ஆதாயங்கள்:
- வணிக நுண்ணறிவு அடுக்குகளை (மூலம், ETL, தரவுக் கிடங்கு, அறிக்கை) மற்றும் முக்கிய வணிக அளவீடுகளின் (KPIகள்) சரியான வரையறையை விளக்கும் திறன்.
- செயற்கை நுண்ணறிவைப் பயன்படுத்தி மெட்ரிக் வரையறை, SQL வரைவு மற்றும் அறிக்கை விவரம் மற்றும் உண்மையான தரவு மூலம் முடிவை வழங்கும் திறன்
- AI-ஆதரவு பகுப்பாய்வு வெளியீடுகளில் தொடர்பு-காரணக் குழப்பம் மற்றும் தவறாக வழிநடத்தும் அளவீடுகளின் அபாயங்களைக் கண்டறியும் திறன்
வணிக நுண்ணறிவு (BI) என்பது நிறுவனத்தின் சிதறிய தரவைச் சேகரித்து, பகுப்பாய்வுக்குத் தயார்படுத்தும் மற்றும் இந்தத் தரவிலிருந்து முடிவெடுக்கும் தகவலைத் தயாரிக்கும் துறையாகும். ஒரு MIS நிபுணருக்கு, BI என்பது "தரவு முடிவுகளாக மாறும்" அடுக்கு ஆகும். ரா ஆர்டர் பதிவுகள் மட்டும் அர்த்தமுள்ளவை அல்ல; ஆனால் "இந்த மாதம் எந்த பகுதியில் விற்றுமுதல் குறைந்துள்ளது, ஏன்?" கேள்விக்கு பதிலளிக்கக்கூடிய அறிக்கையாக அது மாறும்போது அது மதிப்பை உருவாக்குகிறது. இந்த யூனிட்டில், BI இன் அடுக்குகள், சரியான மெட்ரிக் வடிவமைப்பு மற்றும் செயற்கை நுண்ணறிவு இந்த செயல்பாட்டில் ஒரு முடுக்கி மற்றும் ஒரு பொறி ஆகியவற்றைக் காண்போம்.
BI கட்டமைப்பு பொதுவாக பின்வரும் அடுக்குகளைக் கொண்டுள்ளது. மூல அமைப்புகள்: ERP, CRM, e-commerce போன்ற தரவுகள் உருவாகும் இடங்கள். ETL செயல்முறை (ஆங்கில எக்ஸ்ட்ராக்ட்-டிரான்ஸ்ஃபார்ம்-லோட்): மூலங்களிலிருந்து தரவைப் பிரித்தெடுக்கும் செயல்முறை (எக்ஸ்ட்ராக்ட்), அதைச் சுத்தம் செய்து நிலையான கட்டமைப்பாக (மாற்றம்) மாற்றி இலக்குக்கு (லோட்) ஏற்றுகிறது. தரவுக் கிடங்கு: ஆய்வுக்காக வடிவமைக்கப்பட்ட வரலாற்று மற்றும் நிலையான தரவு சேகரிக்கப்படும் மையக் களஞ்சியம். அறிக்கையிடல்/காட்சிப்படுத்தல் அடுக்கு: டாஷ்போர்டுகள், அறிக்கைகள் மற்றும் தற்காலிக வினவல்கள். இந்த சங்கிலியில், ஒவ்வொரு அடுக்கின் தரமும் அடுத்ததை தீர்மானிக்கிறது; ஆதாரம் அழுக்காக இருந்தால், அறிக்கையும் அழுக்கு.
அளவீடுகள் மற்றும் KPIகளை சரியாக வரையறுத்தல்
மெட்ரிக் என்பது அளவிடப்பட்ட எண் மதிப்பு: மொத்த வருவாய், ஆர்டர்களின் எண்ணிக்கை. ஒரு கேபிஐ (முக்கிய செயல்திறன் காட்டி) என்பது ஒரு இலக்குக்கு எதிரான செயல்திறனை அளவிடும் ஒரு முக்கியமான அளவீடு ஆகும்: "மாதாந்திர வாடிக்கையாளர்களின் எண்ணிக்கை 5%க்குக் கீழே". ஒவ்வொரு அளவீடும் ஒரு KPI அல்ல; ஒரு KPI என்பது வணிக இலக்குடன் இணைக்கப்பட்ட ஒரு மெட்ரிக் மற்றும் ஒரு முடிவைத் தூண்டுகிறது.
