ਲਾਭ:
- ਕੱਚੇ ਆਰਥਿਕ ਡੇਟਾ (ਗੁੰਮ ਨਿਰੀਖਣ, ਯੂਨਿਟ ਉਲਝਣ, ਬਾਰੰਬਾਰਤਾ ਬੇਮੇਲ) ਨੂੰ ਸਾਫ਼ ਕਰਨ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਮਦਦ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਮਿਆਰੀ ਆਰਥਿਕ ਪਰਿਵਰਤਨ ਜਿਵੇਂ ਕਿ ਅਸਲ-ਨਾਮਾਤਰ ਪਰਿਵਰਤਨ, ਸੂਚਕਾਂਕ, ਵਿਕਾਸ ਦਰ, ਨਕਲੀ ਬੁੱਧੀ ਵਿੱਚ ਕੋਡ ਦੇ ਰੂਪ ਵਿੱਚ ਮੌਸਮੀ ਸਮਾਯੋਜਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਹੱਥੀਂ ਤਸਦੀਕ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਖੋਜੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਸਾਰ ਅੰਕੜੇ, ਵੰਡ, ਆਊਟਲੀਅਰ, ਸਬੰਧ) ਦੁਆਰਾ ਡੇਟਾ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਸੰਖੇਪਾਂ ਨੂੰ ਗੰਭੀਰਤਾ ਨਾਲ ਪੜ੍ਹਨਾ
ਆਰਥਿਕ ਅੰਕੜੇ ਘੱਟ ਹੀ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਹਾਡੇ ਦੁਆਰਾ TURKSTAT ਤੋਂ ਡਾਊਨਲੋਡ ਕੀਤੀ ਸਾਰਣੀ ਵਿੱਚ, ਕੁਝ ਮਹੀਨੇ ਗੁੰਮ ਹਨ, ਇੱਕ ਕਾਲਮ ਹਜ਼ਾਰ ਬਰੈਕਟਾਂ ਦੇ ਨਾਲ ਟੈਕਸਟ ਦੇ ਰੂਪ ਵਿੱਚ ਆਉਂਦਾ ਹੈ, ਐਕਸਚੇਂਜ ਦਰ "1.234,56" ਵਰਗੇ ਤੁਰਕੀ ਫਾਰਮੈਟ ਵਿੱਚ ਹੈ, ਇੱਕ ਲੜੀ ਮਾਸਿਕ ਹੈ ਅਤੇ ਦੂਜੀ ਤਿਮਾਹੀ ਹੈ। ਅਰਥ ਸ਼ਾਸਤਰੀ ਦਾ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਨਹੀਂ, ਪਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਡੇਟਾ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਖਰਚ ਹੁੰਦਾ ਹੈ। ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਇੱਕ ਅਸਲ, ਘੱਟ-ਜੋਖਮ ਵਾਲਾ ਐਕਸਲੇਟਰ ਹੈ: ਇਹ ਸਫਾਈ ਦੇ ਕਦਮਾਂ ਦਾ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ, ਪਾਂਡਾ (ਪਾਈਥਨ ਦੀ ਡੇਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਲਾਇਬ੍ਰੇਰੀ) ਲਿਖਦਾ ਹੈ, ਮਿਆਰੀ ਆਰਥਿਕ ਤਬਦੀਲੀਆਂ ਨੂੰ ਕੋਡੀਫਾਈ ਕਰਦਾ ਹੈ। ਪਰ ਇਸ ਯੂਨਿਟ ਦਾ ਇੱਕ ਅਟੱਲ ਨਿਯਮ ਵੀ ਹੈ: ਤੁਸੀਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਹਰ ਪਰਿਵਰਤਨ ਨੂੰ ਪੜ੍ਹਦੇ ਹੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਨਿਰੀਖਣ ਵਿੱਚ ਇਸਨੂੰ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕਰਦੇ ਹੋ। ਜੇਕਰ ਅਸਲ-ਨਾਮ-ਚੱਕਰ ਗਲਤ ਪੈੜ 'ਤੇ ਹੈ, ਤਾਂ ਸਾਰਾ ਵਿਸ਼ਲੇਸ਼ਣ ਚੁੱਪਚਾਪ ਵਿਗੜ ਜਾਂਦਾ ਹੈ।
ਸਫਾਈ: ਕਿਹੜੀਆਂ ਸਮੱਸਿਆਵਾਂ, ਉਹਨਾਂ ਨੂੰ ਕਿਵੇਂ ਹੱਲ ਕਰਨਾ ਹੈ?
