आप एक ई-कॉमर्स बिज़नेस के लिए एग्जीक्यूटिव डैशबोर्ड बना रहे हैं, जिसे हर सोमवार तीन सवालों के जवाब देने की ज़रूरत है: क्या रेवेन्यू में बदलाव हुआ? क्या कन्वर्ज़न बदला? और क्या हम कस्टमर्स को बनाए रख पा रहे हैं? डेटासेट में 2024-01-01 से 2024-06-30 तक के 2.4 मिलियन ऑर्डर्स शामिल हैं, जो सेशन और कस्टमर टेबल से जुड़े हैं और जिन्हें चैनल, डिवाइस_टाइप, और नए_बनाम_वापस_आने_वाले_कस्टमर के आधार पर बांटा गया है।
AI आपको SQL ड्राफ़्ट करने, चार्ट के विकल्प सुझाने, हफ़्ते-दर-हफ़्ते हुए बदलावों का सारांश बनाने और अलर्ट के नियम सुझाने में मदद कर सकता है। इनमें से कोई भी आउटपुट अपने-आप में फ़ैसला लेने के लिए तैयार नहीं होता, क्योंकि बाद में होने वाली किसी भी गड़बड़ी की ज़िम्मेदारी आपकी होती है, मॉडल की नहीं। अगर डुप्लिकेट जॉइन की वजह से रेवेन्यू की गलत गणना होती है, तो भी बिज़नेस गलत नंबर के आधार पर ही काम करेगा।
इस कोर्स में पेशेवर नज़रिया सीधा है। AI काम के शुरुआती ड्राफ़्ट तेज़ी से तैयार करता है। एनालिस्ट परिभाषाओं की पुष्टि करता है, सही सोर्स (source of truth) के आधार पर गणनाओं को वैलिडेट करता है, और जो पब्लिश होता है उसे मंज़ूरी देता है।
BI डैशबोर्ड तब भरोसेमंद बनता है जब हर चरण का एक स्पष्ट मालिक और एक वेरिफिकेशन गेट (जांच का चरण) हो। ये चरण हैं: मेट्रिक की परिभाषा, डेटा मॉडलिंग, विज़ुअलाइज़ेशन, पब्लिशिंग और मॉनिटरिंग। AI वहाँ सबसे ज़्यादा उपयोगी है जहाँ काम जेनरेटिव (नया बनाने वाला) और रिवर्सिबल (जिसे बदला जा सके) हो, और वहाँ सबसे कम स्वीकार्य है जहाँ काम का मतलब या गवर्नेंस तय करना हो।
AI मेट्रिक की संभावित परिभाषाएँ और सैंपल SQL बना सकता है। मेट्रिक का फ़ैसला एनालिस्ट को ही करना चाहिए, क्योंकि मेट्रिक बिज़नेस के बारे में एक तर्क या नज़रिया होता है। उदाहरण के लिए, कन्वर्ज़न_रेट को ‘ऑर्डर्स को सेशन से भाग देकर’ परिभाषित करना, ‘ऑर्डर्स को यूनिक विज़िटर्स से भाग देने’ के बराबर नहीं है, और इस चुनाव से चैनल की रैंकिंग बदल जाती है।
AI तेज़ी से चार्ट के प्रकार सुझा सकता है। एनालिस्ट को सवाल और ऑडियंस के हिसाब से चार्ट के चुनाव को मंज़ूरी देनी चाहिए, क्योंकि विज़ुअलाइज़ेशन का चुनाव असल में जानकारी की व्याख्या (interpretation) है, न कि सिर्फ़ सजावट। AI नैरेटिव (विवरण) का ड्राफ़्ट तैयार कर सकता है। एनालिस्ट को फ़ैसले का संदर्भ (context) देना चाहिए, क्योंकि सामान्य नैरेटिव सिर्फ़ सारांश होता है, विश्लेषण नहीं।
समझें कि पूरा वर्कफ़्लो शुरू से आखिर तक कैसे काम करता है।