BI திட்டங்களின் மிகவும் நயவஞ்சகமான பிரச்சனை அளவீடுகளின் தெளிவற்ற வரையறை ஆகும். "செயலில் உள்ள வாடிக்கையாளர்" என்றால் என்ன? கடந்த 30 நாட்களில் ஆர்டர் செய்ததா அல்லது 90 நாட்களில் ஆர்டர் செய்ததா? திரும்பியவர்கள் கணக்கிடப்படுகிறார்களா? "செயலில் உள்ள வாடிக்கையாளர்களின் எண்ணிக்கை" மூலம் இரண்டு அணிகள் வெவ்வேறு விஷயங்களைக் குறிக்கின்றன என்றால், ஒரே டாஷ்போர்டு இரண்டு வெவ்வேறு உண்மைகளைக் காட்டுகிறது. அதனால்தான் ஒவ்வொரு கேபிஐக்கும் ஒரு வாக்கியம், பரவலாக ஏற்றுக்கொள்ளப்பட்ட வரையறை இருக்க வேண்டும். AI இந்த வரையறைகளின் வரைவுகளை விரைவாக உருவாக்குகிறது; ஆனால் எந்த வரையறை "சரியானது" என்பதை வணிகப் பிரிவுதான் தீர்மானிக்க வேண்டும்.
உதவிக்குறிப்பு: ஒரு கேபிஐ வடிவமைக்கும் போது, மூன்று விஷயங்களை எழுதவும்: (1) சூத்திரம் (எண்/வகுப்பு சரியாக என்ன), (2) நேர சாளரம், (3) விலக்கப்பட்ட வழக்குகள். "இந்த KPI இன் வரையறையில் உள்ள தெளிவின்மைகளை கேள்விகளாக பிரித்தெடுக்கவும்" என்று AI கூறுவது மறைக்கப்பட்ட அனுமானங்களை வெளிப்படுத்துகிறது.
படிப்படியாக: AI-இயக்கப்படும் அறிக்கை உருவாக்கம்
படி 1 - கேள்வியை தெளிவுபடுத்தவும். அறிக்கை என்ன முடிவு எடுக்கும்? "பட்ஜெட்டை எந்தப் பகுதிக்கு மாற்றுவது என்பதை நாங்கள் தீர்மானிப்போம்", "அது அழகாக இருக்க வேண்டும்" என்பது போன்ற உறுதியான இலக்கு.
படி 2 - அளவீடுகளை வரையறுக்கவும். சூத்திரங்கள், சாளரங்கள் மற்றும் விதிவிலக்குகளுடன் தேவையான KPIகளை எழுதவும். செயற்கை நுண்ணறிவு வரைவு வரையறைகளை உருவாக்க முடியும்.
படி 3 - SQL வரைவை உருவாக்கவும். செயற்கை நுண்ணறிவுக்கு ஸ்கீமா தகவலைக் கொடுத்து, வினவல் வரைவை உருவாக்கவும். ஆனால் வினவலை இயக்கும் முன் படித்து புரிந்து கொள்ளுங்கள்.
படி 4 - சிறிய தரவுகளுடன் சரிபார்க்கவும். அறியப்பட்ட முடிவுகளுடன் சிறிய மாதிரியில் முதலில் வினவலை இயக்கவும்; மொத்தத்தை கைமுறையாக சரிபார்க்கவும். AI இன் SQL வாக்கிய ரீதியாக சரியாக இருக்கலாம் ஆனால் தர்க்கரீதியாக தவறாக இருக்கலாம்.
படி 5 - விவரிப்பு, சோதனை உரிமைகோரல்களைச் சேர்க்கவும். AI அறிக்கைக்கு ஒரு கதை உரையை உருவாக்க முடியும்; ஆனால் ஒவ்வொரு காரணத்தையும் நிரூபிக்கவும் ("அதனால்தான் விற்பனை சரிந்தது").
தொடர்பு மற்றும் காரணப் பொறி
BI இல் உள்ள மிகவும் ஆபத்தான தவறு, "ஒன்று மற்றொன்றை உருவாக்குகிறது" என ஒன்றாகச் செயல்படும் இரண்டு அளவீடுகளை விளக்குவதாகும். தொடர்பு என்பது இரண்டு மதிப்புகள் ஒன்றாக மாறும்போது; ஒன்று மற்றொன்றை உண்டாக்குவதுதான் காரணம். "ஐஸ்கிரீம் விற்பனை அதிகரித்ததால், நீரில் மூழ்கும் வழக்குகள் அதிகரித்தன" என்ற வாக்கியம் உண்மைதான், ஆனால் ஐஸ்கிரீம் நீரில் மூழ்குவதை ஏற்படுத்தாது; பொதுவான காரணம் கோடை (வெப்பமான வானிலை). செயற்கை நுண்ணறிவு ஒரு அறிக்கை கதையை உருவாக்கும் போது காரண வாக்கியங்களை எளிதாக உருவாக்க முடியும்; MIS நிபுணர் இந்தக் கூற்றுகளுக்கு "வேறு ஏதேனும் விளக்கம் உள்ளதா?" என்று கேட்பதன் மூலம் பதிலளிக்கிறார். அவர் அதை சோதிக்க வேண்டும். இல்லையெனில், தவறான காரணத்தின் அடிப்படையில் தவறான முடிவு எடுக்கப்படும்.
