ਲਾਭ:
- ਕਾਰੋਬਾਰੀ ਖੁਫੀਆ ਪਰਤਾਂ (ਸਰੋਤ, ਈਟੀਐਲ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ, ਰਿਪੋਰਟ) ਅਤੇ ਮੁੱਖ ਵਪਾਰਕ ਮੈਟ੍ਰਿਕਸ (ਕੇਪੀਆਈ) ਦੀ ਸਹੀ ਪਰਿਭਾਸ਼ਾ ਨੂੰ ਸਮਝਾਉਣ ਦੀ ਸਮਰੱਥਾ।
- ਮੈਟ੍ਰਿਕ ਪਰਿਭਾਸ਼ਾ, SQL ਡਰਾਫਟ ਅਤੇ ਰਿਪੋਰਟ ਬਿਰਤਾਂਤ ਤਿਆਰ ਕਰਨ ਅਤੇ ਅਸਲ ਡੇਟਾ ਦੇ ਨਾਲ ਨਤੀਜਾ ਪ੍ਰਦਾਨ ਕਰਨ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਏਆਈ-ਸਮਰਥਿਤ ਵਿਸ਼ਲੇਸ਼ਣ ਆਉਟਪੁੱਟ ਵਿੱਚ ਸਹਿ-ਸਬੰਧ-ਕਾਰਨ ਉਲਝਣ ਅਤੇ ਗੁੰਮਰਾਹਕੁੰਨ ਮੈਟ੍ਰਿਕਸ ਦੇ ਜੋਖਮਾਂ ਨੂੰ ਪਛਾਣਨ ਦੀ ਸਮਰੱਥਾ
ਬਿਜ਼ਨਸ ਇੰਟੈਲੀਜੈਂਸ (BI) ਉਹ ਅਨੁਸ਼ਾਸਨ ਹੈ ਜੋ ਸੰਗਠਨ ਦੇ ਖਿੰਡੇ ਹੋਏ ਡੇਟਾ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ, ਇਸਨੂੰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਅਤੇ ਇਸ ਡੇਟਾ ਤੋਂ ਫੈਸਲੇ-ਸਹਾਇਕ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇੱਕ MIS ਪੇਸ਼ੇਵਰ ਲਈ, BI ਉਹ ਪਰਤ ਹੈ ਜਿੱਥੇ "ਡੇਟਾ ਫੈਸਲਿਆਂ ਵਿੱਚ ਬਦਲਦਾ ਹੈ।" ਕੱਚੇ ਆਰਡਰ ਦੇ ਰਿਕਾਰਡ ਹੀ ਅਰਥਪੂਰਨ ਨਹੀਂ ਹਨ; ਪਰ "ਇਸ ਮਹੀਨੇ ਕਿਸ ਖੇਤਰ ਵਿੱਚ ਟਰਨਓਵਰ ਘਟਿਆ, ਕਿਉਂ?" ਇਹ ਮੁੱਲ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜਦੋਂ ਇਹ ਇੱਕ ਰਿਪੋਰਟ ਬਣ ਜਾਂਦੀ ਹੈ ਜੋ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦੀ ਹੈ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਅਸੀਂ BI ਦੀਆਂ ਪਰਤਾਂ, ਸਹੀ ਮੈਟ੍ਰਿਕ ਡਿਜ਼ਾਈਨ, ਅਤੇ ਜਿੱਥੇ ਨਕਲੀ ਬੁੱਧੀ ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਇੱਕ ਐਕਸਲੇਟਰ ਅਤੇ ਇੱਕ ਜਾਲ ਹੈ, ਨੂੰ ਦੇਖਾਂਗੇ।
BI ਆਰਕੀਟੈਕਚਰ ਵਿੱਚ ਆਮ ਤੌਰ 'ਤੇ ਹੇਠ ਲਿਖੀਆਂ ਪਰਤਾਂ ਹੁੰਦੀਆਂ ਹਨ। ਸਰੋਤ ਪ੍ਰਣਾਲੀਆਂ: ਉਹ ਸਥਾਨ ਜਿੱਥੇ ਡੇਟਾ ਉਤਪੰਨ ਹੁੰਦਾ ਹੈ, ਜਿਵੇਂ ਕਿ ERP, CRM, ਈ-ਕਾਮਰਸ। ETL ਪ੍ਰਕਿਰਿਆ (ਅੰਗਰੇਜ਼ੀ ਐਕਸਟਰੈਕਟ-ਟਰਾਂਸਫਾਰਮ-ਲੋਡ): ਉਹ ਪ੍ਰਕਿਰਿਆ ਜੋ ਸਰੋਤਾਂ (ਐਕਸਟ੍ਰੈਕਟ) ਤੋਂ ਡੇਟਾ ਨੂੰ ਐਕਸਟਰੈਕਟ ਕਰਦੀ ਹੈ, ਇਸਨੂੰ ਸਾਫ਼ ਕਰਦੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਮਿਆਰੀ ਢਾਂਚੇ (ਟ੍ਰਾਂਸਫਾਰਮ) ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਟੀਚੇ (ਲੋਡ) ਵਿੱਚ ਲੋਡ ਕਰਦੀ ਹੈ। ਡੇਟਾ ਵੇਅਰਹਾਊਸ: ਇੱਕ ਕੇਂਦਰੀ ਭੰਡਾਰ ਜਿੱਥੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਇਤਿਹਾਸਕ ਅਤੇ ਇਕਸਾਰ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਰਿਪੋਰਟਿੰਗ/ਵਿਜ਼ੂਅਲਾਈਜ਼ੇਸ਼ਨ ਲੇਅਰ: ਡੈਸ਼ਬੋਰਡ, ਰਿਪੋਰਟਾਂ, ਅਤੇ ਐਡ-ਹਾਕ ਪੁੱਛਗਿੱਛ। ਇਸ ਲੜੀ ਵਿੱਚ, ਹਰੇਕ ਪਰਤ ਦੀ ਗੁਣਵੱਤਾ ਅਗਲੀ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ; ਜੇਕਰ ਸਰੋਤ ਗੰਦਾ ਹੈ, ਤਾਂ ਰਿਪੋਰਟ ਵੀ ਗੰਦੀ ਹੈ।
ਮੈਟ੍ਰਿਕਸ ਅਤੇ ਕੇਪੀਆਈ ਨੂੰ ਸਹੀ ਢੰਗ ਨਾਲ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਾ
ਇੱਕ ਮੀਟ੍ਰਿਕ ਇੱਕ ਮਾਪਿਆ ਗਿਆ ਸੰਖਿਆਤਮਕ ਮੁੱਲ ਹੈ: ਕੁੱਲ ਟਰਨਓਵਰ, ਆਰਡਰਾਂ ਦੀ ਸੰਖਿਆ। ਇੱਕ KPI (ਕੁੰਜੀ ਪ੍ਰਦਰਸ਼ਨ ਸੂਚਕ) ਇੱਕ ਨਾਜ਼ੁਕ ਮੈਟ੍ਰਿਕ ਹੈ ਜੋ ਇੱਕ ਟੀਚੇ ਦੇ ਵਿਰੁੱਧ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਮਾਪਦਾ ਹੈ: "ਮਾਸਿਕ ਗਾਹਕ ਦਰ 5% ਤੋਂ ਘੱਟ"। ਹਰ ਮੈਟ੍ਰਿਕ ਇੱਕ KPI ਨਹੀਂ ਹੈ; ਇੱਕ ਕੇਪੀਆਈ ਇੱਕ ਮੈਟ੍ਰਿਕ ਹੈ ਜੋ ਇੱਕ ਵਪਾਰਕ ਟੀਚੇ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ ਅਤੇ ਇੱਕ ਫੈਸਲੇ ਨੂੰ ਚਾਲੂ ਕਰਦਾ ਹੈ।
BI ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਭ ਤੋਂ ਘਿਨਾਉਣੀ ਸਮੱਸਿਆ ਮੈਟ੍ਰਿਕਸ ਦੀ ਅਸਪਸ਼ਟ ਪਰਿਭਾਸ਼ਾ ਹੈ। "ਸਰਗਰਮ ਗਾਹਕ" ਦਾ ਕੀ ਮਤਲਬ ਹੈ? ਪਿਛਲੇ 30 ਦਿਨਾਂ ਜਾਂ 90 ਦਿਨਾਂ ਵਿੱਚ ਆਰਡਰ ਕੀਤਾ ਗਿਆ? ਕੀ ਵਾਪਸ ਆਉਣ ਵਾਲਿਆਂ ਦੀ ਗਿਣਤੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ? ਜੇ ਦੋ ਟੀਮਾਂ ਦਾ ਮਤਲਬ "ਕਿਰਿਆਸ਼ੀਲ ਗਾਹਕਾਂ ਦੀ ਸੰਖਿਆ" ਦੁਆਰਾ ਵੱਖੋ ਵੱਖਰੀਆਂ ਚੀਜ਼ਾਂ ਹਨ, ਤਾਂ ਉਹੀ ਡੈਸ਼ਬੋਰਡ ਦੋ ਵੱਖ-ਵੱਖ ਤੱਥਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸ ਲਈ ਹਰੇਕ KPI ਦੀ ਇੱਕ-ਵਾਕ, ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਸਵੀਕਾਰ ਕੀਤੀ ਪਰਿਭਾਸ਼ਾ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ। AI ਤੇਜ਼ੀ ਨਾਲ ਇਹਨਾਂ ਪਰਿਭਾਸ਼ਾਵਾਂ ਦੇ ਡਰਾਫਟ ਤਿਆਰ ਕਰਦਾ ਹੈ; ਪਰ ਇਹ ਫੈਸਲਾ ਕਰਨਾ ਵਪਾਰਕ ਇਕਾਈ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਕਿਹੜੀ ਪਰਿਭਾਸ਼ਾ "ਸਹੀ" ਹੈ।
