Vizualizarea IA a măsurătorilor

1) Ce este imagistica AI

1. selectarea unui tip de grafic și a unei axe corespunzătoare

2. evidențierea tiparelor/anomaliilor/fracturilor de tendință,

3. formulează textul explicativ (insight/narativ),

4. sugerează acțiuni (Următoarea cea mai bună acțiune),

5. adaptarea vizualizării la contextul utilizatorului și al dispozitivului.

Scopul este de a scurta calea de la întrebare la răspuns: mai puțin selecție diagramă manuală, sensuri mai verificabile.

2) Arhitectura în palmă

1. Strat semantic: definiții uniforme ale metricii/dimensiunilor (glosar, formule, agregări, accesări).
2. NL→Query -Convertește o interogare de limbaj natural la SQL/SPARQL/DSL.
3. Query→Viz: selectarea automată a gramaticii grafice și a parametrilor (axe, scale jurnal, culoare/formă/dimensiune).
4. Insight Engine: detectarea anomaliei, puncte de întrerupere, sezonalitate, indicii cauzale; prioritățile semnalului.
5. Narațiune: generarea textului real cu referire la valori și intervale de încredere.
6. RAG: Amestec context din catalogul de date/configurare (metadate, reguli de afaceri).
7. Politica Guardrails: confidențialitate/acces/mascare, verificarea numerelor și a referințelor.
8. Livrare: widget-uri web, carduri mobile, PDF/instantanee, carti web in CRM/Slack.

3) Gramatica grafurilor și auto-selecție

• Timp → linie/zonă; categorii (≤8) → coloane/dale; clasament → bar/clasament; distribuția → histogramă/vioară/cutie; scatter/heatmap → corelații.
• Log-axa la creșterea exponențială; normalizare (%) la fracții; multipli mici - atunci când există mai multe episoade.
• Selecție de culori: palete semantice pentru stări; culoare ≠ ambele ordine și canal de categorie.
• Semnăturile poartă doar sens: minimizăm „cerneala”.

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: de la întrebare la program

Parsarea intențiilor: metrică, secțiuni, perioadă, filtre, agregate.
Validare pe strat semantic: numai câmpuri/formule permise.
Post-procesare: selectarea graficului după tipul de câmp și cardinalitate, basining/eșantionare auto-prag.
Feedback: Afișați SQL/DSL și descărcați datele (mascate) pentru a construi încrederea.

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: Cum de a genera „sensuri”

• Anomalii: descompunere STL, ESD/Profet, BOCPD; eticheta direcție/magnitudine/încredere.
• Fracturi de tendință: testul CUSUM/Chow; regresii locale.
• Sezonalitate/campanii: comparație „vacanță vs zi obișnuită”, ridicare la nivelul de bază.
• Segmentul șofer: Shapley/importanța caracteristicilor față de regresia tabelară sau creșterea gradientului.
• Indicii cauzale: indicarea modificărilor concomitente (în cadrul observației) + memento „aceasta este o corelație”.

1. impactul asupra metricii de afaceri, 2) puterea efectului, 3) noutatea, 4) încrederea.

6) Generarea narativă (text)

Cerințe: fapte cu numere și date, indicarea bazei de comparație, acuratețea termenilor.

7) Adaptarea contextului (personalizare)

Roluri: C-level - cărți și narațiuni KPI; manageri - reduceri și alerte; analytics - SQL/DSL și parametrii modelului.
Dispozitiv: sparkline-uri compacte pe mobil, imagine completă pe desktop.
Geo/language/valute/fus orar - automat.

8) Explicabilitate și încredere

Fiecare semnătură de pe grafic este clicabilă → dezvăluie calculul (formulă, agregări, filtre).
Indicăm incertitudinea statistică (barele de încredere, barele de eroare).
Pentru descrierile LLM: RAG după metadate, reconcilierea numerelor după sursă (verificarea cantităților/intervalelor).
Schimbare jurnal: versiune de formule, seturi de date, diagramă.