மூன்று சிறிய வழக்குகள்: எண்கள் மூலம்
வழக்கு 1 - வரையறுக்கப்படாத அளவீட்டின் விலை. ஒரு தொலைத்தொடர்பு நிறுவனத்தில், இயக்குநர்கள் குழுவிடம் வழங்கப்பட்ட "செயலில் உள்ள சந்தாதாரர்களின்" எண்ணிக்கை 2.1 மில்லியன், மற்றும் நிதிக் குழுவின் அறிக்கை 1.7 மில்லியன். வித்தியாசம் என்னவென்றால், ஒன்று 90 நாட்களை "செயலில்" என எண்ணியது, மற்றொன்று 30 நாட்களைக் கணக்கிடுகிறது. பொதுவான வரையறை தெளிவுபடுத்தப்படும் வரை தவறான வளர்ச்சி விகிதம் இரண்டு வாரங்களுக்கு விவாதிக்கப்பட்டது. ஒரு வாக்கிய KPI வரையறை இந்த குழப்பத்தைத் தவிர்க்கும்.
வழக்கு 2 — AI இன் தவறான SQL. ஒரு சில்லறை விற்பனையாளரிடம், "ஒரு வாடிக்கையாளருக்கு சராசரி கூடை" என்ற வினவலை உருவாக்கும் போது, AI மொத்தமாக திரும்பும் வரிகளைச் சேர்த்தது; இதன் விளைவாக உண்மையான மதிப்பை விட 12% அதிகமாக இருந்தது. SQL வாக்கிய ரீதியாக சரியானது. தெரிந்த ஒரு நாளின் மொத்தத்தை நிபுணர் கைமுறையாகச் சரிபார்த்தபோது, அவர் விலகலைப் பிடித்து, ரிட்டர்ன் ஃபில்டரைச் சேர்த்தார்.
வழக்கு 3 - காரணத்தின் தவறு. ஒரு ஈ-காமர்ஸ் நிறுவனத்தில், டாஷ்போர்டு "மின்னஞ்சல் பிரச்சாரம் அனுப்பப்படும் நாட்களில் விற்பனை 18% அதிகமாகும்" என்று கூறியது மற்றும் குழு பிரச்சார பட்ஜெட்டை அதிகரிக்க இருந்தது. அதிக ட்ராஃபிக் பிரச்சார நாட்களுடன் (தள்ளுபடி காலங்கள்) ஒத்திசைவாக பிரச்சாரங்கள் ஏற்கனவே நேரமாகிவிட்டதாக பகுப்பாய்வு காட்டுகிறது. இது மின்னஞ்சல் அல்ல, விற்பனையை உந்திய காலம். ஒரு கட்டுப்பாட்டு குழுவுடன் சோதனை இல்லாமல் பட்ஜெட் அதிகரிக்கப்பட்டால், பணம் வீணாகிவிடும்.
பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்
பலவீனமான உடனடி:
இந்த அட்டவணையில் இருந்து SQL விற்பனை அறிக்கையை எழுதவும்.
சக்திவாய்ந்த தூண்டுதல்:
உங்கள் பங்கு: நீங்கள் ஒரு கவனமுள்ள BI ஆய்வாளர். கீழே உள்ள வரைபடத்தின்படி SQL வினவலின் வரைவை எழுதுங்கள். விதிகள்:- கொடுக்கப்பட்ட அட்டவணைகள்/புலங்களை மட்டும் பயன்படுத்தவும்; பொருந்தாத புலம்.- மொத்தத்தில் இருந்து ரிட்டர்ன்களை (நிலை='திரும்ப') விலக்கு.- நேர சாளரம்: கடந்த 30 நாட்கள் பிரிவு வாரியாக நிகர வருவாய்.
சக்திவாய்ந்த ப்ராம்ட் திட்டத்தைக் கட்டுப்படுத்துகிறது, வணிக விதியை விதிக்கிறது (வருகையைத் தவிர்த்து), சாளரத்தைக் குறிப்பிடுகிறது மற்றும் சரிபார்க்கக்கூடிய வெளியீட்டைக் கோருகிறது.