ਆਰਥਿਕ ਡੇਟਾ ਅਤੇ ਉਹਨਾਂ ਦੇ ਤਰਕ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਸਮੱਸਿਆਵਾਂ:
- ਅਧੂਰਾ ਨਿਰੀਖਣ. ਇੱਕ ਮਹੀਨਾ/ਤਿਮਾਹੀ ਖਾਲੀ ਹੈ। ਹੱਲ ਸੰਦਰਭ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ: ਜੇਕਰ ਇਹ ਅਸਲ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹੈ, ਤਾਂ ਇਸਨੂੰ ਖਾਲੀ ਛੱਡ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ; ਜੇ ਕੋਈ ਤਕਨੀਕੀ ਅੰਤਰ ਹੈ, ਤਾਂ ਧਿਆਨ ਨਾਲ ਇੰਟਰਪੋਲੇਸ਼ਨ ਕੀਤਾ ਜਾਂਦਾ ਹੈ - ਪਰ ਫੈਬਰੀਕੇਸ਼ਨ ਵਿਚਕਾਰ ਲਾਈਨ ਪਤਲੀ ਹੁੰਦੀ ਹੈ।
- ਇਕਾਈਆਂ ਅਤੇ ਫਾਰਮੈਟਾਂ ਦਾ ਉਲਝਣ। ਟੈਕਸਟ "12.345.6" ਨੂੰ ਇੱਕ ਨੰਬਰ ਵਿੱਚ ਬਦਲਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਮਿਲੀਅਨ/ਬਿਲੀਅਨ ਇਕਸਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਬਾਰੰਬਾਰਤਾ ਬੇਮੇਲ। ਇੱਕ ਮਾਸਿਕ ਅਤੇ ਤਿਮਾਹੀ ਲੜੀ ਨੂੰ ਜੋੜਨ ਲਈ, ਇੱਕ ਨੂੰ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ (ਮਾਸਿਕ ਤੋਂ ਤਿਮਾਹੀ) — ਭਾਵੇਂ ਇਹ ਔਸਤ ਹੋਵੇ, ਕੁੱਲ ਜਾਂ ਮਿਆਦ ਦਾ ਅੰਤ ਸੂਚਕ ਦੀ ਪ੍ਰਕਿਰਤੀ (ਸਟਾਕ/ਪ੍ਰਵਾਹ ਅੰਤਰ) 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
- ਬਾਹਰੀ (ਅਤਿਅੰਤ) ਮੁੱਲ। ਜੇਕਰ ਕੋਈ ਨਿਰੀਖਣ ਜੰਗਲੀ ਤੌਰ 'ਤੇ ਭਟਕ ਜਾਂਦਾ ਹੈ: ਕੀ ਇਹ ਇੱਕ ਅਸਲ ਘਟਨਾ ਹੈ (ਸੰਕਟ, ਕੀਮਤਾਂ ਵਿੱਚ ਵਾਧਾ), ਜਾਂ ਇੱਕ ਡੇਟਾ ਗਲਤੀ? ਇਹ ਮਿਟਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ.
- ਮਿਤੀ ਅਨੁਕੂਲਤਾ। ਮਿਤੀ ਫਾਰਮੈਟ ਅਤੇ ਵੱਖ-ਵੱਖ ਲੜੀ ਦੇ ਮਿਆਦ ਪਰਿਭਾਸ਼ਾ ਸਮਕਾਲੀ ਹਨ.
ਧਿਆਨ ਦਿਓ: ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਭਰਨਾ ਨਿਰਦੋਸ਼ ਲੱਗਦਾ ਹੈ, ਪਰ ਇਹ ਇੱਕ ਆਰਥਿਕ ਫੈਸਲਾ ਹੈ। ਸੰਕਟ ਦੇ ਮਹੀਨੇ ਨੂੰ "ਗੁਆਂਢੀ ਮਹੀਨਿਆਂ ਦੀ ਔਸਤ" ਨਾਲ ਭਰਨ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਉਸ ਸੰਕਟ ਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਮਿਟਾਉਣਾ। ਭਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਪੁੱਛੋ "ਇਹ ਅੰਤਰ ਕਿਉਂ ਹੈ?" ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿਓ।
ਮਿਆਰੀ ਆਰਥਿਕ ਤਬਦੀਲੀਆਂ
ਇੱਕ ਅਰਥਸ਼ਾਸਤਰੀ ਦੇ ਰੋਜ਼ਾਨਾ ਭੰਡਾਰ ਵਿੱਚ ਪਰਿਵਰਤਨ ਅਤੇ ਉਹਨਾਂ ਦੀਆਂ ਪਰਿਭਾਸ਼ਾਵਾਂ:
- ਨਾਮਾਤਰ → ਅਸਲੀ। ਕੀਮਤ ਦੇ ਪ੍ਰਭਾਵ ਲਈ ਅਡਜਸਟ ਕਰਨਾ: ਅਸਲ ਮੁੱਲ = ਨਾਮਾਤਰ ਮੁੱਲ / ਕੀਮਤ ਸੂਚਕਾਂਕ × 100. ਡੀਫਲੇਟਰ ਦਾ ਅਧਾਰ ਸਾਲ (ਅਡਜੱਸਟਿੰਗ ਇੰਡੈਕਸ) ਨਤੀਜੇ ਦਾ ਅਧਾਰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ।
- ਇੰਡੈਕਸਿੰਗ। ਇੱਕ ਲੜੀ ਨੂੰ ਮੁੜ-ਸਕੇਲ ਕਰਨਾ ਤਾਂ ਕਿ ਇੱਕ ਚੁਣੀ ਮਿਆਦ = 100; ਇਹ ਵੱਖ-ਵੱਖ ਆਕਾਰਾਂ ਦੀ ਲੜੀ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਲਾਭਦਾਇਕ ਹੈ।
- ਵਿਕਾਸ ਦਰ। ਸਲਾਨਾ: (ਇਸ ਪੀਰੀਅਡ/ਪਿਛਲੇ ਸਾਲ −1) × 100. ਪੀਰੀਓਡਿਕ ਅਤੇ ਸਲਾਨਾ ਦਰ ਵੱਖਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ; ਉਲਝਣਾ ਇੱਕ ਆਮ ਗਲਤੀ ਹੈ।
- ਮੌਸਮੀ ਸੁਧਾਰ। ਨਿਯਮਤ ਮੌਸਮੀ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਸ਼ੁੱਧ ਕਰਨਾ (ਗਰਮੀ ਦੇ ਸੈਰ-ਸਪਾਟਾ, ਛੁੱਟੀਆਂ); ਕੱਚੀ ਲੜੀ ਅਤੇ ਮੌਸਮੀ ਵਿਵਸਥਿਤ ਲੜੀ ਵੱਖੋ ਵੱਖਰੀਆਂ ਕਹਾਣੀਆਂ ਸੁਣਾਉਂਦੀਆਂ ਹਨ।
- ਮੂਵਿੰਗ ਔਸਤ. ਰੌਲੇ ਨੂੰ ਦੂਰ ਕਰਨਾ ਅਤੇ ਰੁਝਾਨ ਨੂੰ ਦ੍ਰਿਸ਼ਮਾਨ ਬਣਾਉਣਾ।
- ਲਘੂਗਣਕ ਅਤੇ ਅੰਤਰ। ਵਿਕਾਸ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਅਤੇ ਸਥਿਰਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ (ਸਮਾਂ ਲੜੀ ਇਕਾਈ ਵਿੱਚ ਡੂੰਘਾ ਹੋਵੇਗਾ)।
ਸੁਝਾਅ: ਹਰੇਕ ਪਰਿਵਰਤਨ ਦੇ ਨਾਲ ਤੁਹਾਨੂੰ ਪੁੱਛਿਆ ਜਾਵੇਗਾ "ਯੂਨਿਟ ਅਤੇ ਬੇਸ ਦਾ ਕੀ ਹੋਇਆ?" ਪੁੱਛੋ ਅਸਲ ਲੜੀ ਦਾ ਅਧਾਰ ਡਿਫਲਟਰ ਦਾ ਅਧਾਰ ਹੈ; ਸੂਚੀਬੱਧ ਲੜੀ ਦਾ ਅਧਾਰ ਤੁਹਾਡੇ ਦੁਆਰਾ ਚੁਣੀ ਗਈ ਮਿਆਦ ਹੈ। ਇਸ ਨੂੰ ਲਿਖ ਕੇ ਰੱਖਣਾ ਭਵਿੱਖ ਦੀਆਂ ਗਲਤੀਆਂ ਤੋਂ ਬਚਦਾ ਹੈ।
ਖੋਜੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ (EDA)
ਮਾਡਲ ਵਿੱਚ ਦਾਖਲ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਡੇਟਾ ਨੂੰ ਪਛਾਣਨਾ ਜ਼ਰੂਰੀ ਹੈ. ਖੋਜੀ ਡੇਟਾ ਵਿਸ਼ਲੇਸ਼ਣ (EDA) ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ: ਸੰਖੇਪ ਅੰਕੜੇ (ਔਸਤ, ਮੱਧਮਾਨ, ਮਿਆਰੀ ਵਿਵਹਾਰ, ਨਿਊਨਤਮ-ਅਧਿਕਤਮ), ਵੰਡ ਦੀ ਸ਼ਕਲ, ਸਮੇਂ ਦੇ ਨਾਲ ਕੋਰਸ, ਆਊਟਲੀਅਰ ਅਤੇ ਲੜੀ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧ। AI ਇਹਨਾਂ ਪੜਾਵਾਂ ਲਈ ਤੇਜ਼ੀ ਨਾਲ ਕੋਡ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਤੁਹਾਡਾ ਕੰਮ ਆਰਥਿਕ ਅੱਖ ਨਾਲ ਆਉਟਪੁੱਟ ਨੂੰ ਪੜ੍ਹਨਾ ਹੈ: "ਕੀ ਇਹ ਔਸਤ ਵਾਜਬ ਹੈ? ਕੀ ਇਹ ਸਬੰਧ ਇੱਕ ਇਤਫ਼ਾਕ ਹੈ ਜਾਂ ਇੱਕ ਜਾਣਿਆ ਰਿਸ਼ਤਾ ਹੈ?"