ਸੁਝਾਅ: ਇੱਕ KPI ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਦੇ ਸਮੇਂ, ਤਿੰਨ ਚੀਜ਼ਾਂ ਲਿਖੋ: (1) ਫਾਰਮੂਲਾ (ਅੰਕ/ਭਾਗ ਅਸਲ ਵਿੱਚ ਕੀ ਹੈ), (2) ਸਮਾਂ ਵਿੰਡੋ, (3) ਬਾਹਰ ਰੱਖੇ ਕੇਸ। AI ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ "ਇਸ KPI ਦੀ ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਅਸਪਸ਼ਟਤਾਵਾਂ ਨੂੰ ਸਵਾਲਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਕੱਢੋ" ਲੁਕੀਆਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦਾ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ਏਆਈ-ਪਾਵਰਡ ਰਿਪੋਰਟ ਜਨਰੇਸ਼ਨ
ਕਦਮ 1 - ਸਵਾਲ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ। ਰਿਪੋਰਟ ਕੀ ਫੈਸਲਾ ਕਰੇਗੀ? ਇੱਕ ਠੋਸ ਟੀਚਾ ਜਿਵੇਂ ਕਿ "ਅਸੀਂ ਫੈਸਲਾ ਕਰਾਂਗੇ ਕਿ ਅਸੀਂ ਬਜਟ ਨੂੰ ਕਿਸ ਖੇਤਰ ਵਿੱਚ ਬਦਲਾਂਗੇ", ਨਾ ਕਿ "ਇਹ ਵਧੀਆ ਦਿਖਾਈ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ"।
ਕਦਮ 2 — ਮੈਟ੍ਰਿਕਸ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ। ਫਾਰਮੂਲੇ, ਵਿੰਡੋਜ਼ ਅਤੇ ਅਪਵਾਦਾਂ ਨਾਲ ਲੋੜੀਂਦੇ ਕੇਪੀਆਈ ਲਿਖੋ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਡਰਾਫਟ ਪਰਿਭਾਸ਼ਾਵਾਂ ਪੈਦਾ ਕਰ ਸਕਦੀ ਹੈ।
ਕਦਮ 3 - SQL ਡਰਾਫਟ ਤਿਆਰ ਕਰੋ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਨੂੰ ਸਕੀਮਾ ਜਾਣਕਾਰੀ ਦਿਓ ਅਤੇ ਇੱਕ ਪੁੱਛਗਿੱਛ ਡਰਾਫਟ ਤਿਆਰ ਕਰੋ। ਪਰ ਇਸ ਨੂੰ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਪੁੱਛਗਿੱਛ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਸਮਝੋ।