நான்கு நகலெடுக்கக்கூடிய டெம்ப்ளேட்கள்
1) KPI வரையறை தெளிவுபடுத்தல்:
பின்வரும் KPIக்கான முழு விளக்கத்தையும் எழுதவும்: சூத்திரம் (எண்/வகுப்பு), நேர சாளரம், விலக்கப்பட்ட வழக்குகள். விளக்கத்தில் ஏதேனும் தெளிவின்மையை ஒரு கேள்வியாகச் சேர்க்கவும்.KPI: [பெயர், எ.கா. "வாடிக்கையாளர் மந்த விகிதம்"]
2) SQL லாஜிக் சோதனை:
பின்வரும் SQL வினவலை ஆராயவும்: தருக்கப் பிழைகள், தவறான JOINகள், விடுபட்ட வடிப்பான்கள் அல்லது இரட்டை எண்ணும் ஆபத்து உள்ளதா? ஒவ்வொரு கண்டுபிடிப்புக்கும் ஒரு நியாயத்தை எழுதுங்கள். வினவலை மாற்ற வேண்டாம், அதைச் சரிபார்க்கவும். SQL: [கேள்வி]
3) அறிக்கை விவரம் + உரிமைகோரல் கட்டுப்பாடு:
கீழே உள்ள முடிவுகள் அட்டவணையில் இருந்து ஒரு சுருக்கமான நிர்வாகச் சுருக்கத்தை எழுதுங்கள். ஒவ்வொரு காரண உரிமைகோரலுக்கும் அடுத்ததாக [ஆதாரம் தேவை] என்று லேபிளிட்டு மாற்று விளக்கத்தை பரிந்துரைக்கவும். அட்டவணையில் உள்ள தரவை மட்டும் நம்புங்கள். அட்டவணை: [தரவு]
4) மெட்ரிக் நிலைத்தன்மை சரிபார்ப்பு:
கீழே உள்ள இரண்டு அறிக்கைகளிலும், ஒரே பெயரைக் கொண்ட அளவீடுகள் வெவ்வேறு மதிப்புகளைக் கொடுக்கின்றன. வரையறையில் சாத்தியமான வேறுபாடுகள் (நேர சாளரம், வடிகட்டி, கணக்கீடு) பட்டியலிடப்பட்டுள்ளன. அறிக்கைகள்: [A] [B]
ஒப்பீட்டு விளக்கப்படம்: நல்லது மற்றும் கெட்டது KPI
அம்சம்
மோசமான KPI
நல்ல KPI
விளக்கம்
"செயலில் உள்ள வாடிக்கையாளர்"
"கடந்த 30 நாட்களில் ≥1 ஆர்டரை முடித்த வாடிக்கையாளர்"
இலக்குடன் பிணைப்பு
இல்லை
"5% இழப்பு விகிதத்திற்கு கீழே இருப்பது"
அளவிடக்கூடிய தன்மை
தெளிவற்ற
சூத்திரம் தெளிவானது
விதிவிலக்கு
நிச்சயமற்ற
வருமானத்தைத் தவிர்த்து
இது ஒரு முடிவைத் தூண்டுமா?
இல்லை
ஆம்
பொதுவான தவறுகள்
- மெட்ரிக் வரையறுக்கப்படாமல் விட்டுவிடுகிறது. "ஆக்டிவ்," "வெற்றிகரமான," "முடிந்தது" போன்ற வார்த்தைகள் சூத்திரம் இல்லாமல் பயன்படுத்தப்பட்டால், ஒவ்வொரு அணியும் வித்தியாசமாக கணக்கிடப்படும்.
- சரிபார்ப்பு இல்லாமல் AI இன் SQL ஐ இயக்குகிறது. தொடரியல் ரீதியாக சரியான வினவல் தர்க்கரீதியாக தவறாக இருக்கலாம்; இரட்டை எண்ணிக்கை மற்றும் தவறான இணைப்பானது பொதுவானது.
- காரணத்துடன் குழப்பமான தொடர்பு. "அதனுடன் இது அதிகரித்தது" என்று நினைப்பது, "இது ஏற்படுத்தியது" என்பது தவறான முடிவுக்கு வழிவகுக்கும்.
- வேனிட்டி மெட்ரிக் நாட்டம். "மொத்த கிளிக்குகள்" போன்ற ஆடம்பரமான ஆனால் முடிவெடுக்காத அளவீடுகள் KPIகளாக தவறாகப் பயன்படுத்தப்படுகின்றன.