ਸਾਵਧਾਨ: ਇੱਥੇ ਸਬੰਧ ਸਿਰਫ ਪਛਾਣ ਦਾ ਸਾਧਨ ਹੈ, ਕਾਰਨ ਦਾ ਸਬੂਤ ਨਹੀਂ। ਇਹ ਤੱਥ ਕਿ ਦੋ ਲੜੀਵਾਰ ਇਕੱਠੇ ਚਲਦੇ ਹਨ (ਉਦਾਹਰਨ ਲਈ, ਆਈਸ ਕਰੀਮ ਦੀ ਵਿਕਰੀ ਅਤੇ ਡੁੱਬਣ - ਦੋਵੇਂ ਗਰਮੀਆਂ ਦੁਆਰਾ ਸ਼ੁਰੂ ਹੁੰਦੇ ਹਨ) ਇਹ ਜ਼ਰੂਰੀ ਤੌਰ 'ਤੇ ਇਹ ਨਹੀਂ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਇੱਕ ਦੂਜੇ ਵੱਲ ਲੈ ਜਾਂਦਾ ਹੈ। ਅਸੀਂ ਯੂਨਿਟ 7 ਵਿੱਚ ਇਸ ਅੰਤਰ ਨੂੰ ਹੋਰ ਡੂੰਘਾ ਕਰਾਂਗੇ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਗਲਤ ਡਿਫਲੇਟਰ ਅਧਾਰ। ਇੱਕ ਵਿਸ਼ਲੇਸ਼ਕ ਕੋਲ ਤਨਖਾਹ ਲੜੀ ਨੂੰ ਸਮਝਣ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਲਿਖਣ ਦਾ ਕੋਡ ਸੀ। ਕੋਡ ਨੇ ਕੰਮ ਕੀਤਾ, ਨਤੀਜਾ ਵਾਜਬ ਲੱਗ ਰਿਹਾ ਸੀ - ਪਰ ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ 2020 ਦੀ ਗਣਨਾ CALCULATE ਕਦਮ ਵਿੱਚ ਹੱਥੀਂ ਕੀਤੀ ਅਤੇ ਇਹ ਕੰਮ ਨਹੀਂ ਕੀਤਾ। ਸਮੱਸਿਆ: ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੇ 2003=100 ਦੇ ਅਧਾਰ ਦੇ ਨਾਲ ਡਿਫਲੇਟਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਅਤੇ 2015 ਦੀਆਂ ਕੀਮਤਾਂ ਦੇ ਨਾਲ ਵੇਜ ਸੀਰੀਜ਼ ਦੀ ਬੇਨਤੀ ਕੀਤੀ; ਅਧਾਰ ਆਪਸ ਵਿੱਚ ਟਕਰਾ ਰਹੇ ਸਨ। ਕੋਡ ਦੀ ਇੱਕ ਸਿੰਗਲ ਲਾਈਨ ਫਿਕਸ ਨਾਲ ਮੁਰੰਮਤ ਕੀਤੀ ਗਈ ਸੀ, ਪੂਰੀ ਲੜੀ ਜਗ੍ਹਾ ਵਿੱਚ ਡਿੱਗ ਗਈ.