ਕਦਮ 4 - ਛੋਟੇ ਡੇਟਾ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ। ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ ਇੱਕ ਛੋਟੇ ਨਮੂਨੇ 'ਤੇ ਪਹਿਲਾਂ ਪੁੱਛਗਿੱਛ ਚਲਾਓ; ਹੱਥੀਂ ਕੁੱਲਾਂ ਦੀ ਜਾਂਚ ਕਰੋ। AI ਦਾ SQL ਸਿੰਟੈਕਟਿਕ ਤੌਰ 'ਤੇ ਸਹੀ ਹੋ ਸਕਦਾ ਹੈ ਪਰ ਤਰਕ ਨਾਲ ਗਲਤ ਹੈ।
ਕਦਮ 5 - ਬਿਰਤਾਂਤ, ਟੈਸਟ ਦੇ ਦਾਅਵੇ ਸ਼ਾਮਲ ਕਰੋ। AI ਰਿਪੋਰਟ ਲਈ ਇੱਕ ਬਿਰਤਾਂਤ ਪਾਠ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ; ਪਰ ਹਰ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਨੂੰ ਸਾਬਤ ਕਰੋ ("ਇਸੇ ਕਰਕੇ ਵਿਕਰੀ ਘਟ ਗਈ")।
ਸਬੰਧ ਅਤੇ ਕਾਰਣ ਜਾਲ
BI ਵਿੱਚ ਸਭ ਤੋਂ ਖ਼ਤਰਨਾਕ ਗਲਤੀ ਦੋ ਮੈਟ੍ਰਿਕਸ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਹੈ ਜੋ ਇਕੱਠੇ ਕੰਮ ਕਰਦੇ ਹਨ ਜਿਵੇਂ ਕਿ "ਇੱਕ ਦੂਜੇ ਨੂੰ ਬਣਾਉਂਦਾ ਹੈ"। ਸਬੰਧ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਦੋ ਮੁੱਲ ਇਕੱਠੇ ਬਦਲਦੇ ਹਨ; ਕਾਰਨ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ ਇੱਕ ਦੂਜੇ ਦਾ ਕਾਰਨ ਬਣਦਾ ਹੈ। "ਜਿਵੇਂ ਕਿ ਆਈਸਕ੍ਰੀਮ ਦੀ ਵਿਕਰੀ ਵਧੀ, ਡੁੱਬਣ ਦੇ ਮਾਮਲੇ ਵਧੇ" ਵਾਕ ਸੱਚ ਹੈ, ਪਰ ਆਈਸਕ੍ਰੀਮ ਡੁੱਬਣ ਦਾ ਕਾਰਨ ਨਹੀਂ ਬਣਦੀ; ਆਮ ਕਾਰਨ ਗਰਮੀਆਂ (ਗਰਮ ਮੌਸਮ) ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਇੱਕ ਰਿਪੋਰਟ ਬਿਰਤਾਂਤ ਤਿਆਰ ਕਰਨ ਵੇਲੇ ਆਸਾਨੀ ਨਾਲ ਕਾਰਕ ਵਾਕ ਬਣਾ ਸਕਦੀ ਹੈ; MIS ਮਾਹਰ ਇਹਨਾਂ ਦਾਅਵਿਆਂ ਦਾ ਜਵਾਬ ਇਹ ਪੁੱਛ ਕੇ ਦਿੰਦਾ ਹੈ "ਕੀ ਕੋਈ ਹੋਰ ਸਪੱਸ਼ਟੀਕਰਨ ਹੈ?" ਉਸਨੂੰ ਇਸਦੀ ਪਰਖ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ। ਨਹੀਂ ਤਾਂ, ਗਲਤ ਕਾਰਨ ਦੇ ਅਧਾਰ 'ਤੇ ਗਲਤ ਫੈਸਲਾ ਲਿਆ ਜਾਵੇਗਾ।
ਤਿੰਨ ਮਿੰਨੀ ਕੇਸ: ਨੰਬਰ ਦੁਆਰਾ
ਕੇਸ 1 - ਪਰਿਭਾਸ਼ਿਤ ਮੈਟ੍ਰਿਕ ਦੀ ਲਾਗਤ। ਇੱਕ ਟੈਲੀਕਾਮ ਕੰਪਨੀ ਵਿੱਚ, ਬੋਰਡ ਆਫ਼ ਡਾਇਰੈਕਟਰਜ਼ ਨੂੰ ਪੇਸ਼ ਕੀਤੇ ਗਏ "ਸਰਗਰਮ ਗਾਹਕਾਂ" ਦੀ ਗਿਣਤੀ 2.1 ਮਿਲੀਅਨ ਸੀ, ਅਤੇ ਵਿੱਤ ਟੀਮ ਦੀ ਰਿਪੋਰਟ 1.7 ਮਿਲੀਅਨ ਸੀ। ਅੰਤਰ ਇਹ ਸੀ ਕਿ ਇੱਕ ਨੇ 90 ਦਿਨਾਂ ਨੂੰ "ਸਰਗਰਮ" ਵਜੋਂ ਗਿਣਿਆ ਜਦੋਂ ਕਿ ਦੂਜੇ ਨੇ 30 ਦਿਨ ਗਿਣੇ। ਆਮ ਪਰਿਭਾਸ਼ਾ ਸਪੱਸ਼ਟ ਹੋਣ ਤੱਕ ਗਲਤ ਵਿਕਾਸ ਦਰ 'ਤੇ ਦੋ ਹਫ਼ਤਿਆਂ ਤੱਕ ਚਰਚਾ ਕੀਤੀ ਗਈ। ਇੱਕ-ਵਾਕ KPI ਪਰਿਭਾਸ਼ਾ ਇਸ ਉਲਝਣ ਤੋਂ ਬਚੇਗੀ।
