रिक्वेस्ट शाम 4:20 बजे आती है। एक स्टेकहोल्डर पिछले 90 दिनों के लिए चैनल के हिसाब से रोज़ाना रेवेन्यू KPI चाहता है, और उन्हें यह कल के स्टैंडअप से पहले Slack पर चाहिए।
एक AI असिस्टेंट तेज़ी से शुरुआती SQL क्वेरी तैयार कर सकता है। जो डेटा या नंबर डिलीवर किया जाता है, उसकी ज़िम्मेदारी आपकी ही होती है। अगर ‘मेनी-टू-मेनी जॉइन’ (many-to-many join) की वजह से क्वेरी रेवेन्यू को दो बार गिन लेती है, तो बाद में होने वाली गड़बड़ी आपकी होगी, मॉडल की नहीं। एक प्रोफ़ेशनल के तौर पर, आपको AI का इस्तेमाल तेज़ी के लिए वहाँ करना चाहिए जहाँ गलत होने पर ज़्यादा नुकसान न हो, और जहाँ गलत होने पर भारी नुकसान हो सकता है, वहाँ वेरिफिकेशन गेट (जाँच-पड़ताल के चरण) रखने चाहिए।
इस प्रोसेस के मुख्य हिस्सों को समझें।
जब काम के नतीजे की जाँच की जा सके, तब संभावित SQL बनाने के लिए AI का इस्तेमाल करें। क्वेरी का ढाँचा तैयार करना, किसी सवाल को GROUP BY में बदलना, या वैलिडेशन क्वेरी का सेट बनाना इसके अच्छे उदाहरण हैं, क्योंकि आप उन्हें चलाकर आउटपुट की तुलना कर सकते हैं।
एक व्यावहारिक उदाहरण। आपके पास fact_orders टेबल है जिसमें 2024-01-01 से 2024-06-30 तक की 12.4 मिलियन (1.24 करोड़) रो (rows) हैं, और channel_id वाली dim_channel टेबल है। सवाल है “पिछले 90 दिनों में चैनल के हिसाब से रोज़ाना का नेट रेवेन्यू।” AI जॉइन (joins) और डेट फ़िल्टर का ड्राफ़्ट बना सकता है, फिर टोटल पर भरोसा करने से पहले आप रो-ग्रेन (row-grain) और जॉइन कार्डिनैलिटी (join cardinality) को वेरिफ़ाई कर सकते हैं।
जहाँ अधिकार या फ़ैसले की ज़रूरत हो, वहाँ AI को शामिल न करें। KPI की परिभाषा, मेट्रिक का दायरा तय करना और बिज़नेस नियम बनाना, ड्राफ़्टिंग की समस्याएँ नहीं हैं। ये फ़ैसले लेने वाली बातें हैं। AI आपकी परिभाषा को फिर से बता सकता है, लेकिन आपको यह तय करना होगा कि “रेवेन्यू” का मतलब ग्रॉस (gross) है, रिफ़ंड घटाकर नेट है, डिस्काउंट घटाकर नेट है, या रिकॉग्नाइज़्ड रेवेन्यू है; और अगर स्टेकहोल्डर गलत परिभाषा के आधार पर काम करते हैं, तो उसके नतीजों की ज़िम्मेदारी आपकी होगी।
देखें कि अलग-अलग कामों में जोखिम की तुलना कैसे की जाती है।
इस पूरे कोर्स में आप एक ही वर्कफ़्लो का इस्तेमाल करेंगे। वेरिफ़िकेशन गेट का मतलब है एक ऐसा स्टेप जहाँ आप तब तक आगे नहीं बढ़ते जब तक आपके पास यह सबूत न हो कि क्वेरी बताई गई परिभाषा के हिसाब से सही है।
एक ऐसी स्पेसिफ़िकेशन (spec) से शुरुआत करें जिसे आप दिखा सकें। मेट्रिक की परिभाषा, टाइम विंडो, ग्रेन (grain) और सेगमेंटेशन डाइमेंशन को आसान भाषा में लिखें।
फिर जनरेट करें। AI SQL का ड्राफ़्ट बनाता है और उन चेक्स का भी ड्राफ़्ट बनाता है जिनका इस्तेमाल आप उसे चैलेंज करने के लिए करेंगे। आप अपने वेयरहाउस में सब कुछ खुद रन करते हैं।
वैलिडेशन का मतलब सिर्फ़ यह नहीं है कि “इसने कुछ रोज़ (rows) रिटर्न किए।” ट्रायंगुलेशन (triangulation) से वैलिडेशन करें। एक दिन के लिए जाने-पहचाने डैशबोर्ड नंबर से तुलना करें, जॉइन (join) से पहले और बाद के टोटल चेक करें, और अलग-अलग कीज़ (distinct keys) को गिनकर ग्रेन की पुष्टि करें। अगर dim_channel को जॉइन करने पर SUM(revenue) बदल जाता है, तो यह एक रेड फ़्लैग है जिसे शेयर करने से पहले आपको ठीक करना होगा।
डॉक्यूमेंटेशन भी ‘काम पूरा होने’ का हिस्सा है। फ़ाइनल SQL, अनुमानों और वैलिडेशन क्वेरीज़ को सेव करें। अगर कोई दूसरा एनालिस्ट कल आपके रिज़ल्ट को दोबारा नहीं बना पाता है, तो आपका काम पूरा नहीं हुआ है।
उस वर्कफ़्लो को आज़माएँ जिसका पालन आप इस कोर्स में करेंगे।