ਕੇਸ 2 - ਚੁੱਪ ਵੌਲਯੂਮ ਗਲਤੀ। ਇੱਕ ਸੰਸਥਾ ਨੇ ਹਜ਼ਾਰ ਡਾਲਰ ਵਿੱਚ ਨਿਰਯਾਤ ਡੇਟਾ ਅਤੇ ਆਯਾਤ ਨੂੰ ਮਿਲੀਅਨ ਡਾਲਰ ਵਿੱਚ ਘਟਾ ਦਿੱਤਾ ਸੀ। ਜਦੋਂ ਨਕਲੀ ਬੁੱਧੀ ਨੇ "ਵਿਦੇਸ਼ੀ ਵਪਾਰ ਸੰਤੁਲਨ" ਲਈ ਦੋਵਾਂ ਨੂੰ ਹਟਾ ਦਿੱਤਾ, ਤਾਂ ਨਤੀਜਾ ਇੱਕ ਬੇਤੁਕਾ ਘਾਟਾ ਸੀ। EDA ਵਿੱਚ ਘੱਟੋ-ਘੱਟ-ਅਧਿਕਤਮ ਦ੍ਰਿਸ਼ ਨੇ ਗਲਤੀ ਦਾ ਖੁਲਾਸਾ ਕੀਤਾ: ਦੋ ਲੜੀਵਾਰਾਂ ਦੀ ਤੀਬਰਤਾ ਦਾ ਕ੍ਰਮ 1000 ਦੇ ਗੁਣਕ ਦੁਆਰਾ ਵੱਖਰਾ ਸੀ। ਇੱਕ ਵਾਰ ਇਕਾਈ ਦੇ ਬਰਾਬਰ ਹੋਣ ਤੋਂ ਬਾਅਦ ਸੰਤੁਲਨ ਸਹੀ ਸੀ।
ਕੇਸ 3 - ਬਾਹਰਲੇ ਹਿੱਸੇ ਨੂੰ ਨਹੀਂ ਮਿਟਾਉਣਾ। ਇੱਕ ਲੜੀ ਵਿੱਚ ਇੱਕ ਮਹੀਨਾ ਅਸਧਾਰਨ ਤੌਰ 'ਤੇ ਘੱਟ ਸੀ। AI ਨੇ ਸੁਝਾਅ ਦਿੱਤਾ "ਆਉਟਲਰ, ਆਓ ਇਸਨੂੰ ਸਾਫ਼ ਕਰੀਏ"। ਵਿਸ਼ਲੇਸ਼ਕ ਨੇ ਜਾਂਚ ਕੀਤੀ: ਉਸ ਮਹੀਨੇ ਕੁਦਰਤੀ ਆਫ਼ਤ ਕਾਰਨ ਉਤਪਾਦਨ ਅਸਲ ਵਿੱਚ ਬੰਦ ਹੋ ਗਿਆ ਸੀ। ਮੁੱਲ ਅਸਲੀ ਸੀ; ਇਸ ਨੂੰ ਮਿਟਾਉਣਾ ਇਤਿਹਾਸ ਨੂੰ ਵਿਗਾੜ ਦੇਵੇਗਾ। ਮਿਟਾਉਣ ਦੀ ਬਜਾਏ, ਇਸ ਨੂੰ ਫੁਟਨੋਟ ਕੀਤਾ ਗਿਆ ਸੀ. ਏਆਈ ਦੀ "ਸਪੱਸ਼ਟ" ਸਿਫ਼ਾਰਿਸ਼ ਦਾ ਅੰਨ੍ਹੇਵਾਹ ਪਾਲਣ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਸੀ।
ਪਰਿਵਰਤਨ ਪ੍ਰਮਾਣਿਕਤਾ ਸਾਰਣੀ
ਪਰਿਵਰਤਨ
ਫਾਰਮੂਲਾ ਤੱਤ
ਦਸਤੀ ਚੈਕਪੁਆਇੰਟ
ਅਹਿਸਾਸ
ਨਾਮਾਤਰ / ਕੀਮਤ ਸੂਚਕਾਂਕ × 100
ਡਿਫਲੇਟਰ ਅਧਾਰ = ਨਤੀਜਾ ਅਧਾਰ?
ਸਾਲਾਨਾ ਵਾਧਾ
(t/t-12ਮਹੀਨਾ − 1)×100
ਕਾਗਜ਼ 'ਤੇ ਇੱਕ ਮਿਆਦ ਦੀ ਗਣਨਾ ਕਰੋ
ਇੰਡੈਕਸਿੰਗ
ਲੜੀ/ਬੇਸ ਪੀਰੀਅਡ × 100
ਕੀ ਬੇਸ ਪੀਰੀਅਡ ਦਾ ਮੁੱਲ 100 ਹੈ?
ਮਾਸਿਕ → ਤਿਮਾਹੀ
ਪ੍ਰਵਾਹ: ਇਕੱਠਾ / ਸਟਾਕ: ਮਿਆਦ ਦਾ ਅੰਤ
ਸਹੀ ਸੰਗ੍ਰਹਿ ਵਿਧੀ?
ਮੂਵਿੰਗ ਔਸਤ
ਆਖਰੀ n ਮਿਆਦ ਔਸਤ
ਕੀ ਵਿੰਡੋ ਦੀ ਲੰਬਾਈ ਸਹੀ ਹੈ?