ਕੇਸ 2 - AI ਦਾ ਗਲਤ SQL। ਇੱਕ ਰਿਟੇਲਰ 'ਤੇ, AI ਨੇ "ਪ੍ਰਤੀ ਗਾਹਕ ਔਸਤ ਟੋਕਰੀ" ਪੁੱਛਗਿੱਛ ਤਿਆਰ ਕਰਨ ਵੇਲੇ ਕੁੱਲ ਵਿੱਚ ਵਾਪਸੀ ਲਾਈਨਾਂ ਜੋੜੀਆਂ; ਨਤੀਜਾ ਅਸਲ ਮੁੱਲ ਤੋਂ 12% ਵੱਧ ਸੀ। SQL syntactically ਸੰਪੂਰਣ ਸੀ. ਜਦੋਂ ਮਾਹਰ ਨੇ ਇੱਕ ਜਾਣੇ-ਪਛਾਣੇ ਦਿਨ ਦੇ ਕੁੱਲ ਦੀ ਦਸਤੀ ਪੁਸ਼ਟੀ ਕੀਤੀ, ਤਾਂ ਉਸਨੇ ਭਟਕਣਾ ਨੂੰ ਫੜ ਲਿਆ ਅਤੇ ਰਿਟਰਨ ਫਿਲਟਰ ਜੋੜਿਆ।
ਕੇਸ 3 - ਕਾਰਣ ਦਾ ਭੁਲੇਖਾ। ਇੱਕ ਈ-ਕਾਮਰਸ ਕੰਪਨੀ ਵਿੱਚ, ਡੈਸ਼ਬੋਰਡ ਕਹਿ ਰਿਹਾ ਸੀ "ਇੱਕ ਈਮੇਲ ਮੁਹਿੰਮ ਭੇਜੇ ਜਾਣ ਵਾਲੇ ਦਿਨਾਂ ਵਿੱਚ ਵਿਕਰੀ 18% ਵੱਧ ਹੈ" ਅਤੇ ਟੀਮ ਮੁਹਿੰਮ ਦੇ ਬਜਟ ਨੂੰ ਵਧਾਉਣ ਵਾਲੀ ਸੀ। ਵਿਸ਼ਲੇਸ਼ਣ ਨੇ ਦਿਖਾਇਆ ਕਿ ਮੁਹਿੰਮਾਂ ਦਾ ਸਮਾਂ ਪਹਿਲਾਂ ਹੀ ਉੱਚ-ਟ੍ਰੈਫਿਕ ਮੁਹਿੰਮ ਦਿਨਾਂ (ਛੂਟ ਦੀ ਮਿਆਦ) ਦੇ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਸੀ। ਇਹ ਉਹ ਸਮਾਂ ਸੀ, ਨਾ ਕਿ ਈਮੇਲ, ਜਿਸ ਨੇ ਵਿਕਰੀ ਨੂੰ ਵਧਾਇਆ। ਜੇਕਰ ਕਿਸੇ ਕੰਟਰੋਲ ਗਰੁੱਪ ਨਾਲ ਟੈਸਟ ਕੀਤੇ ਬਿਨਾਂ ਬਜਟ ਵਧਾਇਆ ਗਿਆ ਤਾਂ ਪੈਸਾ ਬਰਬਾਦ ਹੋ ਜਾਵੇਗਾ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਇਸ ਸਾਰਣੀ ਤੋਂ ਵਿਕਰੀ ਰਿਪੋਰਟ SQL ਲਿਖੋ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਤੁਸੀਂ ਇੱਕ ਧਿਆਨ ਦੇਣ ਵਾਲੇ BI ਵਿਸ਼ਲੇਸ਼ਕ ਹੋ। ਹੇਠਾਂ ਦਿੱਤੇ ਚਿੱਤਰ ਦੇ ਅਨੁਸਾਰ SQL ਪੁੱਛਗਿੱਛ ਦਾ ਇੱਕ ਡਰਾਫਟ ਲਿਖੋ। ਨਿਯਮ:- ਸਿਰਫ਼ ਦਿੱਤੇ ਗਏ ਟੇਬਲ/ਫੀਲਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ; ਗੈਰ-ਫਿਟਿੰਗ ਫੀਲਡ।- ਕੁੱਲ ਵਿੱਚੋਂ ਰਿਟਰਨ (ਸਥਿਤੀ='ਵਾਪਸੀ') ਨੂੰ ਬਾਹਰ ਕੱਢੋ।- ਸਮਾਂ ਵਿੰਡੋ: ਪਿਛਲੇ 30 ਦਿਨ।- ਲਾਈਨ ਦਰ ਲਾਈਨ ਟਿੱਪਣੀ ਕਰੋ ਕਿ ਪੁੱਛਗਿੱਛ ਕੀ ਕਰਦੀ ਹੈ।- 1 ਨਮੂਨਾ ਲਾਈਨ ਦਾ ਸੁਝਾਅ ਦਿਓ ਜੋ ਅੰਤ ਵਿੱਚ ਟੈਸਟਿੰਗ ਲਈ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਸਕੀਮ: ਆਰਡਰ (ਆਈਡੀ, ਗਾਹਕ_ਆਈਡੀ, ਮਿਤੀ, ਰਕਮ, ਸਥਿਤੀ, ਸੀਮਾ, ਆਖਰੀ ਨਾਮ, ਸੀ, 3, ਸੀ) ਖੰਡ ਦੁਆਰਾ ਦਿਨ ਦਾ ਸ਼ੁੱਧ ਟਰਨਓਵਰ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਸਕੀਮਾ ਨੂੰ ਸੀਮਿਤ ਕਰਦਾ ਹੈ, ਵਪਾਰਕ ਨਿਯਮ ਲਾਗੂ ਕਰਦਾ ਹੈ (ਰਿਟਰਨ ਨੂੰ ਛੱਡ ਕੇ), ਵਿੰਡੋ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰਦਾ ਹੈ, ਅਤੇ ਇੱਕ ਪ੍ਰਮਾਣਿਤ ਆਉਟਪੁੱਟ ਦੀ ਬੇਨਤੀ ਕਰਦਾ ਹੈ।
ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਨਮੂਨੇ
1) KPI ਪਰਿਭਾਸ਼ਾ ਸਪਸ਼ਟੀਕਰਨ:
ਹੇਠਾਂ ਦਿੱਤੇ KPI ਲਈ ਪੂਰਾ ਵੇਰਵਾ ਲਿਖੋ: ਫਾਰਮੂਲਾ (ਅੰਕ/ਭਾਗ), ਸਮਾਂ ਵਿੰਡੋ, ਬਾਹਰ ਰੱਖੇ ਕੇਸ। ਇੱਕ ਸਵਾਲ ਦੇ ਰੂਪ ਵਿੱਚ ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਕੋਈ ਅਸਪਸ਼ਟਤਾ ਸ਼ਾਮਲ ਕਰੋ।KPI: [ਨਾਮ, ਉਦਾਹਰਨ ਲਈ "ਗਾਹਕ ਮੰਥਨ ਦਰ"]
2) SQL ਤਰਕ ਜਾਂਚ:
ਨਿਮਨਲਿਖਤ SQL ਪੁੱਛਗਿੱਛ ਦੀ ਜਾਂਚ ਕਰੋ: ਕੀ ਇੱਥੇ ਲਾਜ਼ੀਕਲ ਗਲਤੀਆਂ, ਗਲਤ JOIN, ਗੁੰਮ ਫਿਲਟਰ, ਜਾਂ ਦੋਹਰੀ ਗਿਣਤੀ ਦਾ ਖਤਰਾ ਹੈ? ਹਰੇਕ ਖੋਜ ਲਈ ਇੱਕ ਤਰਕ ਲਿਖੋ। ਪੁੱਛਗਿੱਛ ਨੂੰ ਨਾ ਬਦਲੋ, ਬੱਸ ਇਸ ਦੀ ਜਾਂਚ ਕਰੋ। SQL: [query]
3) ਰਿਪੋਰਟ ਬਿਰਤਾਂਤ + ਦਾਅਵਾ ਨਿਯੰਤਰਣ:
ਹੇਠਾਂ ਦਿੱਤੇ ਨਤੀਜਿਆਂ ਦੀ ਸਾਰਣੀ ਤੋਂ ਇੱਕ ਸੰਖੇਪ ਕਾਰਜਕਾਰੀ ਸੰਖੇਪ ਲਿਖੋ। ਹਰੇਕ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਦੇ ਅੱਗੇ ਲੇਬਲ [ਸਬੂਤ ਦੀ ਲੋੜ ਹੈ] ਅਤੇ ਇੱਕ ਵਿਕਲਪਿਕ ਵਿਆਖਿਆ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਸਿਰਫ਼ ਸਾਰਣੀ ਵਿੱਚ ਡੇਟਾ 'ਤੇ ਭਰੋਸਾ ਕਰੋ। ਸਾਰਣੀ: [ਡਾਟਾ]
4) ਮੀਟ੍ਰਿਕ ਇਕਸਾਰਤਾ ਜਾਂਚ:
ਹੇਠਾਂ ਦਿੱਤੀਆਂ ਦੋ ਰਿਪੋਰਟਾਂ ਵਿੱਚ, ਇੱਕੋ ਨਾਮ ਵਾਲੇ ਮੈਟ੍ਰਿਕਸ ਵੱਖ-ਵੱਖ ਮੁੱਲ ਦਿੰਦੇ ਹਨ। ਪਰਿਭਾਸ਼ਾ ਵਿੱਚ ਸੰਭਾਵੀ ਅੰਤਰ (ਸਮਾਂ ਵਿੰਡੋ, ਫਿਲਟਰ, ਗਣਨਾ) ਸੂਚੀਬੱਧ ਹਨ। ਰਿਪੋਰਟਾਂ: [ਏ] [ਬੀ]
ਤੁਲਨਾ ਚਾਰਟ: ਚੰਗਾ ਅਤੇ ਮਾੜਾ KPI
ਵਿਸ਼ੇਸ਼ਤਾ
ਖਰਾਬ KPI
ਵਧੀਆ KPI
ਵਰਣਨ
"ਕਿਰਿਆਸ਼ੀਲ ਗਾਹਕ"
"ਪਿਛਲੇ 30 ਦਿਨਾਂ ਵਿੱਚ ≥1 ਪੂਰਾ ਆਰਡਰ ਵਾਲਾ ਗਾਹਕ"
ਟੀਚੇ ਨਾਲ ਬੰਧਨ
ਕੋਈ ਨਹੀਂ
"5% ਨੁਕਸਾਨ ਦਰ ਤੋਂ ਹੇਠਾਂ ਰਹਿਣਾ"
ਮਾਪਣਯੋਗਤਾ
ਅਸਪਸ਼ਟ
ਫਾਰਮੂਲਾ ਸਪੱਸ਼ਟ
ਅਪਵਾਦ
ਅਨਿਸ਼ਚਿਤ
ਰਿਟਰਨ ਨੂੰ ਛੱਡ ਕੇ
ਕੀ ਇਹ ਇੱਕ ਫੈਸਲੇ ਨੂੰ ਟਰਿੱਗਰ ਕਰਦਾ ਹੈ?