- சூழல் இல்லாமல் எண்களை வழங்குதல். "4.2 மில்லியன் விற்றுமுதல்" மட்டும் அர்த்தமற்றது; கடந்த மாதம், இலக்கு அல்லது பட்ஜெட்டின் அடிப்படையில் சூழல் தேவை.
எச்சரிக்கை: செயற்கை நுண்ணறிவால் உருவாக்கப்பட்ட அறிக்கை விவரிப்புகள் உறுதியானவை மற்றும் திரவமானவை; இது ஆபத்தை துல்லியமாக பெரிதாக்குகிறது. ஒரு சரளமான வாக்கியம் காரண காரியத்தின் தவறான கூற்றைக் கொண்டிருக்கலாம். ஒவ்வொரு "ஏனெனில்" மற்றும் "எனவே" அறிக்கையை ஆதாரத்துடன் சோதிக்கவும்.
சுருக்கமாக
வணிக நுண்ணறிவு என்பது சிதறிய தரவை முடிவுகளாக மாற்றும் அடுக்கு மற்றும் மூல, ETL, தரவுக் கிடங்கு மற்றும் அறிக்கைச் சங்கிலி ஆகியவற்றைக் கொண்டுள்ளது. ஒரு KPI என்பது வணிக இலக்குடன் இணைக்கப்பட்ட ஒரு முக்கியமான அளவீடு ஆகும், தெளிவாக வரையறுக்கப்பட்ட சூத்திரம் மற்றும் விதிவிலக்குகள்; வரையறுக்கப்படாத மெட்ரிக் மிகவும் பொதுவான BI பிழை. செயற்கை நுண்ணறிவு KPI வரையறை, SQL வரைவு மற்றும் அறிக்கை விவரம் தயாரிப்பதில் குறிப்பிடத்தக்க வேகத்தை வழங்குகிறது; ஆனால் ஒவ்வொரு SQL யும் தர்க்கரீதியாக நியாயப்படுத்தப்பட வேண்டும், ஒவ்வொரு எண்ணும் அறியப்பட்ட தரவுகளால் ஆதரிக்கப்பட வேண்டும், மேலும் ஒவ்வொரு காரணக் கோரிக்கையும் ஆதாரத்துடன் சோதிக்கப்பட வேண்டும். தொடர்பு என்பது காரணமல்ல; திரவ விவரிப்பு துல்லியத்திற்கு உத்தரவாதம் அளிக்காது.
விண்ணப்ப பணி
ஆன்லைன் பாடத் தளத்திற்கு "நிறைவு விகிதம்" KPIயை வடிவமைக்கவும். (1) சூத்திரம், நேர சாளரம் மற்றும் விதிவிலக்குகளுடன் ஒரு வாக்கிய விளக்கத்தை எழுதவும் (எ.கா., ரத்து செய்யப்பட்ட பதிவுகள் கணக்கிடப்படுமா?). (2) ஒரு எளிய திட்டத்தை உருவாக்கவும் (பதிவு, பாடநெறி, முன்னேற்றம்) மற்றும் இந்த KPI க்காக SQL வரைவை சக்திவாய்ந்த வரியில் உருவாக்கவும். (3) வினவலில் இருமுறை எண்ணும் அல்லது தவறான வடிகட்டுதலின் சாத்தியமான ஆபத்தையாவது கண்டறியவும். (4) முடிவின் நிர்வாகச் சுருக்கத்தை அச்சிட்டு அதில் ஒவ்வொரு காரணக் கோரிக்கையையும் குறிக்கவும். (5) தொடர்பு-காரணப் பொறியின் உதாரணத்தை அமைத்து, அதை எப்படிச் சோதிப்பீர்கள் என்பதை விளக்குங்கள்.
சரிபார்ப்பு பட்டியல்
- [ ] சூத்திரம், நேர சாளரம் மற்றும் ஒவ்வொரு கேபிஐ விதிவிலக்குகளும் எழுதப்பட்டுள்ளன.
- AI ஆல் உருவாக்கப்பட்ட SQL ஐ வரிக்கு வரியாகப் படித்து புரிந்துகொண்டேன்.
- [ ] நான் அறியப்படாத தரவுகளுடன் வினவலை கைமுறையாக சரிபார்த்தேன்.
- [ ] அறிக்கையில் உள்ள ஒவ்வொரு காரணக் கோரிக்கையையும் ஆதாரத்துடன் சோதித்தேன்.
- [ ] நான் ஒவ்வொரு எண்ணையும் ஒரு அளவுகோலுடன் (இலக்கு/கடைசி காலம்) சூழலாக்கினேன்.
- [ ] மெட்ரிக் வரையறைகளில் நான் குழு-குழு ஒருமித்த கருத்தை அடைந்தேன்.