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ
1) ਸਫਾਈ ਯੋਜਨਾ:
ਮੇਰੇ ਕੋਲ ਇਹ ਕੱਚਾ ਡੇਟਾ ਹੈ: [ਕਾਲਮ ਅਤੇ ਨਮੂਨਾ ਕਤਾਰਾਂ]। ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ ਸਫਾਈ ਯੋਜਨਾ ਦੇ ਨਾਲ ਆਓ: ਗੁੰਮ ਮੁੱਲ, ਯੂਨਿਟ/ਫਾਰਮੈਟ ਮੁੱਦਾ, ਮਿਤੀ ਅਲਾਈਨਮੈਂਟ, ਬਾਰੰਬਾਰਤਾ ਅਲਾਈਨਮੈਂਟ, ਸੰਭਵ ਆਊਟਲੀਅਰ। ਇੱਕ ਵਾਕ ਵਿੱਚ ਸਮਝਾਓ ਕਿ ਹਰ ਕਦਮ ਕਿਉਂ ਜ਼ਰੂਰੀ ਹੈ। ਅਜੇ ਕੋਡ ਨਾ ਲਿਖੋ; ਮੈਨੂੰ ਪਹਿਲਾਂ ਯੋਜਨਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਦਿਓ।
2) ਪਾਂਡਾ ਸਫਾਈ ਕੋਡ:
ਮੇਰੇ ਦੁਆਰਾ ਮਨਜ਼ੂਰ ਕੀਤੀ ਗਈ ਯੋਜਨਾ ਦੇ ਅਨੁਸਾਰ ਪਾਂਡਾ ਕੋਡ ਲਿਖੋ। ਕੋਡ ਨੂੰ ਇਹ ਦੱਸਣ ਦਿਓ ਕਿ ਇਹ ਟਿੱਪਣੀ ਲਾਈਨ ਦੇ ਨਾਲ ਹਰੇਕ ਪੜਾਅ 'ਤੇ ਕੀ ਕਰਦਾ ਹੈ; ਇਹ ਪਰਿਵਰਤਨ ਤੋਂ ਬਾਅਦ ਕਤਾਰਾਂ ਅਤੇ ਗੁੰਮ ਹੋਏ ਮੁੱਲਾਂ ਦੀ ਗਿਣਤੀ ਨੂੰ ਪ੍ਰਿੰਟ ਕਰਦਾ ਹੈ। ਚੁੱਪਚਾਪ ਕੋਈ ਵੀ ਨਿਰੀਖਣ ਨਾ ਮਿਟਾਓ; ਤੁਹਾਡੇ ਵੱਲੋਂ ਮਿਟਾਉਣ ਵਾਲੀ ਹਰ ਲਾਈਨ ਦੀ ਰਿਪੋਰਟ ਕਰੋ।
3) ਪ੍ਰਾਪਤੀ (ਪੁਸ਼ਟੀਯੋਗ):
[ਕੀਮਤ ਸੂਚਕਾਂਕ] ਦੇ ਨਾਲ ਇਸ ਨਾਮਾਤਰ ਲੜੀ ਨੂੰ ਮਹਿਸੂਸ ਕਰੋ। ਜਦੋਂ ਤੁਸੀਂ ਇਸਨੂੰ ਵਰਤਦੇ ਹੋ ਤਾਂ ਡਿਫਲੇਟਰ ਦਾ ਅਧਾਰ ਸਾਲ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਲਿਖੋ; ਨਿਰਧਾਰਿਤ ਕਰੋ ਕਿ ਨਤੀਜੇ ਵਾਲੀ ਲੜੀ ਦਾ ਅਧਾਰ ਕੀ ਹੈ। ਮੈਨੂੰ ਇੱਕ ਸਿੰਗਲ ਮਿਆਦ ਲਈ ਕਦਮ ਦਰ ਕਦਮ ਖਾਤਾ ਦਿਖਾਓ ਤਾਂ ਜੋ ਮੈਂ ਇਸਨੂੰ ਹੱਥੀਂ ਤਸਦੀਕ ਕਰ ਸਕਾਂ।
4) ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ ਸੰਖੇਪ:
ਹੇਠਾਂ ਦਿੱਤੇ ਸਾਫ਼ ਕੀਤੇ ਡੇਟਾ ਲਈ ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ ਕੋਡ ਲਿਖੋ: ਸੰਖੇਪ ਅੰਕੜੇ, ਸਮਾਂ ਲੜੀ ਪਲਾਟ, ਆਊਟਲੀਅਰ ਸਕੈਨ, ਅਤੇ ਸਹਿ-ਸੰਬੰਧ ਮੈਟ੍ਰਿਕਸ। ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਕਰਦੇ ਸਮੇਂ, ਇਹ ਸਪੱਸ਼ਟ ਕਰੋ ਕਿ ਜੋ ਸਬੰਧ ਤੁਸੀਂ ਲੱਭਦੇ ਹੋ ਉਹ ਕਾਰਨ ਨਹੀਂ ਹਨ ਅਤੇ 3 ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜੋ ਮੇਰੇ ਲਈ ਵੱਖਰੇ ਹਨ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰੋ।