ਨਹੀਂ
ਹਾਂ
ਆਮ ਗਲਤੀਆਂ
- ਮੈਟ੍ਰਿਕ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਛੱਡਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਜੇਕਰ "ਸਰਗਰਮ," "ਸਫਲ," "ਸੰਪੂਰਨ" ਵਰਗੇ ਸ਼ਬਦਾਂ ਦੀ ਵਰਤੋਂ ਫਾਰਮੂਲੇ ਤੋਂ ਬਿਨਾਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਤਾਂ ਹਰੇਕ ਟੀਮ ਨੂੰ ਵੱਖਰੇ ਤੌਰ 'ਤੇ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ।
- ਬਿਨਾਂ ਤਸਦੀਕ ਦੇ AI ਦੇ SQL ਨੂੰ ਚਲਾਉਣਾ। ਇੱਕ ਸਿੰਟੈਕਟਿਕ ਤੌਰ 'ਤੇ ਸਹੀ ਪੁੱਛਗਿੱਛ ਤਰਕ ਨਾਲ ਗਲਤ ਹੋ ਸਕਦੀ ਹੈ; ਦੋਹਰੀ ਗਿਣਤੀ ਅਤੇ ਗਲਤ JOIN ਆਮ ਹਨ।
- ਕਾਰਨ ਦੇ ਨਾਲ ਉਲਝਣ ਵਾਲਾ ਸਬੰਧ। ਇਹ ਸੋਚਣਾ ਕਿ "ਇਸ ਨਾਲ ਇਹ ਵਧਿਆ" ਦਾ ਮਤਲਬ ਹੈ "ਇਸ ਕਾਰਨ ਹੋਇਆ" ਗਲਤ ਫੈਸਲੇ ਵੱਲ ਲੈ ਜਾਵੇਗਾ।
- ਵੈਨਿਟੀ ਮੈਟ੍ਰਿਕ ਪਿੱਛਾ. ਫੈਂਸੀ ਪਰ ਗੈਰ-ਨਿਰਣਾਇਕ ਮੈਟ੍ਰਿਕਸ ਜਿਵੇਂ ਕਿ KPIs ਦੇ ਤੌਰ 'ਤੇ "ਕੁੱਲ ਕਲਿੱਕ" ਨੂੰ ਗਲਤ ਕਰਨਾ।
- ਸੰਦਰਭ ਤੋਂ ਬਿਨਾਂ ਨੰਬਰਾਂ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ। "ਟਰਨਓਵਰ 4.2 ਮਿਲੀਅਨ" ਇਕੱਲੇ ਅਰਥਹੀਣ ਹੈ; ਪਿਛਲੇ ਮਹੀਨੇ, ਟੀਚੇ ਜਾਂ ਬਜਟ ਦੇ ਆਧਾਰ 'ਤੇ ਸੰਦਰਭ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
ਸਾਵਧਾਨ: ਨਕਲੀ ਬੁੱਧੀ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਰਿਪੋਰਟ ਦੇ ਬਿਰਤਾਂਤ ਯਕੀਨਨ ਅਤੇ ਤਰਲ ਹਨ; ਇਹ ਬਿਲਕੁਲ ਜੋਖਮ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ. ਇੱਕ ਪ੍ਰਵਾਹ ਵਾਕ ਕਾਰਨਾਤਮਕਤਾ ਦਾ ਝੂਠਾ ਦਾਅਵਾ ਕਰ ਸਕਦਾ ਹੈ। ਸਬੂਤ ਦੇ ਨਾਲ ਹਰੇਕ "ਕਿਉਂਕਿ" ਅਤੇ "ਇਸ ਲਈ" ਬਿਆਨ ਦੀ ਜਾਂਚ ਕਰੋ।
ਸਾਰੰਸ਼ ਵਿੱਚ
ਬਿਜ਼ਨਸ ਇੰਟੈਲੀਜੈਂਸ ਉਹ ਪਰਤ ਹੈ ਜੋ ਖਿੰਡੇ ਹੋਏ ਡੇਟਾ ਨੂੰ ਫੈਸਲਿਆਂ ਵਿੱਚ ਬਦਲਦੀ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਸਰੋਤ, ਈਟੀਐਲ, ਡੇਟਾ ਵੇਅਰਹਾਊਸ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਚੇਨ ਸ਼ਾਮਲ ਹੁੰਦੀ ਹੈ। ਇੱਕ KPI ਇੱਕ ਵਪਾਰਕ ਟੀਚੇ ਨਾਲ ਜੁੜਿਆ ਇੱਕ ਨਾਜ਼ੁਕ ਮੈਟ੍ਰਿਕ ਹੈ, ਇੱਕ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਪਰਿਭਾਸ਼ਿਤ ਫਾਰਮੂਲੇ ਅਤੇ ਅਪਵਾਦਾਂ ਦੇ ਨਾਲ; ਪਰਿਭਾਸ਼ਿਤ ਮੈਟ੍ਰਿਕ ਸਭ ਤੋਂ ਆਮ BI ਗਲਤੀ ਹੈ। ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ KPI ਪਰਿਭਾਸ਼ਾ, SQL ਡਰਾਫਟ ਅਤੇ ਰਿਪੋਰਟ ਬਿਰਤਾਂਤ ਬਣਾਉਣ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਗਤੀ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ; ਪਰ ਹਰ SQL ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਜਾਇਜ਼ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਹਰੇਕ ਨੰਬਰ ਨੂੰ ਜਾਣੇ-ਪਛਾਣੇ ਡੇਟਾ ਦੁਆਰਾ ਸਮਰਥਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਹਰ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਨੂੰ ਸਬੂਤ ਦੇ ਨਾਲ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਸਬੰਧ ਕਾਰਨ ਨਹੀਂ ਹੈ; ਤਰਲ ਬਿਰਤਾਂਤ ਸ਼ੁੱਧਤਾ ਦੀ ਗਰੰਟੀ ਨਹੀਂ ਦਿੰਦਾ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਇੱਕ ਔਨਲਾਈਨ ਕੋਰਸ ਪਲੇਟਫਾਰਮ ਲਈ ਇੱਕ "ਪੂਰੀ ਦਰ" KPI ਡਿਜ਼ਾਈਨ ਕਰੋ। (1) ਫਾਰਮੂਲੇ, ਸਮਾਂ ਵਿੰਡੋ, ਅਤੇ ਅਪਵਾਦਾਂ ਦੇ ਨਾਲ ਇੱਕ-ਵਾਕ ਦਾ ਵਰਣਨ ਲਿਖੋ (ਉਦਾਹਰਣ ਵਜੋਂ, ਰੱਦ ਕੀਤੀਆਂ ਰਜਿਸਟਰੀਆਂ ਗਿਣੀਆਂ ਜਾਂਦੀਆਂ ਹਨ?) (2) ਇੱਕ ਸਧਾਰਨ ਸਕੀਮਾ (ਰਜਿਸਟ੍ਰੇਸ਼ਨ, ਕੋਰਸ, ਪ੍ਰਗਤੀ) ਬਣਾਓ ਅਤੇ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਨਾਲ ਇਸ KPI ਲਈ ਤਿਆਰ ਕੀਤਾ SQL ਡਰਾਫਟ ਰੱਖੋ। (3) ਪੁੱਛਗਿੱਛ ਵਿੱਚ ਦੋਹਰੀ ਗਿਣਤੀ ਜਾਂ ਗਲਤ ਫਿਲਟਰਿੰਗ ਦੇ ਘੱਟੋ-ਘੱਟ ਇੱਕ ਸੰਭਾਵਿਤ ਜੋਖਮ ਦਾ ਪਤਾ ਲਗਾਓ। (4) ਸਿੱਟੇ ਦਾ ਇੱਕ ਕਾਰਜਕਾਰੀ ਸਾਰਾਂਸ਼ ਛਾਪੋ ਅਤੇ ਇਸ ਵਿੱਚ ਹਰੇਕ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ। (5) ਸਬੰਧ-ਕਾਰਨ ਜਾਲ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਸੈੱਟ ਕਰੋ ਅਤੇ ਦੱਸੋ ਕਿ ਤੁਸੀਂ ਇਸਨੂੰ ਕਿਵੇਂ ਪਰਖੋਗੇ।
ਚੈੱਕਲਿਸਟ
- [ ] ਫਾਰਮੂਲਾ, ਸਮਾਂ ਵਿੰਡੋ ਅਤੇ ਹਰੇਕ KPI ਦਾ ਅਪਵਾਦ ਲਿਖਿਆ ਗਿਆ ਹੈ।
- [ ] ਮੈਂ AI ਲਾਈਨ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ SQL ਨੂੰ ਪੜ੍ਹਿਆ ਅਤੇ ਸਮਝਿਆ।
- [ ] ਮੈਂ ਬਹੁਤ ਘੱਟ ਜਾਣੇ-ਪਛਾਣੇ ਡੇਟਾ ਨਾਲ ਪੁੱਛਗਿੱਛ ਨੂੰ ਹੱਥੀਂ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸਬੂਤ ਦੇ ਨਾਲ ਰਿਪੋਰਟ ਵਿੱਚ ਹਰ ਕਾਰਨ ਦੇ ਦਾਅਵੇ ਦੀ ਜਾਂਚ ਕੀਤੀ।
- [ ] ਮੈਂ ਹਰੇਕ ਸੰਖਿਆ ਨੂੰ ਇੱਕ ਬੈਂਚਮਾਰਕ (ਨਿਸ਼ਾਨਾ/ਆਖਰੀ ਮਿਆਦ) ਨਾਲ ਪ੍ਰਸੰਗਿਕ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਮੈਟ੍ਰਿਕ ਪਰਿਭਾਸ਼ਾਵਾਂ 'ਤੇ ਕਰਾਸ-ਟੀਮ ਦੀ ਸਹਿਮਤੀ ਪ੍ਰਾਪਤ ਕੀਤੀ।