Qazanclar:
- Biznes kəşfiyyatı səviyyələrini (mənbə, ETL, məlumat anbarı, hesabat) və əsas biznes ölçülərinin (KPI) düzgün tərifini izah etmək bacarığı.
- Metrik tərif, SQL layihəsi və hesabat hesabatı hazırlamaq və nəticəni real məlumatlarla təmin etmək üçün süni intellektdən istifadə etmək bacarığı
- Süni intellektlə dəstəklənən analiz nəticələrində korrelyasiya-səbəb çaşqınlığı risklərini və yalnış ölçüləri tanımaq bacarığı
Biznes kəşfiyyatı (BI) təşkilatın səpələnmiş məlumatlarını toplayan, onu təhlilə hazır vəziyyətə gətirən və bu məlumatlardan qərar qəbul etməyə kömək edən məlumatları istehsal edən intizamdır. MIS peşəkarı üçün BI “məlumatların qərarlara çevrildiyi” təbəqədir. Təkcə xam sifariş qeydləri mənalı deyil; amma "bu ay hansı rayonda dövriyyə azalıb, niyə?" Suala cavab verə biləcək hesabata çevrildikdə dəyər yaradır. Bu bölmədə biz BI təbəqələrini, düzgün metrik dizaynı və süni intellektin bu prosesdə sürətləndirici və tələ olduğunu görəcəyik.
BI arxitekturası ümumiyyətlə aşağıdakı təbəqələrdən ibarətdir. Mənbə sistemləri: ERP, CRM, e-ticarət kimi məlumatların yarandığı yerlər. ETL prosesi (English Extract-Transform-Load): Mənbələrdən verilənləri çıxaran (Çıxarış), onu təmizləyən və standart struktura çevirən (Transform) və hədəfə yükləyən (Load) proses. Məlumat anbarı: Analiz üçün nəzərdə tutulmuş tarixi və ardıcıl məlumatların toplandığı mərkəzi anbar. Hesabat/vizuallaşdırma təbəqəsi: tablolar, hesabatlar və xüsusi sorğular. Bu zəncirdə hər bir təbəqənin keyfiyyəti sonrakını müəyyən edir; Mənbə çirklidirsə, hesabat da çirklidir.
Metriklərin və KPI-lərin düzgün müəyyən edilməsi
Metrik ölçülən ədədi dəyərdir: ümumi dövriyyə, sifarişlərin sayı. KPI (Əsas Performans Göstəricisi) bir hədəfə qarşı performansı ölçən kritik bir metrikdir: "aylıq müştəri itkisi dərəcəsi 5%-dən aşağıdır". Hər metrik KPI deyil; KPI bir iş məqsədinə bağlı olan və bir qərara səbəb olan bir metrikdir.
BI layihələrinin ən məkrli problemi metriklərin qeyri-müəyyən tərifidir. "Aktiv müştəri" nə deməkdir? Son 30 gündə və ya 90 gündə sifariş verilib? Geri qayıdanlar sayılırmı? Əgər iki komanda “aktiv müştərilərin sayı” ilə fərqli şeylər nəzərdə tutursa, eyni tablosunda iki fərqli fakt göstərilir. Buna görə də hər bir KPI-nin bir cümləlik, geniş şəkildə qəbul edilmiş tərifi olmalıdır. Süni intellekt tez bir zamanda bu təriflərin layihələrini hazırlayır; lakin hansı tərifin "düzgün" olduğuna qərar vermək biznes bölməsinin öhdəsindədir.
İpucu: KPI tərtib edərkən üç şeyi yazın: (1) düstur (ayrıcı/məxrəc nədir), (2) vaxt pəncərəsi, (3) istisna hallar. AI-nin "bu KPI-nin tərifindəki qeyri-müəyyənlikləri suallar kimi çıxarın" deməsi gizli fərziyyələri ortaya qoyur.
Addım-addım: AI ilə Güclü Hesabat Yaratma
Addım 1 - Sualı aydınlaşdırın. Hesabat hansı qərara xidmət edəcək? “Büdcəni hansı rayona köçürəcəyimizə biz qərar verəcəyik”, “gözəl görünməlidir” kimi konkret məqsəd.
Addım 2 - Metrikləri müəyyənləşdirin. Düsturlar, pəncərələr və istisnalarla tələb olunan KPI-ləri yazın. Süni intellekt qaralama təriflər yarada bilər.
Addım 3 — SQL layihəsi yaradın. Süni intellektə sxem məlumatı verin və sorğu layihəsi hazırlayın. Ancaq sorğunu işə salmazdan əvvəl oxuyun və anlayın.
Addım 4 - Kiçik məlumatlarla yoxlayın. Sorğunu əvvəlcə məlum nəticələri olan kiçik bir nümunə üzərində işlədin; Cəmi əl ilə yoxlayın. AI-nin SQL sintaktik olaraq düzgün, lakin məntiqi olaraq səhv ola bilər.