वेरिफिकेशन उन जाँचों का एक सेट है जो यह पक्का करता है कि आउटपुट, मूल डेटा और तय परिभाषा से मेल खाता है। जब AI SQL बनाता है, तो एनालिस्ट नतीजों का मिलान एक जानी-पहचानी बेसलाइन से करता है, जैसे कि उसी तारीख की रेंज और फ़िल्टर के लिए फ़ाइनेंस रेवेन्यू का डेटा। जब AI कोई चार्ट बनाता है, तो एनालिस्ट चार्ट की सटीकता की जाँच करता है, जिसमें एक्सिस स्केलिंग, टाइम विंडो और अलग-अलग सेगमेंट में डिनॉमिनेटर की एकरूपता शामिल है। छोटा किया गया y-एक्सिस जो 1 प्रतिशत के बदलाव को बढ़ा-चढ़ाकर दिखाता है, वह कोई स्टाइल की समस्या नहीं है। यह तथ्यों को गलत तरीके से दिखाना है।
जब AI डैशबोर्ड के लिए जानकारी (नैरेटिव) बनाता है, तो एनालिस्ट यह जाँचता है कि हर दावा किसी कैलकुलेट की गई वैल्यू और बताए गए तुलनात्मक आधार पर आधारित हो, जैसे कि channel=Paid Search और device_type=Mobile के लिए हफ़्ते-दर-हफ़्ते की तुलना। जब AI मॉनिटरिंग नियम बनाता है, तो एनालिस्ट पुराने डेटा के आधार पर अलर्ट लॉजिक को वेरिफ़ाई करता है क्योंकि सेंसिटिविटी और फ़ॉल्स पॉज़िटिव से होने वाला बिज़नेस का खर्च आपको ही उठाना पड़ता है।
देखें कि अलग-अलग AI आउटपुट उन खास जाँचों से कैसे जुड़े हैं जो आपको करनी चाहिए।
गवर्नेंस उन नियमों या पाबंदियों का सेट है जो यह तय करते हैं कि कौन सा डेटा इस्तेमाल किया जा सकता है, कौन इस्तेमाल कर सकता है, किस मकसद के लिए, और किस ऑडिट ट्रेल के साथ। AI के इस्तेमाल से गवर्नेंस बदल जाती है क्योंकि प्रॉम्प्ट और आउटपुट को वेंडर लॉग कर सकते हैं, कैश कर सकते हैं या दोबारा चला सकते हैं; इससे गोपनीयता का उल्लंघन हो सकता है, भले ही डैशबोर्ड खुद इंटरनल हो।
PII (पर्सनली आइडेंटिफिएबल इंफॉर्मेशन) एक स्पष्ट सीमा है, लेकिन यह अकेली सीमा नहीं है। गोपनीय फाइनेंस डेटा, अभी तक रिलीज़ न हुए प्रोडक्ट मेट्रिक्स और कस्टमर-लेवल कोहॉर्ट्स पर भी पॉलिसी के तहत रोक लगाई जा सकती है, भले ही उनमें नाम या ईमेल न हों। एनालिस्ट को यह पता होना चाहिए कि क्या AI टूल डेटा क्लासिफिकेशन के लिए मंज़ूर है, क्या डेटा रिटेंशन बंद है, और क्या एक्सेस ‘लीस्ट-प्रिविलेज’ (सिर्फ़ ज़रूरी एक्सेस) वाला है।
डॉक्यूमेंटेशन कंट्रोल का ही एक हिस्सा है। आप मेट्रिक की परिभाषा, क्वेरी का वर्शन, वैलिडेशन के सबूत और मंज़ूरी देने वाले का विवरण संभालकर रखते हैं, ताकि भविष्य में किसी गड़बड़ी का पता चलने पर उसकी मूल वजह का पता लगाया जा सके।
यह तय करें कि कौन सी रिक्वेस्ट सुरक्षित हैं और कौन सी पॉलिसी का उल्लंघन करती हैं।