从临时取数到可复用系统：数据分析师与 CoCo 的第一周

你的日常是把模糊的问题转化为具体的答案。有时候困难的是SQL本身。更多时候是SQL之外的一切——找到正确的表、弄清某个列到底是什么意思、为不读代码的人重塑结果，以及当他们在下周要求更新时再全部做一遍。

CoCo是一个驻留在Snowsight内、与你并肩工作的智能助手——它探索你的数据、编写和重构SQL、构建应用、审查你的工作，全部在你自己的Snowflake账户内完成。它不会取代你的判断。它取代的是那些吞噬你时间的机械性部分。

CoCo正在从根本上改变数据团队的工作方式。

以下是你在第一周值得做的五件事——每件都对应你工作流程中的一个真实环节，每件都会给你留下可以再次使用的东西。

第一天：通过探索你刚被告知的数据来界定需求

有人在Slack里丢下一个表名说“你能看看这个吗？”。你从未见过这个表。你不知道里面有什么、数据有多新鲜、或者它是不是正确的数据源。在你能回答实际问题之前，你烧掉30分钟做DESCRIBE、COUNT和SELECT DISTINCT，只是为了让自己摸清方向。

CoCo把这一切压缩成一次对话。让它分析表，它会为你探查模式、样本行和值分布。你提问，你阅读，你再问下一个问题。以下是一些示例提示：

• “描述PRODUCT.ANALYTICS.FEATURE_USAGE。它有哪些列，日期范围是什么，有多少行，USER_ID中是否有NULL？给我看5个示例行和EVENT_TYPE中最常见的值。”
• “这是回答‘本季度客户最常使用哪些功能’的正确表吗？这个模式中还有哪些其他表可能相关？”

第一天过后，你就对一个数据集有了清晰认识，可以开始处理了，并且有信心告诉利益相关者“是的，我可以用这个”或“不，我们需要另一个数据源”。

第二天：把模糊的要求变成具体的查询

要求是“你能拉一下体验营进行得怎么样吗？”没有指定具体数字，没有定义“体验营”，没有时间范围。你得自己琢磨出来——如果猜错了，你就得重做。

CoCo帮你穿过通常在你写一行SQL之前就会卡住的模糊性。它基于你访问的数据进行推理，提出具体的指标定义，并列出权衡点，这样你可以有意识地选择。然后它写出查询。示例提示：

• “一位利益相关者问‘体验营进展如何？’我可以访问PRODUCT.CORE.USER_EVENTS和SALES.CRM.ACCOUNTS。帮我根据可用数据定义‘体验营成功’意味着什么，以及各选项之间的权衡是什么。”
• “写一个查询，显示最近3个月按群组周划分的30天激活率。将激活定义为在账户创建后30天内完成至少3个关键事件。”

你仍然完全控制思考，CoCo只是加速了苦差事。第二天结束时，你得到了一个能回答真实问题的查询，以及一个可以向利益相关者解释的站得住脚的定义。

第三天：重构你已经复制粘贴了数月的查询

你有一个查询。一开始20行。现在90行。每次有人要求稍作变化时你就加一个过滤器，而且只有你懂它——这意味着只有你能运行它。

CoCo为你提供了大多数分析师对于临时SQL都没有的第二双眼睛。它将查询重构为可读的CTE，记录每一步，并指出如果源模式变化会破坏什么。它对于性能的判断不一定总是对的，但它会揭示你看了太多遍这个查询而不再看到的东西。这里有一些可以尝试的例子：

• “这是我每周运行的查询[粘贴]。把它重写为带注释的CTE，提出性能改进建议，并指出如果源模式变化会破坏什么。”
• “把它转换为可重用的视图。哪些应该参数化，哪些应该硬编码？”

第三天结束时，你得到了最常用查询的更清晰、带文档的版本，别人也能真正维护。

第四天：构建仪表板，停止充当刷新按钮

有人每周一都管你要一个数字。你写查询、调整日期范围、粘贴到演示文稿或Slack消息里，下周再做一次。大部分时间都花在用新的日期范围重新运行同一个查询上。

CoCo可以直接从你的查询构建一个Snowflake中的Streamlit应用，包含你描述的图表、筛选器和布局。Snowflake中的Streamlit应用让你可以分享一个链接用于只读URL，那个每周一问你的人可以自己打开，选择自己的日期范围，不再问你。你从提供数字的人变成了构建系统的人。示例：

• “从这个查询构建一个Streamlit应用。用柱状图显示按地区和时间划分的注册情况，添加日期范围筛选器和地区筛选器，在下面包含原始数据的表格，并使其足够清晰，让非技术利益相关者也能独立使用。”

第四天结束时，你有了一个别人依赖的可运行仪表板，并且每周一的时间都回来了。

第五天：在分享之前让CoCo审查你的工作

你这周构建了一些东西，即将分享——但没有人可以审查。你的团队很忙，你的经理信任你，结果是第一个审查者是发现bug的利益相关者。

CoCo充当那个审查者。它以用户或值班工程师的视角阅读你的应用或查询，并指出哪些令人困惑、在边缘情况下会破坏什么、以及哪些没有注脚就可能误导。你会不同意它的一些建议。价值在于看到那些你忘了问自己的问题。建议会从明显到错误不一，但中间某处是你盯了四天之后错过的东西。这里有一些例子：

• “像每天会使用这个 Streamlit 应用的利益相关者一样审查它。没有上下文，哪些地方让人困惑？如果筛选条件返回零行，哪些地方会出问题？如果没有脚注，哪个指标可能产生误导？”
• “像负责运维这个 SQL 一样审查它。季度末会出现什么问题？如果源表新增了一个地区，会发生什么？错误处理中缺少了什么？”

你在第 5 天结束时，带着一份你乐于分享且审查过的成果离开——以及一个耗时两分钟的习惯，这个习惯保护的是需要多年构建、却因一个错误数字就会失去的东西：即你的工作成果发布时是正确的信任。

模式

第一个月后仍持续使用 CoCo 的分析师，并不是提出最多问题的那批人。他们是构建了持久成果的人——一个保存的查询、一个计划任务、一个他人依赖的仪表板。这周每一天都让你从临时答案更进了一步，走向可复用的成果。到周末，你拥有别人无需让你重新运行就能使用的成果。

下一步是什么？

挑选与你当前队列中请求匹配的那一天，从那里开始。

查看文档了解更多：https://docs.snowflake.com/en/user-guide/cortex-code/cortex-code-snowsight

从临时答案到可复用系统：数据分析师使用 CoCo 的第一周 最初发布于 Snowflake Builders Blog: Data Engineers, App Developers, AI, & Data Science 在 Medium 上，人们通过突出显示和回应这个故事来继续对话。