulasi pengetahuan dapat dipantau dengan jelas dalam satu tampilan. Mekanisme dua tahap tinjauan pada DataMemory memastikan anggota baru dapat langsung mewarisi pengetahuan yang telah terkumpul sejak hari pertama bergabung. Isolasi hak akses multi-tenant memungkinkan tim yang berbeda bekerja tanpa saling mengganggu, namun tetap terhubung secara horizontal.
Simbiosis Platform: Lebih dari Sekadar “Pengalaman yang Tidak Terfragmentasi”
Secara arsitektur, DataBuddy hidup berdampingan dengan platform big data — terhubung langsung dengan metadata, lineage, kualitas data, penjadwalan, dan mesin SQL, dengan identity pass-through berbasis OBO yang memanfaatkan ulang hak akses di sisi mesin, serta aturan tata kelola dan tugas penjadwalan yang ditulis kembali ke platform hingga membentuk siklus tertutup.
Hal ini membentuk sebuah flywheel data: simbiosis platform berperan sebagai sisi “pasokan” — menyediakan konteks yang terbaru, sudah diatur tata kelolanya, dan memiliki hak akses yang jelas; sementara context engineering berperan sebagai sisi “konsumsi” — bertanggung jawab atas pengambilan, penganggaran, isolasi, dan penyempurnaan konteks tersebut. Agent generik yang dipadukan dengan Skill berdiri di luar platform — ia tidak dapat mengakses konteks terbaru maupun terhubung ke siklus tertutup hak akses tersebut.
Cara Mencoba Sekarang
Situs internasional DataBuddy kini tersedia untuk uji coba gratis melalui region Bangkok. Pengguna di luar China dapat mengajukan permohonan melalui situs resmi dan mencoba kemampuan inti Agent tanpa biaya.
Cakupan uji coba ini berfokus pada kemampuan penuh modul Agent DataBuddy, yaitu pengembangan data, tata kelola data, dan analisis data. Fitur produk secara lengkap akan terbuka sepenuhnya setelah pengguna berlangganan platform intelijen data terintegrasi DataBuddy.
DataBuddy bukan sekadar alat — ia adalah mitra AI bagi setiap profesional data. Semakin sering digunakan, semakin ia memahami data, mengingat kebiasaan kerja, dan menjaga keamanan penggunanya.
