Die Anfrage geht um 16:20 Uhr ein. Ein Stakeholder benötigt eine tägliche Umsatzkennzahl (KPI), aufgeschlüsselt nach channel für die letzten 90 Tage – und zwar noch vor dem morgigen Stand-up-Meeting via Slack.
Ein KI-Assistent kann schnell einen ersten Entwurf für die SQL-Abfrage erstellen. Die Verantwortung für die gelieferte Zahl liegt jedoch weiterhin bei Ihnen. Wenn die Abfrage aufgrund eines Many-to-Many-Joins Umsätze doppelt zählt, liegt der Fehler im weiteren Prozessverlauf bei Ihnen, nicht beim Modell. Die professionelle Vorgehensweise besteht darin, KI dort für mehr Geschwindigkeit zu nutzen, wo Fehler kaum ins Gewicht fallen, und dort Überprüfungsschritte beizubehalten, wo Fehler kostspielige Folgen hätten.
Lernen Sie die wesentlichen Schritte dieses Prozesses kennen.
Setzen Sie KI ein, um SQL-Entwürfe zu generieren, wenn das Arbeitsergebnis überprüfbar ist. Das Erstellen eines Abfrage-Grundgerüsts, die Übersetzung einer Fragestellung in eine GROUP BY-Klausel oder die Generierung von Validierungsabfragen eignen sich hierfür hervorragend, da Sie diese ausführen und die Ergebnisse vergleichen können.
Ein praktisches Beispiel: Sie verfügen über eine Tabelle fact_orders mit 12,4 Millionen Zeilen für den Zeitraum vom 01.01.2024 bis zum 30.06.2024 sowie eine Tabelle dim_channel, die über die channel_id verknüpft ist. Die Fragestellung lautet: „Täglicher Nettoumsatz nach Vertriebskanal für die letzten 90 Tage.“ Die KI kann die Joins und den Datumsfilter entwerfen; anschließend überprüfen Sie die Granularität der Zeilen und die Join-Kardinalität, bevor Sie sich auf die Gesamtsummen verlassen.
Verzichten Sie auf den Einsatz von KI bei Aufgaben, die eine verbindliche Entscheidung erfordern. Die Definition von KPIs, die Festlegung des Geltungsbereichs von Kennzahlen und die Definition von Geschäftsregeln sind keine bloßen Entwurfsaufgaben. Es handelt sich um Entscheidungen. Die KI kann Ihre Definition zwar neu formulieren, doch Sie müssen entscheiden, ob mit „Umsatz“ der Bruttoumsatz, der Umsatz abzüglich Rückerstattungen oder Rabatte oder der realisierte Umsatz gemeint ist – und Sie tragen die Verantwortung für die Konsequenzen, falls Stakeholder auf der Grundlage einer falschen Definition handeln.
Vergleichen Sie das Risiko verschiedener Aufgaben.
Sie werden während des gesamten Kurses einen einheitlichen Workflow verwenden. Ein Verifizierungsschritt (Verification Gate) ist eine Phase, in der Sie erst dann fortfahren, wenn Sie nachweisen können, dass die Abfrage der festgelegten Definition entspricht.
Beginnen Sie mit einer konkreten Spezifikation. Formulieren Sie die Definition der Kennzahl, den Zeitraum, die Granularität und die Segmentierungsdimensionen in verständlicher Sprache.
Generieren Sie anschließend die Inhalte. Die KI entwirft den SQL-Code sowie die Prüfschritte, mit denen Sie das Ergebnis verifizieren. Sie führen alle Schritte selbst in Ihrem Data Warehouse aus.
Validierung bedeutet nicht einfach nur, dass „Zeilen zurückgegeben wurden“. Validieren Sie stattdessen mittels Triangulation: Vergleichen Sie das Ergebnis mit einem bekannten Dashboard-Wert für einen bestimmten Tag, prüfen Sie die Gesamtsummen vor und nach dem Join und bestätigen Sie die Granularität durch Zählen der eindeutigen Schlüssel (Distinct Keys). Wenn sich SUM(revenue) beim Join mit dim_channel ändert, ist dies ein Warnsignal, das Sie vor der Weitergabe des Ergebnisses klären müssen.
Auch die Dokumentation gehört zum Abschluss der Aufgabe. Speichern Sie den finalen SQL-Code, die zugrundeliegenden Annahmen und die Validierungsabfragen. Wenn ein anderer Analyst Ihr Ergebnis am nächsten Tag nicht reproduzieren kann, gilt die Aufgabe noch nicht als erledigt.
Probieren Sie den Workflow aus, den Sie in diesem Kurs anwenden werden.