ලාභ:
- ව්යාපාර බුද්ධි ස්ථර (මූලාශ්රය, ETL, දත්ත ගබඩාව, වාර්තාව) සහ ප්රධාන ව්යාපාර ප්රමිතික (KPIs) පිළිබඳ නිවැරදි අර්ථ දැක්වීම පැහැදිලි කිරීමේ හැකියාව.
- මෙට්රික් නිර්වචනය, SQL කෙටුම්පත සහ වාර්තා ආඛ්යානය නිෂ්පාදනය කිරීමට සහ ප්රතිඵලය සැබෑ දත්ත සමඟ සැපයීමට කෘතිම බුද්ධිය භාවිතා කිරීමේ හැකියාව
- AI-සහාය දක්වන විශ්ලේෂණ ප්රතිදානයන්හි සහසම්බන්ධතා-හේතු ව්යාකූලත්වය සහ නොමඟ යවන ප්රමිතික පිළිබඳ අවදානම් හඳුනා ගැනීමේ හැකියාව
ව්යාපාර බුද්ධිය (BI) යනු සංවිධානයේ විසිරී ඇති දත්ත රැස් කරන, එය විශ්ලේෂණය සඳහා සූදානම් කරන සහ මෙම දත්තවලින් තීරණ ගැනීමට සහාය වන තොරතුරු නිපදවන විනයයි. MIS වෘත්තිකයෙකු සඳහා, BI යනු "දත්ත තීරණ බවට පත්වන" ස්ථරයයි. අමු ඇණවුම් වාර්තා පමණක් අර්ථවත් නොවේ; නමුත් "මේ මාසයේ පිරිවැටුම අඩු වූයේ කුමන කලාපයේද, ඇයි?" එය ප්රශ්නයට පිළිතුරු දිය හැකි වාර්තාවක් බවට පත් වූ විට එය වටිනාකමක් ඇති කරයි. මෙම ඒකකය තුළ, BI හි ස්ථර, නිවැරදි මෙට්රික් සැලසුම සහ කෘතිම බුද්ධිය මෙම ක්රියාවලියේ ත්වරණයක් සහ උගුලක් වන තැන අපි දකිමු.
BI ගෘහ නිර්මාණ ශිල්පය සාමාන්යයෙන් පහත ස්ථර වලින් සමන්විත වේ. මූලාශ්ර පද්ධති: ERP, CRM, e-commerce වැනි දත්ත ආරම්භ වන ස්ථාන. ETL ක්රියාවලිය (English Extract-Transform-Load): මූලාශ්රවලින් දත්ත උපුටා ගන්නා ක්රියාවලිය (උපුටා ගැනීම), එය පිරිසිදු කර සම්මත ව්යුහයක් (Transform) බවට පරිවර්තනය කර ඉලක්කයට (Load) පැටවීම. දත්ත ගබඩාව: විශ්ලේෂණය සඳහා නිර්මාණය කර ඇති ඓතිහාසික හා ස්ථාවර දත්ත රැස් කරන මධ්යම ගබඩාවකි. වාර්තා කිරීම/දෘශ්යකරණ ස්තරය: උපකරණ පුවරු, වාර්තා, සහ තාවකාලික විමසුම්. මෙම දාමය තුළ, එක් එක් ස්ථරයේ ගුණාත්මකභාවය ඊළඟට තීරණය කරයි; මූලාශ්රය අපිරිසිදු නම් වාර්තාවත් අපිරිසිදුයි.
Metrics සහ KPIs නිවැරදිව නිර්වචනය කිරීම
මෙට්රික් යනු මනින ලද සංඛ්යාත්මක අගයකි: සම්පූර්ණ පිරිවැටුම, ඇණවුම් ගණන. KPI (ප්රධාන කාර්ය සාධන දර්ශකය) යනු ඉලක්කයකට එරෙහිව කාර්ය සාධනය මනින තීරනාත්මක මෙට්රික් එකකි: "මාසික පාරිභෝගිකයින් 5% ට අඩු අනුපාතය". සෑම මෙට්රික් එකක්ම KPI නොවේ; KPI යනු ව්යාපාරික ඉලක්කයකට බැඳී ඇති සහ තීරණයක් අවුලුවාලන මෙට්රික් එකකි.