Addım 5 — Hekayə, sınaq iddiaları əlavə edin. AI hesabat üçün hekayə mətni hazırlaya bilər; lakin hər bir səbəb-nəticə iddiasını sübut edin (“satışların azalmasına görə”).
Korrelyasiya və Səbəb Tələsi
BI-də ən təhlükəli səhv, birlikdə hərəkət edən iki ölçünün "biri digərini yaradır" kimi şərh edilməsidir. Korrelyasiya iki dəyərin birlikdə dəyişməsidir; Səbəb, birinin digərinə səbəb olmasıdır. “Dondurma satışı artdıqca boğulma halları artdı” cümləsi doğrudur, amma dondurma boğulmalara səbəb olmur; Ümumi səbəb yaydır (isti hava). Süni intellekt hesabat hekayəsi hazırlayarkən asanlıqla səbəbli cümlələr qura bilir; MIS eksperti bu iddialara “başqa izahat varmı?” sualı ilə cavab verir. Bunu sınamalıdır. Əks halda yanlış səbəbə görə yanlış qərar veriləcək.
Üç Mini Case: Rəqəmlərə görə
Məsələn 1 – Müəyyən edilməmiş metrikanın dəyəri. Bir telekommunikasiya şirkətində direktorlar şurasına təqdim edilən “aktiv abunəçilərin” sayı 2,1 milyon, maliyyə qrupunun hesabatı isə 1,7 milyon nəfər olub. Fərq ondan ibarət idi ki, biri 90 günü “aktiv”, digəri isə 30 günü hesab edirdi. Ümumi tərif aydınlaşana qədər yanlış artım tempi iki həftə müzakirə edildi. Bir cümləlik KPI tərifi bu qarışıqlığın qarşısını alacaqdır.
2-ci hal - AI-nin səhv SQL-i. Bir pərakəndə satıcıda AI “müştəriyə düşən orta səbət” sorğusunu yaradan zaman ümumiyə qaytarma xətləri əlavə etdi; Nəticə faktiki dəyərdən 12% yuxarı olub. SQL sintaktik cəhətdən mükəmməl idi. Mütəxəssis məlum bir günün cəmini əl ilə yoxladıqda, o, sapmanı tutdu və qaytarma filtrini əlavə etdi.
3-cü hal - Səbəb əlaqəsinin yanlışlığı. Bir e-ticarət şirkətində idarə panelində "e-poçt kampaniyası göndərildiyi günlərdə satışlar 18% daha yüksəkdir" deyirdi və komanda kampaniya büdcəsini artırmağa hazırlaşırdı. Təhlil göstərdi ki, kampaniyalar artıq trafikin yüksək olduğu kampaniya günlərinə (endirim dövrlərinə) uyğunlaşdırılıb. Satışları artıran e-poçt deyil, dövr idi. Nəzarət qrupu ilə sınaqdan keçirilmədən büdcə artırılsa, pul havaya sovrulardı.
Zəif Tələb / Güclü Tələb
Zəif çağırış:
Bu cədvəldən satış hesabatı SQL yazın.
Güclü göstəriş:
Sizin rolunuz: Siz diqqətli BI analitikisiniz. Aşağıdakı diaqrama uyğun olaraq SQL sorğusunun LAYİHƏsini yazın. Qaydalar: - Yalnız verilmiş cədvəllərdən/sahələrdən istifadə edin; qeyri-uyğun sahə.- Cəmidən qayıdışları (status='Geri') İSTİSNA EDİN.- Vaxt pəncərəsi: son 30 gün.- Sorğunun nə etdiyini sətir-sətir şərh edin.- Sonda sınaq üçün əl ilə təsdiqlənə bilən 1 nümunə sətir təklif edin.Sxem:Sifariş (id, müştəri_id, tarix, məbləğ, id statusu)Müştərinin son dövriyyəsi (məlumat identifikatoru), müştərinin son dövriyyəsi 3 gündür. seqmentə görə.
Güclü sorğu sxemi məhdudlaşdırır, iş qaydasını tətbiq edir (qaytarma istisna olmaqla), pəncərəni müəyyənləşdirir və yoxlanıla bilən çıxış tələb edir.
