AI визуализациясы

1) AI-визуализация дегеніміз не?

1. кесте мен біліктің тиісті түрін таңдайды,

2. паттерндерді/аномалияларды/тренд сынықтарын,

3. түсінікті мәтінді (insight/narrative),

4. әрекеттер (Next Best Action),

5. түрін пайдаланушы мен құрылғының контекстіне бейімдейді.

Мақсаты - сұрақтан жауапқа дейінгі жолды қысқарту: параграфтарды қолмен таңдау аз, тексерілетін мағыналар көп.

2) Алақандағы сәулет

1. Semantic Layer: метриктердің/өлшемдердің бірыңғай анықтамалары (глоссарий, формулалар, агрегациялар, қолжетімділіктер).
2. NL → Query: сұрауды SQL/SPARQL/DSL-ге түрлендіру.
3. Query → Viz: графика мен параметрлердің грамматикасын автоматты түрде таңдау (біліктер, лог-шкала, түсі/shape/size).
4. Insight Engine: аномалиялардың детекциясы, breakpoints, seasonality, causal hints; сигналдардың басымдықтары.
5. Narrative: мәндер мен сенімді аралықтарға сілтемесі бар нақты мәтінді шығару.
6. RAG: деректер/конфигурациялар каталогынан контексті араластыру (метадеректер, бизнес-ережелер).
7. Policy Guardrails: құпиялылық/қатынау/жасыру, сандар мен сілтемелерді тексеру.
8. Delivery: веб-виджеттер, мобильді карточкалар, PDF/снапшоттар, CRM/Slack webhooks.

3) Графика грамматикасы және авто-іріктеу

• Уақыт → сызық/area; санаттар (≤ 8) → бағандар/тақталар; ранжирлеу → бар/лидборд; → гистограмма/виолин/box; корреляциялар → scatter/heatmap.
• Экспоненциалды өсу кезіндегі лог-ось; үлестер кезінде нормалау (%); small multiples - сериялар көп болғанда.
• Түстерді таңдау: мәртебелер үшін семантикалық палитралар; түс ≠ бір уақытта тәртіп және санат арнасы.
• Қолтаңбалардың мағынасы бар жерде ғана: «сияны» барынша азайтамыз.

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: сұрақтан кестеге

Ниет парсингі: метрика, тіліктер, кезең, сүзгілер, агрегаттар.
Семантикалық қабатта валидация: тек рұқсат етілген өрістер/формулалар.
Пост-процессинг: шарлар мен кардиналдылық түрлері бойынша чарты таңдау, авто-бининг/семплинг шегі.
Кері байланыс: сенімді нығайту үшін SQL/DSL және деректер түбіртегін (бүркемелеу) көрсету.

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) Insight Engine: «мағыналарды» қалай генерациялау керек

• Аномалиялар: STL-декомпозиция, ESD/Prophet, BOCPD; бағытты/шаманы/сенімді таңбалаймыз.
• Тренд сынықтары: CUSUM/Chow test; жергілікті регрессиялар.
• Маусымдық/науқан: «мереке vs кәдімгі күн», uplift бейзлайнға салыстыру.
• Сегмент драйверлері: Shapley/feature importance кесте регрессиясының немесе градиент бустингінің үстінде.
• Себептік кеңестер: ілеспе өзгерістерді көрсету (бақылау шеңберінде) + «бұл корреляция» ескерту.

1. 2) әсердің күші, 3) жаңалық, 4) сенімділік.

6) Баянды (мәтінді) генерациялау

Талаптар: саны мен күні бар фактілер, салыстыру базисін көрсету, терминдердің ұқыптылығы.

7) Контекстке бейімделу (дербестендіру)

Рөлдер: C-level - KPI-карточкалар және баяндаулар; менеджерлер - тіліктер мен алерттар; аналитиктер - SQL/DSL және модельдер параметрлері.
Құрылғы: мобильдегі ықшам sparklines, десктоптағы full viz.
Гео/тіл/валюта/уақыт белдеуі - автоматты түрде.

8) Түсініктілік және сенім

Кликабельдік → кестесіндегі әрбір қолтаңба есепті (формула, агрегациялар, сүзгілер) ашады.
Статистикалық белгісіздікті көрсетеміз (сенім жолақтары, error bars).
LLM-сипаттамалары үшін: метадеректер бойынша RAG, деректер көзі бойынша сандарды салыстыру (сомаларды/диапазондарды тексеру).
Өзгерістер журналы: формула, дата, чарт нұсқасы.

