שלב 3

Analytics ותרגום נתונים (SQL)

מנהלי מוצר צריכים לקבל החלטות מבוססות נתונים. בשיעור זה נלמד כיצד להגדיר בצורה נכונה אירועי אנליטיקס (Events, Properties) לצוות הדאטה, ואיך להשתמש ב-AI כדי לתרגם שאלות עסקיות בשפה טבעית לשאילתות SQL כדי לשלוף נתונים בעצמכם (גם ללא ידע ב-SQL).

01מתי משתמשים

בסיום אפיון פיצ'ר, לפני העברה לפיתוח (כדי להוסיף דרישות Analytics)
כאשר הפיצ'ר באוויר ורוצים למדוד את הביצועים שלו
כאשר רוצים לשלוף נתון פשוט ממסד הנתונים ואין זמן לחכות לאנליסט

02דוגמה מעשית

השאלה 'כמה משתמשים נטשו את תהליך ההרשמה בעמוד הוספת כרטיס אשראי בחודש האחרון?' מתורגמת על ידי ה-AI גם ל-Analytics Brief (אילו Events חסרים לנו) וגם לשאילתת SQL שניתן להריץ ב-Metabase או Redash.

03 פרומפט

דאטהבינוני

פרומפט לתרגום שאלות מוצריות ל-SQL ו-Analytics

המרת שאלה עסקית (למשל 'כמה נטשו את הפאנל?') להגדרת Events או לשאילתת SQL

AnalyticsSQLData

פלט צפוי

פלט בשני חלקים: Data Analytics Brief שמגדיר אילו Events ו-Properties חסרים (רק אם יש פער בין השאלה לסכימה שסופקה), ושאילתת SQL נקייה עם הערות Inline שמסבירות כל JOIN וכל Date filtering. אם השאלה דורשת מידע שלא קיים בסכימה, ה-AI מסמן זאת בבירור בתור [חסר: עמודה/טבלה נדרשת] במקום להמציא עמודות או טבלאות, ומסביר כטקסט חופשי מחוץ לבלוק הקוד - לא כהערת SQL בתוכו - למה הפרט נדרש ואיפה סביר למצוא אותו.

טעויות נפוצות

להגדיר Event בלי לשייך לו Properties רלוונטיים (כמו סוג המשתמש או שגיאה שחווה)
לרוץ להריץ שאלת SQL מבלי להסביר ל-AI מה סכימת הנתונים (Table Schema) שלכם
למדוד 'הכל' במקום להגדיר שאלת מחקר ברורה

תרגול עצמי

נסח שאלה עסקית שמעניינת אותך (למשל: 'כמה יוזרים לחצו על X'). תאר ל-AI אילו טבלאות קיימות אצלך, ובקש ממנו לייצר עבורך את ה-SQL לשליפת המידע.

תוצרים

טבלת Tracking / Analytics Plan
שאילתת SQL מוכנה להרצה