Model Online/Fiziksel
Süre
Modüller 6 modül

Eğitimin Amacı ve Kapsamı

Ham veritabanı tabloları üzerinden doğrudan SQL üreten bir LLM; "net ciro", "aktif müşteri" veya "churn oranı" sorulduğunda iptalleri, iadeleri, KDV'yi veya test hesaplarını her seferinde farklı filtreleyerek yönetim toplantılarında çelişkili rakamlar üretir. Bu eğitim; iş kurallarını LLM'in tahminine bırakmak yerine merkeze bir Semantik Katman (Semantic Layer) ve resmi Metrik Sözlüğü koyan mimarileri ele alır.

Katılımcılar Cube, dbt Semantic Layer / MetricFlow veya yapılandırılmış YAML metrik modelleri üzerinde boyut (dimension), ölçü (measure), kanonik JOIN yolları ve iş terimleri sözlüğü tanımlar; LLM'i ham SQL yerine semantik katman API'sine veya doğrulanmış analitik görünümlere (marts) bağlar.

Kimler Katılmalı?

  • Kurumsal veri ambarı, dbt ve BI mimarisini yöneten veri ve analitik mühendisleri
  • Text-to-SQL ve self-servis analitik asistanlarında "tek doğru kaynak" (single source of truth) arayan yapay zeka mühendisleri
  • Veri yönetişimi, metrik standartları ve veri platformundan sorumlu veri mimarları
  • Ön koşul: İleri SQL, veri modelleme (star schema / data mart) ve temel LLM bilgisi

Kazanımlar

  • Ham tablo şeması ile yönetişimli semantik katman arasındaki doğruluk ve bakım farkını ortaya koyar
  • Metrikleri (measures), boyutları (dimensions), zaman granülasyonunu ve zorunlu filtreleri kod olarak (YAML) modeller
  • LLM'i serbest SQL yazmak yerine semantik katman sorgusu (Cube / MetricFlow / MCP) üretmeye yönlendirir
  • İş terimleri sözlüğünü (business glossary) ve eş anlamlı KPI adlarını semantik modele bağlar
  • Hibrit mimari kurarak standart KPI sorularını semantik katmandan, keşif sorularını onaylı veri martlarından yanıtlar

Konular

Neden Ham Text-to-SQL Kurumsal KPI'larda Yanılır?
  • Metrik sapması (metric drift), fan-out/chasm trap JOIN hataları ve örtük iş kuralları
  • Semantik katmanın rolü: iş mantığını prompt'tan çıkarıp versiyonlu veri modeline sabitlemek
Semantik Veri Modelleme: Küpler, Metrikler, Boyutlar ve Hiyerarşiler
  • Toplamlı, oranlı (ratio), kümülatif ve dönem karşılaştırmalı (YoY, MoM) metriklerin tanımlanması
  • Kanonik JOIN grafiği, varsayılan iş filtreleri (ör. `is_deleted = false`) ve zaman boyutları
Semantik Katman Araçları: dbt Semantic Layer, Cube ve BI Modelleri
  • dbt MetricFlow, Cube ve veritabanı içi Semantic Views yaklaşımlarının mimari karşılaştırması
  • Semantik katmanı REST, GraphQL, SQL API ve MCP sunucusu olarak LLM'e açma
Text-to-Semantic-Query: LLM ile Yapılandırılmış Metrik Çağrısı
  • Serbest SQL üretimi yerine `{metrics, dimensions, filters, timeDimensions, order}` JSON sorgusu üretme
  • Semantik katmanın bu yapılandırılmış isteği deterministik ve hatasız SQL'e derlemesi
İş Sözlüğü (Business Glossary) ve Hibrit Analitik Mimarisi
  • Kurum içi kısaltmaların ve departman dilinin kanonik metriklere vektör/sözlük aramasıyla eşlenmesi
  • Tanımlı KPI'larda semantik katman, tanımsız keşif sorularında daraltılmış OBT/Data Mart SQL'i kullanımı
Uygulama: Kurumsal KPI'lar İçin Semantik Katman ve AI Asistanı
  • Kurumun temel KPI'ları için YAML semantik modelinin yazılması ve LLM aracına bağlanması
  • Ham Text-to-SQL ile Semantik Katman yaklaşımının tutarlılık karşılaştırması

Bu Kategorideki Diğer Eğitimler

Bizimle iletişime geçin