הדמיית אל מדיות

1) מהי הדמיית אל

1. בחירת סוג גרף מתאים וציר

2. תבניות הדגשה/אנומליות/שברים מגמה,

3. לנסח טקסט הסברי (תובנה/נרטיב),

4. מציע פעולות (הפעולה הטובה הבאה),

5. התאמת התצוגה להקשר של המשתמש והמכשיר.

המטרה היא לקצר את המסלול מהשאלה לתשובה: פחות בחירת תרשים ידני, יותר משמעויות ניתנות לאימות.

2) ארכיטקטורה בכף ידך

1. שכבה סמנטית: הגדרות אחידות של מדדים/ממדים (גלוסריות, נוסחאות, אגרגציות, גישה).
2. NL _ Query-Conversion שואלת שפה טבעית ל SQL/SPARQL/DSL.
3. Query # Viz: בחירה אוטומטית של דקדוק גרפי ופרמטרים (צירים, מאזני לוג, צבע/צורה/גודל).
4. מנוע תובנה: גילוי אנומליה, נקודות שבירה, עונתיות, רמזים סיבתיים; סדר עדיפויות אותות.
5. נרטיב: דור של טקסט אמיתי עם התייחסות לערכים ומרווחי ביטחון.
6. ראג: מיזוג הקשר מקטלוג הנתונים/הגדרות (metadata, business rules).
7. מעקות בטיחות מדיניות: פרטיות/גישה/מיסוך, אימות של מספרים והפניות.
8. משלוח: widgets, כרטיסים ניידים, PDF/snapshots, hooks in CRM/Slack.

3) דקדוק של גרפים ובחירה אוטומטית

• Time line/area; קטגוריות (8) * עמודות/אריחים; # דירוג בר/מוביל; # היסטוגרמה/כינור/תיבה; פיזור/מפת חום * קורלציות.
• ציר רישום בצמיחה אקספוננציאלית; נורמליזציה (%) בשברים; כפולות קטנות, כשיש הרבה פרקים.
• בחירת צבעים: צבעים סמנטיים לסטטוסים; צבע הן סדר והן ערוץ קטגוריה.
• חתימות נושאות משמעות בלבד: אנו מקטינים את הדיו.

yaml chart:
mark: line encoding:
x: {field: dt, type: temporal, timeUnit: day}
y: {field: ggr, type: quantitative, aggregate: sum}
color: {field: region, type: nominal, legend: top, limit: 6}
transforms:
- filter: "dt >= now()-90d"
- calculate: {expr: "rolling_mean(ggr,7)", as: "ggr_7d"}
annotations:
- rule: {type: "changepoint", method: "cusum"}
- band: {type: "confidence", metric: "ggr", level: 0.9}
interactions: {tooltip: true, zoom: "x", brush: "x"}

4) NL = Viz: משאלה ללוח הזמנים

פירוק כוונה: מטרי, קטעים, מחזור, מסננים, אגרגטים.
אימות על שכבה סמנטית: רק שדות/נוסחאות אפשריים.
Post-processing: מבחר תרשימים על ידי סוג שדה וקרדינליות, אוטומטי סף כנף/דגימה.
משוב: הצג SQL/DSL והורדת נתונים (מסכות) לבניית אמון.

yaml ask: "Покажи GGR по странам за 90 дней, выдели резкие изменения"
metric: ggr dims: [country, dt]
filters: {dt: "last_90d"}
viz_hint: "line + changepoints"

5) מנוע תובנה: כיצד לייצר ”משמעויות” ‏

• חריגות: פירוק STL, ESD/Prophet, BOCPD; תווית כיוון/גודל/אמון.
• שברים במגמה: מבחן CUSUM/Chow; נסיגות מקומיות.
• עונה/קמפיינים: השוואה ”חג נגד יום רגיל”, התרוממות לקו הבסיס.
• קטע התקן: Shapley/feature eversion over tabular regression או gradient enverting.
• רמזים סיבתיים: אינדיקציה לשינויים קונקומיטנטיים (בתוך תצפית) + תזכורת ”זהו מתאם”.

1. השפעה על המטרי העסקי, 2) כוח אפקט, 3) חידוש, 4) ביטחון עצמי.

6) נרטיב (טקסט) דור

דרישות: עובדות עם מספרים ותאריכים, אינדיקציה של בסיס השוואה, דיוק של מונחים.

7) עיבוד הקשר (התאמה אישית)

תפקידים: C-level - כרטיסי KPI ונרטיבים; מנהלים - קיצוצים והתראות; אנליטיקה - SQL/DSL ופרמטרים מודל.
התקן: נצנצים קומפקטים על ניידים, ויז מלא על שולחן העבודה.
גיאו/שפה/מטבע/אזור זמן - אוטומטי.

8) הסברים ואמון

כל חתימה על הגרף ניתנת לחישוב * חושפת את החישוב (נוסחה, צבירה, מסננים).
אנו מצביעים על אי ודאות סטטיסטית (סורגי ביטחון, סורגי שגיאות).
לתיאור LLM: RAG על ידי metadata, פיוס של מספרים על ידי מקור (בדיקת כמויות/טווחים).
שינוי יומן: גרסה של נוסחאות, נתונים, תרשים.

9) איכות הדמיה ו ־ SLO

ביצוע Latency p95, זמן לתובנה ראשונה, נתח של בקשות NL מוצלחות.
ציון סבירות (נוכחות של מספרים/קישורים/CI בנרטיב).
דיוק NL * SQL (ex. התאמה מדויקת בשאלות התייחסות).
נגישות: ניגודיות, טקסט אלט, מקלדת, מצב עיוורון צבעים.

