همه محصولات

مدل‌سازی داده در MotherDuck با هوش مصنوعی

قبل از ساخت گزارش، مشخص کنید هر ردیف چه معنایی داره و جدول‌ها باید با کدوم کلید به هم وصل بشن. اسکیل به طراحی مدل قابل بررسی و شناسایی مواردی مثل چند بار شمردن یک سفارش کمک می‌کنه.

برای مدل‌سازی داده در MotherDuck با هوش مصنوعی، به اسکیل motherduck-model-data بگید تیم قراره به چه سوالی جواب بده. مثلا می‌خواید مبلغ سفارش رو کنار دسته محصول ببینید؛ اما یک سفارش می‌تونه چند قلم کالا داشته باشه. اگر مبلغ کل سفارش در ازای هر قلم تکرار بشه و بعد جمع بزنید، فروش از مقدار واقعی بیشتر دیده می‌شه. برای همین قبل از طراحی جدول یا نما، باید روشن باشه هر ردیف نماینده یک سفارشه، یک قلم کالاست یا جمع یک روز.

ایجنت کلیدها، ارتباط جدول‌ها و رفتار مقدارهای خالی رو با همین تعریف بررسی می‌کنه. ممکنه اطلاعات ثابت محصول در یک جدول جدا باشه و رخدادهای فروش در جدول دیگه ذخیره بشن. اگر نام دسته یک محصول بعدا تغییر کرد، تیم باید تصمیم بگیره که گزارش قدیمی دسته زمان فروش رو نشون بده یا دسته فعلی رو. برای شروع لازم نیست همه داده‌های شرکت مدل‌سازی بشن. می‌تونید یک شاخص مهم رو انتخاب کنید، چند سفارش نمونه رو از ابتدا تا خروجی دنبال کنید و بعد مدل بررسی‌شده رو در اختیار گزارش‌نویس‌ها بذارید.

کاربردها

  • تعریف معنی هر ردیف در جدول تحلیلی
  • انتخاب کلید اتصال بین دو جدول
  • جدا کردن داده رخداد از مشخصات ثابت کالا
  • بررسی اثر ردیف تکراری یا مقدار خالی روی جمع‌ها
  • مقایسه نتیجه مدل با چند رکورد شناخته‌شده

نصب و استفاده

  1. اسکیل رو در ایجنت سازگار نصب کنید و ساختار جدول‌ها رو بدید. برای بررسی داده واقعی به اتصال مجاز MotherDuck نیاز دارید. ساخت یا تغییر جدول و نما هم دسترسی نوشتن خودش رو می‌خواد.
  2. مثلا بگید «برای فروش به تفکیک دسته، اول مشخص کنید هر ردیف باید سفارش باشه یا قلم سفارش. با چند خرید نمونه بررسی کنید مبلغ بعد از اتصال جدول‌ها دو بار حساب نشه.»
  3. تعریف شاخص و نمونه نتیجه رو با تیم مرور کنید. اگر فعلا فقط طراحی خواستید، ساخت جدول واقعی رو به تصمیم جداگانه بسپرید.

سوالات متداول

منبع

ساخته MotherDuck. نام اصلی: motherduck-model-data، منتشرشده در GitHub با مجوز MIT.

مشاهده در GitHub