BI ව්යාපෘතිවල වඩාත්ම ද්රෝහී ගැටලුව වන්නේ ප්රමිතිකවල නොපැහැදිලි අර්ථ දැක්වීමයි. "ක්රියාකාරී පාරිභෝගිකයා" යන්නෙන් අදහස් කරන්නේ කුමක්ද? පසුගිය දින 30 හෝ දින 90 තුළ ඇණවුම් කළාද? ආපසු පැමිණි අය ගණන් කරන්නේද? කණ්ඩායම් දෙකක් "ක්රියාකාරී පාරිභෝගිකයින් ගණන" මගින් විවිධ දේවල් අදහස් කරන්නේ නම්, එකම උපකරණ පුවරුව වෙනස් කරුණු දෙකක් පෙන්වයි. සෑම KPI එකකටම එක වාක්යයක්, පුළුල් ලෙස පිළිගත් නිර්වචනයක් තිබිය යුත්තේ එබැවිනි. AI ඉක්මනින් මෙම නිර්වචනවල කෙටුම්පත් නිෂ්පාදනය කරයි; නමුත් "නිවැරදි" නිර්වචනය තීරණය කිරීම ව්යාපාරික ඒකකයට භාරයි.
ඉඟිය: KPI එකක් නිර්මාණය කරන විට, කරුණු තුනක් ලියන්න: (1) සූත්රය (හරියටම සංඛ්යාව/හරය කුමක්ද), (2) කාල කවුළුව, (3) බැහැර කළ අවස්ථා. "මෙම KPI හි නිර්වචනයේ ඇති අපැහැදිලි ප්රශ්න ලෙස උපුටා ගන්න" යැයි AI පැවසීමෙන් සැඟවුණු උපකල්පන හෙළි වේ.
පියවරෙන් පියවර: AI බලගතු වාර්තා උත්පාදනය
පියවර 1 - ප්රශ්නය පැහැදිලි කරන්න. වාර්තාව ලබා දෙන්නේ කුමන තීරණයද? "අපි අයවැය මාරු කරන්නේ කුමන කලාපයටද යන්න අපි තීරණය කරමු" වැනි සංයුක්ත ඉලක්කයක්, "එය ලස්සන විය යුතුය" නොවේ.
පියවර 2 - ප්රමිතික නිර්වචනය කරන්න. සූත්ර, කවුළු සහ ව්යතිරේක සමඟ අවශ්ය KPI ලියන්න. කෘතිම බුද්ධියට කෙටුම්පත් නිර්වචන ඉදිරිපත් කළ හැකිය.
පියවර 3 - SQL කෙටුම්පත ජනනය කරන්න. කෘත්රිම බුද්ධියට යෝජනා ක්රම තොරතුරු ලබා දී විමසුම් කෙටුම්පතක් නිෂ්පාදනය කරන්න. නමුත් එය ධාවනය කිරීමට පෙර විමසුම කියවා තේරුම් ගන්න.
පියවර 4 - කුඩා දත්ත සමඟ තහවුරු කරන්න. දන්නා ප්රතිඵල සහිත කුඩා සාම්පලයක් මත විමසුම පළමුව ධාවනය කරන්න; එකතුව අතින් පරීක්ෂා කරන්න. AI හි SQL වාක්යානුකූලව නිවැරදි නමුත් තාර්කිකව වැරදි විය හැක.
පියවර 5 - ආඛ්යානය, පරීක්ෂණ හිමිකම් එකතු කරන්න. AI හට වාර්තාව සඳහා ආඛ්යාන පෙළක් නිපදවිය හැක; නමුත් සෑම හේතු ප්රකාශයක්ම ඔප්පු කරන්න ("ඒකයි විකුණුම් පහත වැටුනේ").
සහසම්බන්ධය සහ හේතුකාරක උගුල
BI හි ඇති භයානකම වැරැද්ද නම් එකට ක්රියා කරන ප්රමිතික දෙකක් "එකක් නිර්මාණය කරයි" ලෙස අර්ථ දැක්වීමයි. සහසම්බන්ධතාවය යනු අගයන් දෙකක් එකට වෙනස් වන විටය; හේතුඵල යනු එකක් අනෙකක් ඇති කරන විටය. "අයිස්ක්රීම් අලෙවිය වැඩි වූ විට දියේ ගිලී මිය යන අවස්ථා වැඩි විය" යන වාක්යය සත්ය නමුත් අයිස් ක්රීම් දියේ ගිලීමට හේතු නොවේ; පොදු හේතුව ගිම්හානය (උණුසුම් කාලගුණය). වාර්තා ආඛ්යානයක් නිෂ්පාදනය කිරීමේදී කෘත්රිම බුද්ධියට පහසුවෙන් හේතු වාක්ය සෑදිය හැක; MIS විශේෂඥයා මෙම ප්රකාශයන්ට ප්රතිචාර දක්වන්නේ "වෙනත් පැහැදිලි කිරීමක් තිබේද?" ඔහු එය පරීක්ෂා කළ යුතුය. එසේ නොමැති නම්, වැරදි හේතුව මත වැරදි තීරණයක් ගනු ඇත.
කුඩා අවස්ථා තුනක්: අංක අනුව
නඩුව 1 - නිර්වචනය නොකළ මෙට්රික් පිරිවැය. ටෙලිකොම් සමාගමක අධ්යක්ෂ මණ්ඩලයට ඉදිරිපත් කළ "ක්රියාකාරී ග්රාහකයින්" සංඛ්යාව මිලියන 2.1 ක් වූ අතර මූල්ය කණ්ඩායමේ වාර්තාව මිලියන 1.7 කි. වෙනස වූයේ එක් දිනක් දින 90ක් "ක්රියාකාරී" ලෙස ගණන් කළ අතර අනෙකා දින 30ක් ගණන් කර තිබීමයි. පොදු නිර්වචනය පැහැදිලි කරන තෙක් වැරදි වර්ධන වේගය සති දෙකක් සඳහා සාකච්ඡා කරන ලදී. එක් වාක්ය KPI නිර්වචනයක් මෙම ව්යාකූලත්වය මඟහරවා ගනු ඇත.
නඩුව 2 — AI හි වැරදි SQL. එක් සිල්ලර වෙළෙන්දාකදී, "පාරිභෝගිකයෙකු සඳහා සාමාන්ය කූඩය" යන විමසුම උත්පාදනය කිරීමේදී AI විසින් මුළු ප්රමාණයට ප්රතිලාභ රේඛා එකතු කරන ලදී. ප්රතිඵලය සැබෑ අගයට වඩා 12% වැඩි විය. SQL වාක්යානුකූලව පරිපූර්ණ විය. විශේෂඥයා දන්නා දිනක එකතුව හස්තීයව සත්යාපනය කළ විට, ඔහු අපගමනය අල්ලාගෙන ප්රතිලාභ පෙරහන එක් කළේය.
3 වන අවස්ථාව - හේතුකාරකයේ වැරදි. ඊ-වාණිජ්ය සමාගමක, උපකරණ පුවරුව "ඊමේල් ව්යාපාරයක් යවන දිනවලදී විකුණුම් 18% වැඩි වේ" යනුවෙන් සඳහන් කර ඇති අතර කණ්ඩායම ප්රචාරක අයවැය වැඩි කිරීමට සූදානම්ව සිටියේය. විශ්ලේෂණයෙන් පෙන්නුම් කළේ අධික තදබදය සහිත ප්රචාරක දින (වට්ටම් කාලසීමාවන්) සමග සමපාත වීමට ප්රචාරණ කටයුතු දැනටමත් කාල නියම කර ඇති බවයි. එය විකුණුම් මෙහෙයවූයේ ඊමේල් නොව කාල පරිච්ඡේදයයි. පාලක කණ්ඩායමක් සමඟ පරීක්ෂණයකින් තොරව අයවැය වැඩි කළහොත්, මුදල් නාස්ති වනු ඇත.
දුර්වල ක්ෂණික / ශක්තිමත් ක්ෂණික
දුර්වල ක්ෂණික:
මෙම වගුවෙන් SQL විකුණුම් වාර්තාව ලියන්න.
බලවත් විමසුම:
ඔබගේ කාර්යභාරය: ඔබ අවධානයෙන් සිටින BI විශ්ලේෂකයෙකි. පහත රූප සටහනට අනුව SQL විමසුමක කෙටුම්පතක් ලියන්න. රීති:- ලබා දී ඇති වගු/ක්ෂේත්ර පමණක් භාවිතා කරන්න; නොගැලපෙන ක්ෂේත්රය.- ප්රතිලාභ (තත්ත්වය='ආපසු') එකතුවෙන් බැහැර කරන්න.- කාල කවුළුව: පසුගිය දින 30.- විමසුම කරන්නේ කුමක්දැයි පේළියෙන් පේලියට අදහස් දක්වන්න.- අවසානයේ පරීක්ෂා කිරීම සඳහා අතින් වලංගු කළ හැකි නියැදි පේළි 1ක් යෝජනා කරන්න. කොටස අනුව ශුද්ධ පිරිවැටුම.