AI ਇਹ ਜਾਣੇ ਬਿਨਾਂ ਕਿ ਕੀ ਸਾਫ਼ ਕਰਨਾ ਹੈ, ਧਾਰਨਾਵਾਂ ਨਾਲ ਕੰਮ ਕਰਦਾ ਹੈ; ਤੁਸੀਂ ਨਿਰੀਖਣਾਂ ਨੂੰ ਮਿਟਾ ਸਕਦੇ ਹੋ, ਇਕਾਈਆਂ ਬਦਲ ਸਕਦੇ ਹੋ, ਤੁਸੀਂ ਧਿਆਨ ਨਹੀਂ ਦੇਵੋਗੇ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਇਸ ਮਾਸਿਕ ਵਿਦੇਸ਼ੀ ਵਪਾਰ ਡੇਟਾ ਵਿੱਚ, ਨਿਰਯਾਤ "ਹਜ਼ਾਰ USD" ਵਿੱਚ ਹੈ ਅਤੇ ਆਯਾਤ "ਮਿਲੀਅਨ USD" ਵਿੱਚ ਹਨ। ਦੋਵਾਂ ਨੂੰ "ਮਿਲੀਅਨ ਡਾਲਰ" ਵਿੱਚ ਬਰਾਬਰ ਬਣਾਓ, ਗੁੰਮ ਹੋਏ ਮਹੀਨਿਆਂ ਦੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰੋ ਪਰ ਨਾ ਭਰੋ, ਤਾਰੀਖਾਂ ਨੂੰ ਮਹੀਨੇ ਦੇ ਅੰਤ ਵਿੱਚ ਇਕਸਾਰ ਕਰੋ। ਪ੍ਰਿੰਟ ਕਰੋ ਕਿ ਹਰ ਪੜਾਅ 'ਤੇ ਕਿੰਨੀਆਂ ਕਤਾਰਾਂ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੀਆਂ ਹਨ; ਚੁੱਪਚਾਪ ਕੋਈ ਕਤਾਰਾਂ ਨਾ ਮਿਟਾਓ। ਫਿਰ ਇੱਕ ਮਹੀਨੇ ਲਈ ਬਕਾਇਆ ਇਸ ਤਰੀਕੇ ਨਾਲ ਦਿਖਾਓ ਕਿ ਮੈਂ ਹੱਥੀਂ ਜਾਂਚ ਕਰ ਸਕਦਾ ਹਾਂ।
ਆਮ ਗਲਤੀਆਂ
- ਪਰਿਵਰਤਨ ਕੋਡ ਨੂੰ ਪੜ੍ਹੇ ਬਿਨਾਂ ਚਲਾ ਰਿਹਾ ਹੈ। ਗਲਤ ਅਧਾਰ/ਯੂਨਿਟ ਚੁੱਪਚਾਪ ਪੂਰੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਖਰਾਬ ਕਰ ਦਿੰਦੀ ਹੈ।
- ਬਿਨਾਂ ਸੋਚੇ ਸਮਝੇ ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਭਰਨਾ। ਔਸਤ ਦੇ ਨਾਲ ਸੰਕਟ/ਆਫਤ ਦੀ ਮਿਆਦ ਨੂੰ ਮਿਟਾਉਣਾ।
- ਆਊਟਲੀਅਰਾਂ ਨੂੰ ਆਟੋਮੈਟਿਕਲੀ ਰੱਦ ਕਰੋ। ਇੱਕ ਡਾਟਾ ਗਲਤੀ ਲਈ ਇੱਕ ਅਸਲੀ ਘਟਨਾ ਨੂੰ ਗਲਤ.
- ਮੌਸਮੀ ਅਤੇ ਸਾਲਾਨਾ ਵਿਕਾਸ ਨੂੰ ਉਲਝਾਉਣਾ। ਦੋ ਵੱਖ-ਵੱਖ ਆਕਾਰ ਹਨ.
- ਫ੍ਰੀਕੁਐਂਸੀ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਜੋੜਨਾ। ਸਟਾਕ ਲੜੀ ਨੂੰ ਇਕੱਠਾ ਕਰਨਾ ਅਤੇ ਇਸ ਨੂੰ ਇੱਕ ਪ੍ਰਵਾਹ ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕਰਨਾ।
- ਕਾਰਨ ਲਈ EDA ਵਿੱਚ ਸਬੰਧ ਨੂੰ ਗਲਤ ਕਰਨਾ। ਸਬੂਤ ਵਜੋਂ ਮਾਨਤਾ ਸੰਦ ਨੂੰ ਗਲਤ ਕਰਨਾ.