9) Calitatea vizualizării și SLO

Redare latență p95, timp-la-prima înțelegere, cota de solicitări NL de succes.
Scorul de explicabilitate (prezența numerelor/link-urilor/CI în narațiune).
Acuratețea NL→SQL (ex. potrivirea exactă a interogărilor de referință).
Accesibilitate: contrast, alt-text, tastatură, mod de orbire a culorilor.

10) Disponibilitate (A11y) și modele UX

Palete de culori care nu depind de percepția culorilor; duplicare culoare-formă/model.
Alternative de text și vizualizare la tabelul de date de lângă grafic.
Focalizați capcanele, ordinea rezonabilă a filelor; scalarea fără ruperea axelor.

11) Securitate și confidențialitate

RLS/CLS la nivel de cerere și date de vârfuri de instrumente.
Mascare/îmbinare pentru categorii rare pentru a evita reidentificarea.
NL Question Logs - PD Safe: Tokenization/Revision of Potential PIIs.
Export capturi de ecran/CSV - cu un filigran și versiunea metadate.

12) Economie și cost

Cost-conștient: caching dale/rezultate, materializarea „fierbinte” storefronts, eșantionare pentru previzualizări.
Restricționarea cererilor „grele” NL (capace de scanare), redarea întârziată pentru serii mari.
Modele ieftine pentru detectarea de bază + evaluări offline grele pe timp de noapte.

13) Antipattern

"Auto Chart are întotdeauna dreptate. "Este necesară validarea tipurilor/cardinalităților/logicii metrice.
Prea multă cerneală. 3D/dual-axis complexe fără a fi nevoie de distorsiuni →.
Nici o incertitudine. Versurile sună „categoric”, dar înșelător.
NL→SQL fără strat semantic. Fragilitate și erori de agregare.
Perspective magice fără referire la numere. Neîncredere şi abandonarea instrumentului.

14) Foaia de parcurs privind implementarea

1. Fundație: strat semantic, glosar de valori, accese (RLS/CLS), seturi de testare de NL→SQL.
2. MVP NL→Viz: top 10 întrebări, gramatică auto-diagramă, tip/cardinalitate validare.
3. Insight Engine: anomalii/puncte de întrerupere, priorități, narațiuni de bază cu CI.
4. RAG & Trust: conectați metadate/formule, înregistrați dovezi în UI.
5. A11y și mobil: carduri adaptive, alt-texte, contrast/tastatură.
6. FinOps: cache-uri/materializări, limite de scanare, profile de încărcare.
7. Scară: personalizare după rol, șabloane NLG de scenariu, integrări/alerte CRM.

15) Lista de verificare pre-eliberare

• Metrica și dimensiunile sunt descrise în stratul semantic; SELECT nu este permis.
• Selectarea diagramei auto este validată după tipul/cardinalitatea/regulile.
• Narațiunile conțin numere, comparație, bază și interval de încredere.
• Sunt incluse barele de eroare (dacă este cazul).
• NL→SQL/DSL trece de repere; vezi SQL pentru utilizator.
• RLS/CLS și munca de mascare în tooltips/exporturi.
• A11y: contrast, alt texte, fila de navigare, modul de orbire a culorilor.
• Cache/materializări/limite de scanare configurate; Panouri SLO/cost colectate.
• Formula/diagramă jurnalele versiunii; butonul „se plâng de perspicacitate”.

16) Mini șabloane

16. 1 Politica de programare auto-fit

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 Insight Card

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 Exemplu de NL→SQL în UI (iluminat din spate)

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 Kit de testare pentru NL→Viz

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

17) Linia de jos

Vizualizarea AI a metricii nu este „imagini inteligente”, și prin proces: strat semantic Insight Engine narațiuni explicabile și controlul încrederii. Cu parapete potrivite (confidențialitate, verificarea numerelor, incertitudine, A11y, FinOps), se transformă raportarea în soluții operaționale, accelerează analiza și ridică cultura de lucru cu datele în întreaga organizație.