درخواست شام 4:20 بجے موصول ہوتی ہے۔ ایک اسٹیک ہولڈر (stakeholder) گزشتہ 90 دنوں کے لیے ‘چینل’ (channel) کے لحاظ سے تقسیم شدہ یومیہ ریونیو KPI چاہتا ہے، اور یہ معلومات انہیں کل کی ‘اسٹینڈ اپ’ (standup) میٹنگ سے پہلے Slack پر درکار ہیں۔
ایک AI اسسٹنٹ تیزی سے SQL کوئری کا ابتدائی مسودہ تیار کر سکتا ہے۔ تاہم، فراہم کردہ اعداد و شمار کی ذمہ داری آپ ہی کی ہوتی ہے۔ اگر ‘مینی ٹو مینی جوائن’ (many-to-many join) کی وجہ سے کوئری ریونیو کو دو بار شمار کر لیتی ہے، تو اس کے نتیجے میں ہونے والی خرابی آپ کی ہوگی، نہ کہ ماڈل کی۔ آپ کا پیشہ ورانہ اقدام یہ ہونا چاہیے کہ AI کو رفتار کے لیے وہاں استعمال کریں جہاں غلطی کی قیمت کم ہو، اور وہاں تصدیقی مراحل (verification gates) برقرار رکھیں جہاں غلطی مہنگی پڑ سکتی ہو۔
اس عمل کے اہم حصوں کا جائزہ لیں۔
AI کا استعمال ایسے SQL کوڈ کی تیاری کے لیے کریں جس کا جائزہ لیا جا سکے۔ استفسار (query) کا ڈھانچہ تیار کرنا، کسی سوال کو GROUP BY میں تبدیل کرنا، یا تصدیقی استفسارات (validation queries) کا سیٹ بنانا اس کے لیے موزوں ترین کام ہیں، کیونکہ آپ انہیں چلا کر نتائج کا موازنہ کر سکتے ہیں۔
ایک عملی مثال: فرض کریں آپ کے پاس fact_orders کی ایک ٹیبل ہے جس میں 12.4 ملین قطاریں (rows) ہیں (جو 2024-01-01 سے 2024-06-30 تک کا احاطہ کرتی ہیں) اور dim_channel کی ایک ٹیبل ہے جس کی کلید (key) channel_id ہے۔ سوال یہ ہے کہ “گزشتہ 90 دنوں کے دوران چینل کے لحاظ سے روزانہ خالص آمدنی (net revenue) کیا رہی؟” AI اس کے لیے ‘جوائنز’ (joins) اور تاریخ کے فلٹر کا مسودہ تیار کر سکتا ہے، اور پھر آپ مجموعی اعداد و شمار پر بھروسہ کرنے سے پہلے قطاروں کی سطح (row-grain) اور ‘جوائن کارڈینالٹی’ (join cardinality) کی تصدیق کر سکتے ہیں۔
ایسے کاموں میں AI کو شامل نہ کریں جہاں حتمی اختیار یا فیصلہ سازی کی اہمیت ہو۔ KPI کی تعریف، میٹرک کا دائرہ کار (scoping)، اور کاروباری اصول محض مسودہ سازی کے مسائل نہیں ہیں؛ یہ فیصلے ہیں۔ AI آپ کی تعریف کو دوبارہ بیان کر سکتا ہے، لیکن یہ فیصلہ آپ کو کرنا ہوگا کہ “آمدنی” (revenue) سے مراد مجموعی آمدنی (gross) ہے، ریفنڈز یا ڈسکاؤنٹس کی کٹوتی کے بعد کی خالص آمدنی ہے، یا تسلیم شدہ آمدنی (recognized revenue) ہے؛ اور اگر اسٹیک ہولڈرز غلط تعریف کی بنیاد پر عمل کرتے ہیں تو اس کے نتائج کی ذمہ داری آپ پر عائد ہوتی ہے۔
مختلف کاموں میں خطرے (risk) کے تناسب کا موازنہ کریں۔
اس کورس کے دوران آپ ایک ہی ورک فلو استعمال کریں گے۔ ویریفکیشن گیٹ (Verification gate) سے مراد ایک ایسا مرحلہ ہے جہاں آپ اس وقت تک آگے نہیں بڑھتے جب تک آپ کے پاس اس بات کا ثبوت نہ ہو کہ کیوری (query) بیان کردہ تعریف کے مطابق درست ہے۔
شروعات ایک ایسی تفصیل (spec) سے کریں جس کا حوالہ دیا جا سکے۔ میٹرک کی تعریف، ٹائم ونڈو، گرین (grain)، اور سیگمنٹیشن ڈائمینشنز کو سادہ زبان میں تحریر کریں۔
پھر جنریشن (تخلیق) کا عمل کریں۔ AI SQL کا مسودہ تیار کرتا ہے اور ساتھ ہی ان جانچ پڑتال کے طریقوں (checks) کا بھی مسودہ بناتا ہے جنہیں آپ اس کی درستی کو پرکھنے کے لیے استعمال کریں گے۔ آپ اپنے ڈیٹا ویئر ہاؤس میں یہ سب کچھ خود چلائیں گے۔
توثیق (validation) کا مطلب صرف یہ نہیں ہے کہ “اس نے کچھ روز (rows) واپس کیں۔” ٹرائینگولیشن (triangulation) کے ذریعے توثیق کریں۔ کسی ایک دن کے لیے ڈیش بورڈ پر موجود معلوم عدد سے موازنہ کریں، ‘جوائن’ (join) سے پہلے اور بعد کے ٹوٹلز (totals) کو چیک کریں، اور منفرد کیز (distinct keys) کو گن کر ‘گرین’ (grain) کی تصدیق کریں۔ اگر dim_channel کو جوائن کرنے پر SUM(revenue) تبدیل ہو جاتا ہے، تو یہ ایک ‘ریڈ فلیگ’ (خطرے کی علامت) ہے جسے شیئر کرنے سے پہلے حل کرنا ضروری ہے۔
ڈاکومینٹیشن (دستاویزی عمل) بھی کام کے ‘مکمل’ ہونے کا حصہ ہے۔ حتمی SQL، مفروضوں اور توثیقی کیوریز کو محفوظ کریں۔ اگر کوئی دوسرا تجزیہ کار (analyst) کل آپ کے نتائج کو دوبارہ حاصل (reproduce) نہیں کر سکتا، تو آپ کا کام مکمل نہیں ہوا ہے۔
اس ورک فلو کو آزما کر دیکھیں جس پر آپ اس کورس میں عمل کریں گے۔