10) זמינות (A11y) ודפוסי UX

צבעים שאינם תלויים בתפיסת הצבע; שכפול צבע-צורה/תבנית.
חלופות טקסט ותצוגת טבלת נתונים ליד הגרף.
מלכודות מיקוד, הזמנת לשונית סבירה; קנה מידה בלי לשבור גרזנים.

11) ביטחון ופרטיות

RLS/CLS לפי הבקשה ורמת הנתונים של קצות הכלים.
מסווה/כפיפה לקטגוריות נדירות כדי למנוע זיהוי מחדש.
יומני השאלה NL - PD Safe: Tokenization/Revision of Potential PIIs.
ייצוא צילומי מסך/CSV - עם סימן מים וגרסה metadata.

12) כלכלה ועלות

עלות מודעת: אריחי מטמון/תוצאות, התממשות חנויות ”חם”, דגימה עבור תצוגה מקדימה.
הגבלה של בקשות NL ”כבדות” (כובעי סריקה).
מודלים זולים לגילוי בסיסי + דירוגים לא מקוונים כבדים בלילה.

13) תרופות אנטי ־ פטריות

"תרשים אוטומטי הוא תמיד נכון. "יש צורך באימות סוגים/קרדינליות/לוגיקה מטרית.
יותר מדי דיו. מורכב 3D/dual-axis ללא צורך בעיוות.
אין חוסר ודאות. המילים נשמעות קטגוריות אבל מטעות.
NL = SQL ללא שכבה סמנטית. שבריריות ושגיאות קיפאון.
תובנות קסומות ללא התייחסות למספרים. חוסר אמון ונטישה של הכלי.

14) מימוש מפת דרכים

1. יסודות: שכבה סמנטית, גלוסרי מטריות, גישה (RLS/CLS), סט בדיקות של NL * SQL.
2. MVP NL # Viz: 10 שאלות ראשונות, תרשים אוטומטי דקדוקי, אימות סוג/קרדינליות.
3. מנוע תובנה: חריגות/נקודות שבירה, סדר עדיפויות, נרטיבים בסיסיים עם מודיע.
4. RAG & Trust: לחבר מטא/נוסחאות, רישום ראיות UI.
5. A11y ונייד: כרטיסים מותאמים, טקסטים, ניגודיות/מקלדת.
6. פינופים: מטמונים/חומרות, מגבלות סריקה, פרופילים טעינה.
7. סולם: התאמה אישית לפי תפקיד, תרחיש תבניות NLG, אינטגרציית CRM/התראות.

15) רשימת בדיקות טרום הוצאה לאור

[ ] מטריצות וממדים מתוארים בשכבה הסמנטית; SELECT אינו מורשה.

[ בחירת תרשים אוטומטי ] ניתנת תוקף על ידי סוג/קרדינליות/כללים.

[ נרטיבים ] מכילים מספרים, השוואה, בסיס וטווח ביטחון.

[ ] שגיאות (היכן שניתן ליישם) כלולות.

[ ] NL # SQL/DSL עובר ספסל; הצג SQL עבור המשתמש.

[ ] RLS/CLS ועבודת מיסוך בסוגי כלים/יצוא.

[ ] A11y: ניגוד, טקסטים, ניווט לשונית, מצב עיוורון צבעים.

[ ] מגבלות מטמון/חומרנות/סריקה מוגדרות; לוחות SLO/עלות נאספו.

[ ] רישומי פורמולה/תרשים; ”להתלונן על תובנה”.

16) תבניות מיני

16. 1 מדיניות לוח זמנים בכושר אוטומטי

yaml auto_chart_policy:
time_series: ["line","area"]
categories_max: 8 distribution: ["histogram","boxplot"]
correlation: ["scatter","heatmap"]
choose_log_scale_if: growth_rate>0.15/week small_multiples_if: series_count>6

16. 2 כרטיס תובנה

yaml insight:
id: "ggr_tr_spike_2025_10_12"
metric: ggr segment: {country: "TR", device: "Android"}
change: {type: "wow", delta_pct: 12.4, ci95: [9.8,14.7]}
drivers: ["Sports +18%", "Slots +7%"]
confidence: 0.86 actions: ["увеличить лимит кампании TR Android на 10%"]
disclaimer: "наблюдение, не доказанная причинность"

16. 3 דוגמה ל ־ NL * SQL ב ־ UI (מואר לאחור)

sql
-- Вопрос: "Как менялся ARPPU по устройствам за 30 дней?"
select dt::date as dt, device_os, avg(revenue_per_payer) as arppu from mart_daily_player where dt >= current_date - interval '30 day'
group by 1,2 order by 1,2;

16. 4 ערכת בדיקה ל ־ NL # Viz

yaml tests:
- ask: "Покажи распределение депозитов за неделю"
expect:
chart: "histogram"
binning: true field: "deposit_amount"

17) השורה התחתונה

הדמיה של מדדים אינה ”תמונות חכמות”, ובאמצעות תהליך: שכבה סמנטית = NL # Query # Query # Query # Viz # Insight Engine = נרטיבים מוסברים = פעולות ושליטה באמון. עם מעקות הבטיחות הנכונות (פרטיות, בדיקת מספרים, אי ודאות, A11y, FinOps), הוא הופך דיווח לפתרונות מבצעיים, מאיץ ניתוח ומעלה את התרבות של עבודה עם נתונים ברחבי הארגון.