मुख्य कंटेंट तक स्किप करें

डेटा विश्लेषण

सभी लेवल

AI के साथ डेटा से जवाब पाने के लिए आपको डेटा साइंटिस्ट होने की ज़रूरत नहीं है — लेकिन आपको इसे ईमानदार बनाए रखना होगा। AI क्वेरी लिखता है और परिणाम समझाता है; आप पुष्टि करते हैं कि संख्याएं वास्तविक हैं।

यह किसमें मदद करता है​

  • सादी भाषा के प्रश्न से SQL / स्प्रेडशीट फ़ॉर्मूले / pandas लिखना।
  • एक क्वेरी या परिणाम का व्यावसायिक अर्थ क्या है यह समझाना।
  • गड़बड़ डेटा को साफ़ और रूपांतरित करना (गड़बड़ी का वर्णन करें, चरण प्राप्त करें)।
  • प्रश्न के लिए सही चार्ट सुझाना।
  • आउटपुट की व्याख्या करना और अगला प्रश्न प्रस्तावित करना।

सुरक्षित वर्कफ़्लो​

  1. अपने डेटा का वर्णन करें — कॉलम, प्रकार, और ग्रेन (एक पंक्ति = ?)। नामों को मान न लें।
  2. विश्लेषण को जिस प्रश्न का उत्तर देना चाहिए उसे बताएं।
  3. क्वेरी + एक-पंक्ति की व्याख्या प्राप्त करें कि यह क्या करती है और इसकी धारणाएं क्या हैं।
  4. वास्तविक डेटा पर इसे स्वयं चलाएं।
  5. सादी भाषा में व्याख्या और चेतावनियों के लिए परिणाम वापस लाएं।
My table `orders` has columns: order_id, customer_id, created_at, total_eur,
status. One row per order. Write SQL for monthly revenue from completed orders in
2025, and explain any assumptions.

सुरक्षा-उपाय​

:::warning ऐसी संख्याओं पर कभी भरोसा न करें जिन्हें इसने गणना करके नहीं निकाला यदि AI आपके डेटा पर क्वेरी चलाए बिना कोई परिणाम बताता है, तो वह संख्या गढ़ी हुई हो सकती है। क्वेरी स्वयं चलाएं; किसी भी ऐसे आंकड़े को असत्यापित मानें जिसकी आपने गणना नहीं की। और याद रखें सहसंबंध ≠ कारण-संबंध — इससे साहचर्यात्मक दावों को चिह्नित करने के लिए कहें। देखें भ्रम (Hallucinations)। :::

  • परिमाणों की सामान्य जांच करें — असंभाव्य परिणाम? जांच करें, प्रकाशित न करें।
  • धारणाएं बताएं (null, डीडुप, टाइम ज़ोन, मुद्रा)।
  • संवेदनशील/PII डेटा न चिपकाएं उन उपकरणों में जिनकी आपने जांच नहीं की है (गोपनीयता)।

आगे​