9) Сапа және SLO визуализация

Latency p95 рендеринг, time-to-first-insight, NL-сұраулардың табысты үлесі.
Explainability score (баянда сандар/сілтемелер/CI болуы).
Accuracy NL→SQL (ex. эталондық сұрауларда exact-match).
Accessibility: қарама-қарсылық, alt-мәтін, пернетақта, алыстан көрініс.

10) Қолжетімділік (A11y) және UX-паттерндер

Түс сезімталдығына тәуелді емес түсті палитралар; түс-пішінмен/паттермен қайталау.
Мәтіндік баламалар және кестенің жанындағы data-table view.
Фокус-қақпан, ақылға қонымды таб-тәртіп; біліктерді сындырмай масштабтау.

11) Қауіпсіздік және құпиялылық

Сұрау және tooltips деректері деңгейіндегі RLS/CLS.
re-identification болдырмау үшін сирек санаттар үшін бүркемелеу/бининг.
NL-сұрақтар журналдары - ПДн-сейф: әлеуетті PII токенизациялау/редакциялау.
Скриншоттарды/CSV экспорттау - су белгісімен және нұсқасының метадеректерімен.

12) Экономика және құн

Cost-aware: тайлдарды/нәтижелерді кэштеу, «ыстық» витриналарды материалдандыру, превью үшін сэмплинг.
«Ауыр» NL-сұрауларды шектеу (scan caps), үлкен сериялар үшін кейінге қалдырылған рендер.
Негізгі детекция үшін арзан модельдер + түнде ауыр оффлайн бағалау.

13) Антипаттерндер

«Авто-чарт әрқашан дұрыс». Типті/түбегейлі/логикалық метриканы валидациялау қажет.
Too much ink. Қажетсіз күрделі 3D/dual-axis → бұрмалау.
Белгісіздік көрсетілмеген. Мәтіндер «үзілді-кесілді», бірақ шатастырады.
NL → SQL семантикалық қабаты жоқ. Морт және агрегаттау қателері.
Сандарға сілтемесіз сиқырлы инсайттар. Сенімсіздік және құралдан бас тарту.

14) Енгізу жол картасы

1. Foundation: семантикалық қабат, метрикалық глоссарий, рұқсаттар (RLS/CLS), NL → SQL тест жинақтары.
2. MVP NL → Viz: топ-10 сұрақ, грамматика бойынша авто-чарты, типтердің валидациясы/кардиналдығы.
3. Insight Engine: аномалиялар/breakpoints, басымдықтар, CI бар негізгі баяндаулар.
4. RAG & Trust: UI-ге метадеректерді/формулаларды, дәлелдемелер журналын қосу.
5. A11y және мобайл: бейімделу карточкалары, alt-мәтіндер, контраст/пернетақта.
6. FinOps: кэштер/материалдандыру, сканерлер лимиттері, жүктеме профильдері.
7. Scale: рөлдер бойынша дербестендіру, сценарийлік NLG үлгілері, CRM/ескертулерге интеграциялау.

15) Шығарылым алдындағы чек-парақ

• Өлшемдер мен өлшемдер семантикалық қабатта сипатталған; SELECT тыйым салынған.
• Чарты авто-іріктеу типтері/түбегейліктері/ережелері бойынша валидацияланады.
• Баянда сандар, салыстыру, базис және сенім ауқымы бар.
• Белгісіздік жолақтары қосылған/error-bars (қолданылатын жерде).
• NL → SQL/DSL эталондық тестілеуден өтеді; пайдаланушыға арналған SQL көрінісі көрінеді.
• RLS/CLS және бүркемелеу tooltips/экспортта жұмыс істейді.
• A11y: контраст, alt-мәтіндер, таб-навигация, дальтонизм режимі.
• /материалдандыру/сканерлер лимиттері теңшелген; SLO/құн панелі жинақталған.
• Формула/чарт нұсқаларының логтары; «инсайтқа шағымдану» түймешігі.

16) Шағын үлгілер

16. 1 Графикті авто-іріктеу саясаты

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 Инсайт карточкасы

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 UI-дегі NL → SQL мысалы (жарықпен)

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 NL → Viz үшін тест жиынтығы

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

17) Жиынтық

Метриктердің AI визуализациясы «ақылды суреттер» емес, семантикалық қабат → NL → Query → Query → Viz → Insight Engine → түсінікті баяндаулар → әрекеттер және сенімділікті бақылау процесі. Дұрыс гвардрейлдер (жекелік, сандарды тексеру, белгісіздік, A11y, FinOps) кезінде ол есептілікті операциялық шешімдерге айналдырады, талдауды жылдамдатады және бүкіл ұйымда деректермен жұмыс істеу мәдениетін көтереді.