Metrleriň AI wizualizasiýasy

1) AI wizualizasiýa näme

1. grafikanyň we okuň degişli görnüşini saýlaýarlar,

2. patternleri/anomaliýalary/tendensiýanyň döwüklerini görkezýärler,

3. düşündirişli teksti düzýärler (insight/narrative),

4. (Next Best Action),

5. görnüşi ulanyjynyň we enjamyň mazmunyna uýgunlaşdyrýarlar.

Maksat soragdan jogaba çenli ýoly gysgaltmak: çartlary el bilen saýlamak, barlanylýan manylar az.

2) Eliňizdäki binagärlik

1. Semantic Layer: Metrikleriň/ölçegleriň ýeke-täk kesgitlemeleri (sözlük, formula, agregasiýa, elýeterlilik).
2. NL → Query: SQL/SPARQL/DSL-e tebigy dilde soragy öwürmek.
3. Query → Viz: grafikanyň we parametrleriň grammatikasyny (oklar, log-şkalalar, reňk/shape/size) awto-saýlamak.
4. Insight Engine: anomaliýalaryň detekasiýasy, breakpoints, seasonality, causal hints; signallaryň ileri tutulýan ugurlary.
5. Narrative: manylara we ynamdar aralyklara salgylanmak bilen hakykat-gysgaldylan teksti döretmek.
6. RAG: Maglumat/konfigurasiýa katalogyndan kontekstiň goşulmagy (meta-maglumatlar, iş düzgünleri).
7. Policy Guardrails: gizlinlik/elýeterlilik/gizlemek, sanlary we baglanyşyklary barlamak.
8. Delivery: web widjetler, ykjam kartoçkalar, PDF/snapshotlar, CRM/Slack-de webhooks.

3) Grafikalaryň grammatikasy we awto-saýlama

• Wagt → çyzyk/area; kategoriýalar (≤ 8) → sütünler/plitkalar; reýting → bar/liderbord; paýlanyş → gistogramma/violin/box; baglanyşyklar → skatter/heatmap.
• Eksponensial ösüşde log-ok; paýlarda kadalaşma (%); small multiples - seriýalar köp bolanda.
• Reňk saýlamak: statuslar üçin semantik palitralar; reňk ≠ şol bir wagtyň özünde tertip we kategoriýa kanaly.
• Diňe many berýän gollar: "syýa" -ny minimallaşdyrýarys.

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: soragdan tertibe

Niýetleriň parsingi: metrika, kesişler, döwür, süzgüçler, agregatlar.
Semantik gatlakda tassyklama: diňe rugsat berlen meýdanlar/formulalar.
Post-prosessing: meýdan görnüşleri we kardinallygy boýunça çart saýlamak, awto-bosagasy bining/sempling.
Seslenme: Ynamy güýçlendirmek üçin SQL/DSL we daşarky maglumatlary (gizlemek bilen) görkezmek.

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: "manylary" nädip döretmeli

• Anomaliýalar: STL-dekompozisiýa, ESD/Prophet, BOCPD; ugruny/ululygyny/ynamyny belleýäris.
• Tendensiýanyň döwülmegi: CUSUM/Chow test; ýerli regressiýalar.
• Möwsümlilik/kampaniýa: "dynç alyş vs adaty gün" deňeşdirmesi, bazline uplift.
• Segment sürüjileri: Shapley/feature importance tablisanyň regressiýasynyň ýa-da gradient güýçlendirijisiniň üstünde.
• Sebäpler: degişli üýtgeşmeleri görkezmek (gözegçiligiň çäginde) + "bu korrelasiýa" ýatlatmasy.

1. 2) täsiriň güýji, 3) täzelik, 4) ynam.

6) Kyssany (teksti) döretmek

Talaplar: sanlar we seneler bilen faktlar, deňeşdirme esaslaryny görkezmek, adalgalaryň takyklygy.

7) Kontekste uýgunlaşmak (şahsylaşdyrmak)

Rollar: C-level - KPI-kartoçkalar we hekaýalar; dolandyryjylar - bölekler we alertler; analitikler - SQL/DSL we model parametrleri.
Enjam: ykjam sparklines mobilde, full viz desktopda.
Geo/dil/walýuta/wagt zolagy - awtomatiki usulda.

8) Düşündirilebilirlik we ynam

Klikabel → grafikasyndaky her bir gol hasaplamany açýar (formula, agregasiýalar, süzgüçler).
Statistik näbelliligi görkezýäris (ynam zolaklary, error bars).
LLM-düşündirişler üçin: Meta maglumatlar boýunça RAG, çeşmesi boýunça sanlary deňeşdirmek (mukdarlary/diapazonlary barlamak).
Üýtgeşmeler log: formulalaryň, datasetleriň, çartyň wersiýasy.