ප්රබල විමසුම මඟින් ක්රමලේඛනය සීමා කරයි, ව්යාපාරික රීතිය (ආපසු හැරවීම හැර), කවුළුව නියම කරයි, සහ සත්යාපනය කළ හැකි ප්රතිදානයක් ඉල්ලා සිටී.
පිටපත් කළ හැකි සැකිලි හතරක්
1) KPI අර්ථ දැක්වීම පැහැදිලි කිරීම:
පහත KPI සඳහා සම්පූර්ණ විස්තරය ලියන්න: සූත්රය (සංඛ්යා / හරය), කාල කවුළුව, බැහැර කළ අවස්ථා. නිර්වචනයේ කිසියම් අපැහැදිලි බවක් ප්රශ්නයක් ලෙස එක් කරන්න.KPI: [නම, උදා. "පාරිභෝගික ඉවතලන අනුපාතය"]
2) SQL තර්ක පරීක්ෂාව:
පහත SQL විමසුම පරීක්ෂා කරන්න: තාර්කික දෝෂ, වැරදි සම්බන්ධවීම්, නැතිවූ පෙරහන් හෝ ද්විත්ව ගණන් කිරීමේ අවදානමක් තිබේද? එක් එක් සොයා ගැනීම සඳහා සාධාරණීකරණයක් ලියන්න. විමසුම වෙනස් නොකරන්න, එය පරීක්ෂා කරන්න. SQL: [විමසුම]
3) වාර්තා ආඛ්යානය + හිමිකම් පාලනය:
පහත ප්රතිඵල වගුවෙන් කෙටි විධායක සාරාංශයක් ලියන්න. එක් එක් හේතු ප්රකාශය අසල [සාක්ෂි අවශ්යයි] ලේබල් කර විකල්ප පැහැදිලි කිරීමක් යෝජනා කරන්න. වගුවේ ඇති දත්ත මත පමණක් රඳා සිටින්න. වගුව: [දත්ත]
4) මෙට්රික් අනුකූලතා පරීක්ෂාව:
පහත වාර්තා දෙකෙහි, එකම නම සහිත ප්රමිතික විවිධ අගයන් ලබා දෙයි. නිර්වචනයේ ඇති විය හැකි වෙනස්කම් (කාල කවුළුව, පෙරහන, ගණනය කිරීම) ලැයිස්තුගත කර ඇත. වාර්තා: [A] [B]
සංසන්දනාත්මක වගුව: හොඳ සහ නරක KPI
ලක්ෂණය
නරක KPI
හොඳ KPI
විස්තරය
"ක්රියාකාරී පාරිභෝගිකයා"
"පසුගිය දින 30 තුළ සම්පූර්ණ කළ ඇණවුම ≥1 සහිත පාරිභෝගිකයා"
ඉලක්කය සමඟ බැඳීම
කිසිවක් නැත
"5% අලාභ අනුපාතයට වඩා අඩුවෙන් සිටීම"
මැනීමේ හැකියාව
අපැහැදිලි
සූත්රය පැහැදිලිය
ව්යතිරේක
අවිනිශ්චිත
ප්රතිලාභ හැර
එය තීරණයක් අවුලුවයිද?
නැත
ඔව්
පොදු වැරදි
- මෙට්රික් නිර්වචනය නොකර තැබීම. සූත්රයකින් තොරව "ක්රියාකාරී," "සාර්ථක," "සම්පූර්ණ" වැනි වචන භාවිතා කරන්නේ නම්, එක් එක් කණ්ඩායම වෙනස් ලෙස ගණන් ගනී.
- සත්යාපනයකින් තොරව AI හි SQL ධාවනය කිරීම. වාක්යානුකූලව නිවැරදි විමසුමක් තර්කානුකූලව වැරදි විය හැක; ද්විත්ව ගණන් කිරීම සහ වැරදි එකතු වීම පොදු වේ.
- ව්යාකූල සහසම්බන්ධය හේතුකාරකය සමඟ. "ඒකත් එක්ක වැඩි වුනා" කියලා හිතන එක "මේක නිසා ඇති වුනා" කියන එක වැරදි තීරණයකට තුඩු දෙනවා.
- නිෂ්ඵල මෙට්රික් ලුහුබැඳීම. KPIs ලෙස "සම්පූර්ණ ක්ලික් කිරීම්" වැනි විසිතුරු නමුත් තීරණාත්මක නොවන ප්රමිතික වැරදියි.