Dörd Kopyalana bilən Şablon
1) KPI tərifinin aydınlaşdırılması:
Aşağıdakı KPI üçün tam təsviri yazın: düstur (pay/məxrəc), vaxt pəncərəsi, istisna hallar. Sual olaraq tərifdə hər hansı qeyri-müəyyənliyi əlavə edin. KPI: [ad, məs. "müştəri qaçırma dərəcəsi"]
2) SQL məntiqi yoxlanışı:
Aşağıdakı SQL sorğusunu nəzərdən keçirin: məntiqi səhvlər, səhv QOŞULMALAR, itkin filtrlər və ya ikiqat sayma riski varmı? Hər tapıntı üçün əsaslandırma yazın. Sorğunu dəyişməyin, sadəcə yoxlayın. SQL: [sorğu]
3) Hesabat hekayəsi + iddia nəzarəti:
Aşağıdakı nəticələr cədvəlindən qısa icraçı xülasə yazın. Hər bir səbəb iddiasının yanında [DƏLİT TƏLƏB EDİLİR] etiketini qoyun və alternativ izahat təklif edin. Yalnız cədvəldəki məlumatlara etibar edin. Cədvəl: [məlumat]
4) Metrik uyğunluq yoxlanışı:
Aşağıdakı iki hesabatda eyni adlı göstəricilər fərqli qiymətlər verir. Tərifdə mümkün fərqlər (vaxt pəncərəsi, filtr, hesablama) sadalanır. Hesabatlar: [A] [B]
Müqayisə Diaqramı: Yaxşı və Pis KPI
xüsusiyyət
Pis KPI
Yaxşı KPI
Təsvir
"Aktiv müştəri"
"Son 30 gündə ≥1 tamamlanmış sifarişi olan müştəri"
hədəflə bağlayın
Heç biri
“İtki nisbətinin 5%-dən aşağı qalması”
ölçülə bilənlik
qeyri-müəyyən
formula aydındır
istisna
qeyri-müəyyən
Qaytarmalar istisna olmaqla
Qərara səbəb olurmu?
yox
Bəli
Ümumi səhvlər
- Metrik təyin olunmamış qalır. Əgər "aktiv", "uğurlu", "tamamlandı" kimi sözlər düstur olmadan istifadə olunursa, hər komanda fərqli hesab edir.
- Təsdiq etmədən AI-nin SQL-ni işə salmaq. Sintaktik cəhətdən düzgün sorğu məntiqi olaraq səhv ola bilər; ikiqat sayma və səhv QOŞULMA adi haldır.
- Səbəb əlaqəsi ilə əlaqəni qarışdırmaq. “Bununla artdı” mənasını “buna səbəb oldu” kimi düşünmək yanlış qərara səbəb olar.
- Vanity metrik təqib. KPI kimi "ümumi kliklər" kimi bəzəkli, lakin həlledici olmayan ölçüləri səhv salmaq.
- Kontekstsiz rəqəmlərin təqdim edilməsi. Təkcə “dövriyyə 4,2 milyon” mənasızdır; Keçən ay, məqsəd və ya büdcə əsasında kontekst tələb olunur.
Diqqət: Süni intellekt tərəfindən hazırlanmış hesabat hekayələri inandırıcı və axıcıdır; Bu, riski tam olaraq artırır. Səlis cümlə yanlış səbəb əlaqəsi iddiası daşıya bilər. Hər bir “çünki” və “buna görə də” ifadəsini sübutlarla yoxlayın.
Xülasə
Biznes kəşfiyyatı səpələnmiş məlumatları qərarlara çevirən və mənbə, ETL, məlumat anbarı və hesabat zəncirindən ibarət təbəqədir. KPI, aydın şəkildə müəyyən edilmiş düstur və istisnalarla biznes məqsədi ilə əlaqəli kritik bir metrikdir; qeyri-müəyyən metrik ən çox yayılmış BI xətasıdır. Süni intellekt KPI tərifinin, SQL layihəsinin və hesabat hekayəsinin hazırlanmasında əhəmiyyətli sürət təmin edir; lakin hər bir SQL məntiqi əsaslandırılmalı, hər bir rəqəm məlum məlumatlarla dəstəklənməlidir və hər bir səbəb iddiası sübutlarla sınaqdan keçirilməlidir. Korrelyasiya səbəb-nəticə deyil; Maye povest dəqiqliyə zəmanət vermir.
Tətbiq tapşırığı
Onlayn kurs platforması üçün “tamamlama dərəcəsi” KPI tərtib edin. (1) Düstur, vaxt pəncərəsi və istisnalarla bir cümləlik təsvir yazın (məsələn, ləğv edilmiş qeydiyyatlar sayılırmı?). (2) Sadə bir sxem yaradın (Qeydiyyat, Kurs, İrəlilə) və bu KPI üçün güclü sorğu ilə SQL layihəsi hazırlayın. (3) Sorğuda ikiqat sayma və ya yanlış filtrləmə üçün ən azı bir mümkün risk tapın. (4) Nəticənin ümumi xülasəsini çap edin və orada hər bir səbəb iddiasını qeyd edin. (5) Korrelyasiya-səbəb tələsinə bir nümunə qurun və onu necə sınaqdan keçirəcəyinizi izah edin.
yoxlama siyahısı
- [ ] Formula, vaxt pəncərəsi və hər bir KPI-nin istisnası yazılır.
- [ ] AI tərəfindən yaradılan SQL-i sətir-sətir oxudum və başa düşdüm.
- [ ] Mən az məlum olan məlumatlarla sorğunu əl ilə təsdiqlədim.
- [ ] Hesabatdakı hər bir səbəb iddiasını sübutlarla sınaqdan keçirdim.
- [ ] Mən hər bir nömrəni etalonla kontekstləşdirdim (hədəf/son dövr).
- [ ] Metrik təriflər üzrə komandalararası konsensusa nail oldum.