GÜNDEMDE

DÜNYADAN TEKNOLOJİ HABERLERİ

→
İş Zekâsı

Power BI ve yapay zekâ: gösterge panelinden kök neden analizine

Raporda yaşanan düşüşü bir modele sormadan önce güvenilir veri ve kontrol noktalarını kurun.

Yazılımcının GünlüğüYayımlanma: 15 Kas 20263 dk okuma

Bir sayı tek başına hikâye değildir

Bir grafik geçen haftaya göre düşüş gösteriyorsa önce veri güncellemesini, kaynak eksiklerini ve sezonsallığı kontrol etmek gerekir. Modelin ürettiği ilk açıklama gözlenen bir ilişkiyi nedensellik sanabilir.

Anomali ile neden aynı şey değil

Satışın düştüğü gün web trafiği de düşmüş olabilir. Bu iki olay birlikte görülmüş olsa bile birinin diğerine neden olduğunu söylemek için karşılaştırma, deney veya ek kanıt gerekir.

Kavramsal iş akışı — editöryal çizim

AI için doğru görevler

Doğal dille veri sözlüğünde arama, rapor metni taslakları ve anormal segmentlerin hızlı listelenmesi yararlı uygulamalardır. Ancak finansal kararı doğrudan AI çıktısına devretmek yerine veri kaynağını, hesaplama yöntemini ve insan onayını koruyun.

Önerilen iş akışı

Power Query ile kaynakları hazırlayın, yıldız şemasını kurun, DAX ölçülerini sabitleyin, test vakaları oluşturun ve ancak bundan sonra yapay zekâya sonuçları yorumlatın. En iyi ürün entegrasyonu, ölçümü tahminden ayırabilendir.

Korelasyonu nedensellik sanma hatası

Bir yönetim panelinde dönüşüm oranının düşmesiyle reklam harcamasının azalması aynı döneme denk gelebilir. Bu iki hareketin birlikte görülmesi, bütçe değişiminin düşüşe neden olduğunu tek başına göstermez. Site hızı, sezon, stok bulunabilirliği ve kampanya yapısı gibi başka etmenler de vardır. Yapay zekâya neden düştü diye sormadan önce metriğin hangi tarihlerde, hangi kaynakla hesaplandığını ve veri yenilemesinin tamamlanıp tamamlanmadığını kontrol edin. Kaynaktaki eksik satırlar gerçek müşteri davranışı değişimi gibi yorumlanmamalıdır.

Kök neden incelemesinin adımları

Önce tek bir ana metriğe odaklanın; örneğin haftalık ödeme tamamlama oranı. Tanımı sabitleyip önceki dönemle karşılaştırın. Değişimi cihaz, kanal, ürün grubu ve ülke gibi segmentlere ayırın. En büyük katkıyı yapan alt grubu bulduktan sonra oradaki veri kalitesini, kullanıcı yolculuğunu ve operasyon değişikliklerini inceleyin. AI yardımcısından kesin hüküm vermesini değil olası hipotezleri ve her birini sınamak için gereken kanıtı listelemesini isteyin. Hipotez seçimi ile doğrulama birbirinden ayrı aşamalardır.

Üretken açıklamanın sınırları

Yapay zekâ doğal dilde son derece inandırıcı bir paragraf yazabilir. Bu paragraf gerçek veriyle sınanmadıkça bir bulgu değil varsayımdır. Bir neden iddiasını doğrulamak için karşılaştırma grubu, öncesi-sonrası ölçümleri veya uygun deney gerekebilir. Yönetici ekranında doğrulanmış gözlemleri, olası nedenleri ve bekleyen testleri ayrı gösterin. Kaynakların kapsadığı örneklem büyüklüğü, filtreler ve veri tazeliği belirsizlik hesabında önemlidir. Bir modelin yüksek güven ifadesi gerçek dünyada nedensel kanıt yerine geçmez.

0 okunma

Yorumlar

0 gerçek yorum

Henüz gerçek okuyucu yorumu yok.

✎ Yorum yaz

Yorumlar yayımlanmadan önce incelenir.