- සන්දර්භය නොමැතිව අංක ඉදිරිපත් කිරීම. "පිරිවැටුම මිලියන 4.2" පමණක් අර්ථ විරහිත ය; පසුගිය මාසය, ඉලක්කය හෝ අයවැය මත පදනම්ව සන්දර්භය අවශ්ය වේ.
අවවාදයයි: කෘත්රිම බුද්ධිය මගින් නිපදවන ලද වාර්තා ආඛ්යාන ඒත්තු ගන්වනසුලු සහ දියාරු ය; මෙය හරියටම අවදානම විශාල කරයි. චතුර වාක්යයක් හේතුකාරකය පිළිබඳ ව්යාජ ප්රකාශයක් ගෙන යා හැකිය. එක් එක් "නිසා" සහ "එබැවින්" ප්රකාශය සාක්ෂි සහිතව පරීක්ෂා කරන්න.
සාරාංශයකින්
ව්යාපාර බුද්ධිය යනු විසිරුණු දත්ත තීරණ බවට පරිවර්තනය කරන ස්තරය වන අතර මූලාශ්රය, ETL, දත්ත ගබඩාව සහ වාර්තා දාමයෙන් සමන්විත වේ. KPI යනු පැහැදිලිව නිර්වචනය කරන ලද සූත්රයක් සහ ව්යතිරේකයක් සහිත ව්යාපාරික ඉලක්කයකට බැඳී ඇති තීරණාත්මක මෙට්රික් එකකි; undefined metric යනු වඩාත් පොදු BI දෝෂයයි. කෘතිම බුද්ධිය KPI නිර්වචනය, SQL කෙටුම්පත සහ වාර්තා ආඛ්යානය නිෂ්පාදනය කිරීමේදී සැලකිය යුතු වේගයක් සපයයි; නමුත් සෑම SQL එකක්ම තාර්කිකව යුක්ති සහගත විය යුතුය, සෑම අංකයක්ම දන්නා දත්ත මගින් සහය විය යුතුය, සහ සෑම හේතු ප්රකාශයක්ම සාක්ෂි සහිතව පරීක්ෂා කළ යුතුය. සහසම්බන්ධය හේතුකාරක නොවේ; තරල ආඛ්යානය නිරවද්යතාවය සහතික නොකරයි.
යෙදුම් කාර්යය
මාර්ගගත පාඨමාලා වේදිකාවක් සඳහා "සම්පූර්ණ කිරීමේ අනුපාතය" KPI නිර්මාණය කරන්න. (1) සූත්රය, කාල කවුළුව සහ ව්යතිරේක සහිත එක් වාක්ය විස්තරයක් ලියන්න (උදා: අවලංගු කළ ලියාපදිංචි කිරීම් ගණන් කර තිබේද?). (2) සරල යෝජනා ක්රමයක් (ලියාපදිංචිය, පාඨමාලාව, ප්රගතිය) සාදා මෙම KPI සඳහා SQL කෙටුම්පත බලවත් විමසුමකින් ජනනය කරන්න. (3) විමසුමේ අවම වශයෙන් ද්විත්ව ගණන් කිරීමේ හෝ වැරදි පෙරීමේ අවදානමක් සොයා ගන්න. (4) නිගමනයෙහි විධායක සාරාංශයක් මුද්රණය කර එහි එක් එක් හේතු ප්රකාශය සලකුණු කරන්න. (5) සහසම්බන්ධතා-හේතු උගුලෙහි උදාහරණයක් සකසන්න සහ ඔබ එය පරීක්ෂා කරන ආකාරය පැහැදිලි කරන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] එක් එක් KPI හි සූත්රය, කාල කවුළුව සහ ව්යතිරේකය ලියා ඇත.
- [ ] මම AI මඟින් ජනනය කරන ලද SQL පේළියෙන් පේළිය කියවා තේරුම් ගතිමි.
- [ ] මම එතරම් නොදන්නා දත්ත සමඟ විමසුම අතින් වලංගු කළෙමි.
- [ ] මම වාර්තාවේ සෑම හේතු ප්රකාශයක්ම සාක්ෂි සහිතව පරීක්ෂා කළෙමි.
- [ ] මම සෑම අංකයක්ම මිණුම් ලකුණක් සමඟ සන්දර්භගත කළෙමි (ඉලක්කය/අවසන් කාල සීමාව).
- [ ] මම ප්රමිතික නිර්වචන පිළිබඳ හරස්-කණ්ඩායම් එකඟතාවයක් ලබා ගත්තෙමි.