9) Hil we SLO wizualizasiýa

Latency p95 rendering, time-to-first-insight, üstünlikli NL-haýyşlaryň paýy.
Explainability score (kyssada sanlaryň/baglanyşyklaryň/CI barlygy).
Accuracy NL→SQL (ex. exact-match).
Accessibility: kontrast, alt-tekst, klawiatura, distonizm re modeimi.

10) Elýeterlilik (A11y) we UX-patternler

Reňk duýgusyna bagly bolmadyk reňk palitralary; reňk görnüşi/patterni bilen köpeltmek.
Grafikanyň gapdalyndaky tekst alternatiwalary we data-table view.
Fokus duzaklary, akylly tab-tertip; oklar döwülmezden masştablamak.

11) Howpsuzlyk we gizlinlik

Soraglar we tooltips maglumatlary derejesinde RLS/CLS.
Re-identification-dan gaça durmak üçin seýrek kategoriýalar üçin maskalama/bining.
NL-soraglaryň žurnallary - PDn-seýf: potensial PII-leriň tokenizasiýasy/redaksiýasy.
Ekranlary/CSV eksport etmek - suw belgisi we wersiýanyň meta-maglumatlary bilen.

12) Ykdysadyýet we baha

Cost-aware: Taýllary/netijeleri kesmek, "gyzgyn" penjireleri materiallaşdyrmak, preview üçin sampling.
"Agyr" NL soraglaryny çäklendirmek (scan caps), uly seriýalar üçin yza süýşürilen render.
Esasy deteksiýa üçin arzan modeller + gijelerine agyr oflayn bahalandyrmalar.

13) Antipatternler

"Awto-çart elmydama dogry". Metrikanyň görnüşleriniň/kardinallarynyň/logikasynyň tassyklamasy gerek.
Too much ink. Zerur bolmadyk çylşyrymly 3D/dual-axis → ýoýulmalar.
Näbellilik görkezilmezden. Tekstler "düýbünden" eşidilýär, ýöne ýalňyş.
Semantik gatlaksyz NL → SQL. Gowşaklyk we ýygnamak ýalňyşlyklary.
Sanlara salgylanmazdan jadyly içerki. Ynamsyzlyk we guraldan ýüz öwürmek.

14) Durmuşa geçirmegiň ýol kartasy

1. Fond: semantik gatlak, metrik sözlük, elýeterlilik (RLS/CLS), NL → SQL synag toplumlary.
2. MVP NL → Viz: Top 10 sorag, grammatika boýunça awto-çart, görnüşleriň/kardinallaryň tassyklamasy.
3. Insight Engine: CI bilen anomaliýalar/breakpoints, ileri tutulýan ugurlar, esasy hekaýalar.
4. RAG & Trust: UI-de meta-maglumatlary/formulalary, subutnamalar magazineurnalyny birikdirmek.
5. A11y we mobil: adaptasiýa kartoçkalary, alt-tekstler, kontrast/klawiatura.
6. FinOps: nagt/materiallaşma, skan çäkleri, ýük profilleri.
7. Scale: rollar boýunça şahsylaşdyrma, NLG ssenariý şablonlary, CRM/duýduryşlara integrasiýa.

15) Goýberilmezden öň çek-sanawy

• Metrikler we ölçegler semantik gatlakda beýan edilýär; SELECT gadagan.
• Çartyň awto-saýlanylmagy görnüşleri/kardinallary/düzgünleri boýunça tassyklanýar.
• Kyssalarda sanlar, deňeşdirme, bazis we ynam bar.
• Näbellilik zolaklary/error-bars (bar bolan ýerinde) goşuldy.
• NL → SQL/DSL salgylanma synaglaryndan geçýär; ulanyjy üçin SQL görünýär.
• RLS/CLS we maskalama gurallarda/eksportlarda işleýär.
• A11y: kontrast, alt-tekstler, tab-nawigasiýa, distonizm re modeimi.
• Nagt/materializasiýa/skan çäkleri sazlandy; SLO/baha panelleri ýygnaldy.
• Formulalaryň/tertipleriň wersiýalarynyň ýazgylary; "içerki zeýrenmek" düwmesi.

16) Kiçi şablonlar

16. 1 Grafikany awto-saýlamak syýasaty

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 Içerki kartoçka

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-de NL → SQL mysaly (yşyklandyryş bilen)

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 üçin synag toplumy

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

17) Jemleýji

Metrleriň AI wizualizasiýasy "akylly suratlar" däl-de, eýsem ahyrky proses: semantik gatlak → NL → Query → Query → Viz → Insight Engine → düşündirilýän hekaýalar → hereketler we ynam gözegçiligi. Dogry garawullar (gizlinlik, sanlary barlamak, näbellilik, A11y, FinOps) bilen hasabatlylygy operasiýa çözgütlerine öwürýär, derňewi çaltlaşdyrýar we tutuş guramada maglumatlar bilen işlemek medeniýetini ýokarlandyrýar.