ਸਾਰੰਸ਼ ਵਿੱਚ
ਡੇਟਾ ਦੀ ਸਫਾਈ ਅਤੇ ਪਰਿਵਰਤਨ ਆਰਥਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ 80 ਪ੍ਰਤੀਸ਼ਤ ਅਦਿੱਖ ਪਰ ਨਿਰਣਾਇਕ ਹੈ। ਨਕਲੀ ਬੁੱਧੀ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਇਸ ਮਕੈਨੀਕਲ ਕੰਮ ਨੂੰ ਤੇਜ਼ ਕਰਦੀ ਹੈ; ਪਰ ਇਹ ਤੁਹਾਡੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਹਰ ਸਫਾਈ ਕਦਮ ਅਤੇ ਹਰ ਪਰਿਵਰਤਨ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਨਿਰੀਖਣ ਨੂੰ ਹੱਥੀਂ ਤਸਦੀਕ ਕਰੋ। ਡਿਫਲੇਟਰ ਬੇਸ, ਯੂਨਿਟ, ਬਾਰੰਬਾਰਤਾ ਅਤੇ ਬਾਹਰੀ ਫੈਸਲੇ ਆਰਥਿਕ ਫੈਸਲੇ ਹਨ ਅਤੇ ਅੰਨ੍ਹੇਵਾਹ ਨਕਲੀ ਬੁੱਧੀ 'ਤੇ ਨਹੀਂ ਛੱਡਿਆ ਜਾ ਸਕਦਾ। ਖੋਜੀ ਵਿਸ਼ਲੇਸ਼ਣ ਡੇਟਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ, ਪਰ ਕਾਰਣ ਨਹੀਂ ਹੁੰਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਅਸਲ ਕੱਚੀ ਲੜੀ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰੋ (ਉਦਾਹਰਨ ਲਈ ਮਹੀਨਾਵਾਰ CPI ਅਤੇ ਇੱਕ ਮਾਮੂਲੀ ਤਨਖਾਹ/ਆਮਦਨ ਲੜੀ)। ਪਹਿਲੇ ਟੈਮਪਲੇਟ ਨਾਲ ਇੱਕ ਸਫਾਈ ਯੋਜਨਾ ਬਣਾਓ, ਦੂਜੇ ਟੈਮਪਲੇਟ ਨਾਲ ਕੋਡ ਤਿਆਰ ਕਰੋ, ਅਤੇ ਤੀਜੇ ਟੈਮਪਲੇਟ ਨਾਲ ਲੜੀ ਨੂੰ ਮਹਿਸੂਸ ਕਰੋ। ਫਿਰ ਕਾਗਜ਼ 'ਤੇ ਇੱਕ ਸਿੰਗਲ ਪੀਰੀਅਡ ਦੇ ਅਸਲ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਇਸਦੀ ਨਕਲੀ ਬੁੱਧੀ ਦੇ ਆਉਟਪੁੱਟ ਨਾਲ ਤੁਲਨਾ ਕਰੋ। ਜੇਕਰ ਤੁਹਾਨੂੰ ਕੋਈ ਮੇਲ ਨਹੀਂ ਮਿਲਦਾ, ਤਾਂ ਇਸਦੇ ਸਰੋਤ (ਬੇਸ/ਯੂਨਿਟ) ਦਾ ਨਿਦਾਨ ਕਰੋ ਅਤੇ ਠੀਕ ਕਰੋ ਅਤੇ ਪ੍ਰਗਤੀ ਨੂੰ ਨੋਟ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਕੋਡ ਲਿਖੇ ਜਾਣ ਤੋਂ ਪਹਿਲਾਂ ਮੈਂ ਸਫਾਈ ਯੋਜਨਾ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ ਅਤੇ ਮਨਜ਼ੂਰੀ ਦਿੱਤੀ।
- [ ] ਮੈਂ ਰਿਪੋਰਟ ਕੀਤੀ ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਹਰ ਲਾਈਨ ਨੂੰ ਮਿਟਾਇਆ/ਬਦਲਿਆ ਗਿਆ ਸੀ; ਕੋਈ ਚੁੱਪ ਮਿਟਾਉਣਾ ਨਹੀਂ।
- ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਭਰਨ ਵੇਲੇ ਤੁਸੀਂ ਪੁੱਛ ਸਕਦੇ ਹੋ "ਇਹ ਖਾਲੀ ਕਿਉਂ ਹੈ?" ਮੈਂ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੱਤਾ।
- [ ] ਮੈਂ ਜਾਂਚ ਕੀਤੀ ਕਿ ਕੀ ਆਊਟਲਾਇਰ ਇੱਕ ਅਸਲ ਘਟਨਾ ਸੀ ਜਾਂ ਇੱਕ ਡੇਟਾ ਗਲਤੀ ਸੀ।
- [ ] ਪ੍ਰਾਪਤੀ ਵਿੱਚ, ਮੈਂ ਤਸਦੀਕ ਕੀਤਾ ਕਿ ਡਿਫਲੇਟਰ ਅਧਾਰ ਅਤੇ ਨਤੀਜਾ ਅਧਾਰ ਮੇਲ ਖਾਂਦੇ ਹਨ।
- [ ] ਮੈਂ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਪੀਰੀਅਡ ਦੇ ਰੂਪਾਂਤਰਣ ਦੀ ਦਸਤੀ ਮੁੜ ਗਣਨਾ ਕੀਤੀ।
- [ ] ਮੈਂ ਕਾਰਨ ਵਜੋਂ EDA ਵਿੱਚ ਸਬੰਧਾਂ ਨੂੰ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ।