Kuruluşlar daha hızlı ve daha akıllı kararlar almak için veriye giderek daha fazla güvendikçe veri analizi becerileri de giderek daha önemli hale geliyor. Yapay zeka yardımıyla, veri setlerini temizleme, eğilimleri belirleme ve içgörü üretme gibi birçok veri görevi artık daha verimli bir şekilde tamamlanabiliyor. Yapay zeka becerileri, ajanların bu analiz görevlerini daha yapılandırılmış bir şekilde gerçekleştirmesine yardımcı olan yeniden kullanılabilir iş akışları ve metodolojiler sunar. Bu rehber, veri iş akışlarını kolaylaştırabilecek ve ham veriyi uygulanabilir içgörülere dönüştürebilecek 22 veri analizi becerisini inceliyor.
Yapay zeka veri analizi becerileri nedir?
Veri analizi becerileri, yapay zeka ajanlarına temel veri analizi görevlerini ele almaları için yapılandırılmış talimatlar, iş akışları ve kılavuzlar sunar. Ajanların verileri düzenlemesine, veri setlerini temizlemesine, kalıpları belirlemesine, grafikler oluşturmasına, temel hesaplamalar yapmasına ve ham bilgilerden içgörüler özetlemesine yardımcı olurlar.
Kimi'nin yerleşik 12 yapay zeka veri yönetimi ve analiz becerisi
Kimi, veri işleme, analiz ve raporlamayı basitleştiren geniş bir yelpazede yerleşik yapay zeka becerisi sunar. İster veri setlerini temizliyor, ister görselleştirmeler oluşturuyor, ister içgörüler üretiyor olun, bu araçlar tekrarlayan görevleri otomatikleştirmenize ve verimliliği artırmanıza yardımcı olur. İşte Kimi'de keşfedebileceğiniz 12 yerleşik yapay zeka veri yönetimi ve analiz becerisi.
| Beceri adı | Açıklama |
|---|---|
| sql-insight | Doğal dili SQL'e çevirir, sorgu performansını optimize eder ve SQLite ile PostgreSQL için EXPLAIN planlarını yorumlar. Kullanıcılar soruları SQL'e dönüştürmek, yavaş sorguları iyileştirmek, indeksleri ayarlamak, çalıştırma planlarını analiz etmek istediğinde veya NL2SQL, sorgu ayarlama ya da tam tablo taraması gibi anahtar kelimelerden bahsettiğinde tetiklenir. |
| auto-hypothesis-test | Verileriniz için doğru istatistiksel testi (ANOVA, ki-kare, Mann-Whitney veya diğerleri) otomatik olarak seçip çalıştırır ve sonuçları sade bir dille yorumlar. Grup karşılaştırmaları, anlamlılık, p-değerleri, hipotez testi hakkında soru sorduğunuzda veya t-testi, ANOVA ya da ki-kare gibi belirli testlerden bahsettiğinizde tetiklenir. |
| correlation-auditor | Korelasyon matrislerini (Pearson/Spearman) analiz eder, karıştırıcı değişkenleri kontrol etmek için kısmi korelasyonlar hesaplar ve verilerinizdeki olası sahte korelasyonları işaretler. Kullanıcılar değişkenler arasındaki ilişkiler hakkında soru sorduğunda, korelasyon matrisine ihtiyaç duyduğunda veya Pearson/Spearman katsayılarından, kısmi korelasyondan, karıştırıcı faktörlerden ya da sahte korelasyonlardan bahsettiğinde tetiklenir. |
| data-viz-renderer | JSON verilerinden istatistik kartları, çubuk grafikler, akış diyagramları ve karma panolar dahil, kendi kendine yeten HTML/SVG infografikler üretir. 8 renk paleti ve harici bağımlılık gerektirmeyen yerleşik simgeler sunar. Kullanıcılar veri görselleştirme, infografik, grafik veya pano talep ettiğinde tetiklenir. |
| dataset-quality-audit | Tablo halindeki veriler (CSV/Excel/TSV/JSON) üzerinde kapsamlı kalite kontrolleri yaparak eksik değerleri, yinelenenleri, aykırı değerleri, biçim sorunlarını ve tür tutarsızlıklarını tespit eder ve genel bir puan, not ile uygulanabilir öneriler üretir. Kullanıcılar veri kalitesini kontrol etmek, eksik veya yinelenen değerleri bulmak, aykırı değerleri tespit etmek, biçimleri doğrulamak, veriyi profillemek veya veriyi temizlemek istediğinde tetiklenir. |
| discounted-cashflow-model | İndirgenmiş nakit akışı (DCF) değerleme modeli oluşturur; büyüme oranı × iskonto oranı duyarlılık analizi matrisiyle birlikte kurumsal değeri, özsermaye değerini ve hisse başına fiyatı hesaplar. '\[şirket] için DCF yap', 'bir değerleme çalıştır', 'WACC/iskonto oranını hesapla' gibi taleplerle ya da serbest nakit akışı, nihai değer veya duyarlılık analizinden bahsedildiğinde tetiklenir. |
| financial-ratio-toolkit | Kullanıcının sağladığı finansal tablolardan 20'den fazla finansal oranı (karlılık, ödeme gücü, likidite, verimlilik ve büyüme) ve DuPont Analizini hesaplayarak şirket temellerini analiz eder. Finansal oran hesaplaması, DuPont/ROE analizi talepleriyle ya da "bu finansalları analiz et" veya "ödeme gücü oranlarını hesapla" gibi ifadelerle tetiklenir. |
| financial-statement-analyzer | Gelir tablosu, bilanço ve nakit akış tablosu verilerini analiz ederek yıllık/çeyreklik bazda eğilim analizi üretir ve alacak hesabı sıçramaları veya nakit akışı sapması gibi anormallikleri işaretler. Kullanıcılar finansalları analiz etmek, yıllık/çeyreklik karşılaştırma yapmak, uyarı işaretlerini tespit etmek veya kazanç kalitesini değerlendirmek istediğinde tetiklenir. |
| quick-strategy-backtest | Ticaret stratejisi açıklamalarını (olay bazlı çalışmalar, hisse seçimi ve portföy dahil) çalıştırılabilir geriye dönük test koduna dönüştürür ve geriye dönük test sonuçları, görsel panolar ile analitik raporlar üretir. Kullanıcılar alım/satım koşullarını, olay sonrası getirileri, hisse havuzu tarama geriye dönük testlerini ve diğer nicel senaryoları tarif ettiğinde tetiklenir. |
| regression-modeler | Yüklenen CSV/Excel verileri üzerinde regresyon analizi (OLS veya lojistik) çalıştırarak katsayılar, R², p-değerleri, VIF üretir ve sonuçları sade bir dille yorumlar. Regresyon modellemesi, veriye uydurma, anlamlılık testi, çoklu doğrusal bağlantı kontrolü talepleriyle ya da OLS, logit, katsayı, p-değeri, R-kare gibi anahtar kelimelerle tetiklenir. |
| stock-research-report | Guotai Haitong / Haitong International tarzında menkul kıymet araştırma raporları üretir. Çin hisse senedi araştırması, sektör takibi, yatırım notları ve finansal araştırma belgeleri için kullanılır. Şu anahtar kelimelerle tetiklenir: Guotai Haitong, Haitong International, sektör takibi, hisse senedi araştırması, menkul kıymet araştırması. Yerli ve uluslararası çift şablonu destekler. |
| stock-signal-analyzer | OHLCV verilerini analiz ederek 15'ten fazla teknik gösterge (MA, MACD, RSI, Bollinger Bantları, KDJ dahil) hesaplar ve genel bir değerlendirmeyle birlikte boğa/ayı sinyali özeti üretir. Kullanıcılar teknik analiz talep ettiğinde, MACD veya RSI gibi göstergelerin hesaplanmasını istediğinde, mum grafiği analizinden bahsettiğinde veya hareketli ortalama kesişimleri, Bollinger Bant kırılmaları ya da RSI aşırı alım/aşırı satım seviyelerinden gelen sinyalleri tartıştığında tetiklenir. |
| value-investing-scorecard | Buffett/Graham değer yatırımı puan kartı — bir şirketi hendek, yönetim, finansallar ve değerleme olmak üzere dört boyutta 20 kritere göre değerlendirip 0-100 arası bir puan verir. Kullanıcılar değer yatırımı analizi, temel analiz puanlaması, hendek değerlendirmesi talep ettiğinde ya da 'bu şirkete yatırım yapmaya değer mi', 'XX'in temellerini analiz et' veya 'bunu Buffett yöntemiyle değerlendir' dediğinde tetiklenir. |
| weighted-scorer | Teknoloji seçimi, tedarikçi değerlendirmesi ve çok kriterli seçenek karşılaştırmaları için ağırlıklı puanlama karar matrisleri oluşturur. Kriterleri tanımlama, ağırlık atama, seçenekleri puanlama ve sonuçları duyarlılık analiziyle doğrulama sürecinde size rehberlik eder. Kullanıcılar karar matrisleri, ağırlıklı puanlama, seçenekleri karşılaştırma, tedarikçi seçimi veya yap-ya-da-satın-al kararları hakkında soru sorduğunda tetiklenir. |
| chart-image | Verilerden yayın kalitesinde PNG grafik görüntüleri üretir; çizgi, çubuk, alan, mum grafiği, pasta ve ısı haritası grafiklerini destekler. Kullanıcı veriyi görselleştirmek, bir grafik oluşturmak, bir zaman serisini çizmek veya bir rapor, uyarı ya da panel için grafik üretmek istediğinde tetiklenir. Tarayıcı gerektirmeyen, hafif bir Node.js işlemi olarak çalışır. |
| xlsx | XLSX, XLSM ve CSV formatları dahil (ama bunlarla sınırlı olmamak üzere) elektronik tablo dosyalarının gelişmiş şekilde işlenmesi, analizi ve oluşturulması için özel bir araç. Temel işlevleri arasında formül uygulama, karmaşık biçimlendirme (finansal görevler için otomatik para birimi biçimlendirmesi dahil), veri görselleştirme, zorunlu son işlem yeniden hesaplaması ve üç tablo modeli, DCF değerlemesi, karşılaştırılabilir şirket analizi gibi finans odaklı Excel modelleme iş akışları bulunur. |
Kimi'nin yerleşik yapay zeka veri analizi becerilerini kullanın
Daha hızlı veri analizi, finansal hesaplama ve otomatik raporlama için Kimi'nin yerleşik AI becerilerini kullanmak üzere bu basit adımları izleyin.
Adım 1: Bir beceri komutu girin
Kimi'nin finansal veri analizi becerisini etkinleştirmek için giriş kutusuna /financial-ratio-toolkit komutunu yazın.
Adım 2: Araştırma görevinizi başlatın
Beceriyi etkinleştirdikten sonra Kimi'nin gerçekleştirmesini istediğiniz veri kümesini veya finansal analizi tarif edin.
Örnek prompt:
Ardından Kimi verileri otomatik olarak analiz eder, gerekli hesaplamaları yapar ve daha hızlı karar almanıza yardımcı olacak temel bilgileri içeren yapılandırılmış bir rapor oluşturur.
Adım 3: Belgenizi gözden geçirin ve indirin
Oluşturulan raporu gözden geçirin, gerekli düzenlemeleri yapın ve daha ileri analiz, paylaşım veya sunum için son belgeyi indirin.
6 açık kaynak veri analizi becerisinin kilidini açın
Açık kaynak beceriler, AI agent'lara farklı veri analizi görevleri için özel iş akışları sunar. Bu becerileri Kimi'ye kurarak veri işlemeyi otomatikleştirebilir, daha derinlemesine analizler yapabilir ve karmaşık veri kümeleriyle çalışmak için daha verimli iş akışları oluşturabilirsiniz. İşte incelemeye değer 6 açık kaynak veri analizi becerisi.
| Beceri adı | Açıklama | URL |
|---|---|---|
| data-analytics-skills | Veri kalitesi kontrolleri, derinlemesine analiz, dokümantasyon, gösterge paneli oluşturma ve paydaş iletişimi dahil olmak üzere analist iş akışını kapsayan, 31 taşınabilir yapay zeka destekli beceriden oluşan bir koleksiyon. | https://github.com/nimrodfisher/data-analytics-skills |
| d3-visualization-skill | Ajanların gösterge panelleri ve raporlar için çubuk grafikler, çizgi grafikler, kuvvet grafikleri, sankey diyagramları, ağaç haritaları, güneş patlaması grafikleri ve koroplet haritalar gibi karmaşık, etkileşimli veri görselleştirmeleri oluşturmasına yardımcı olan kapsamlı bir D3.js becerisi. | https://github.com/nexu-io/open-design/blob/main/skills/d3-visualization/SKILL.md |
| tufte-data-viz-skill | Yüksek veri-mürekkep oranı, minimum grafik karmaşası, doğrudan etiketler, küçük çoklular ve spark çizgileri gibi Edward Tufte'nin veri görselleştirme ilkelerini uygulayarak farklı görselleştirme kütüphanelerinde sade ve erişilebilir grafikler oluşturur. | https://github.com/caylent/tufte-data-viz |
| mckinsey-style-visualization-skill | Ham iş notlarını, içgörü odaklı başlıklar, görsel hiyerarşi, yeniden kullanılabilir slayt spesifikasyonları ve kalite değerlendirme çerçeveleriyle yönetici sunumuna hazır danışmanlık görsellerine dönüştürmeye yardımcı olur. | https://github.com/kgraph57/mckinsey-style-visualization-skill |
| data-visualization-report-skill | CSV, Excel veya JSON verilerini KPI kartları, Chart.js grafikleri ve veri tablolarıyla donatılmış özenli görsel raporlara dönüştürür. İş ve finans senaryoları için şablon tabanlı rapor oluşturmayı destekler. | https://github.com/nexu-io/open-design/blob/main/skills/data-report/SKILL.md |
| analytics-tracking-measurement-strategy | Ölçüm stratejileri, olay taksonomileri, veri kalitesi incelemeleri ve izleme uygulama iş akışları aracılığıyla analitik izleme sistemlerinin tasarlanmasına, denetlenmesine ve iyileştirilmesine yardımcı olur. | https://github.com/diegosouzapw/awesome-omni-skills/blob/main/skills/analytics-tracking/SKILL.md |
Kimi ile açık kaynak veri analizi becerilerini kullanın
Kimi'ye açık kaynak bir AI becerisi kurmak ve bunu gelişmiş veri analizi ile raporlama görevlerinde kullanmak için bu basit adımları izleyin.
Adım 1: Bir prompt girin
Kimi Chat'i açın ve kurmak istediğiniz açık kaynak veri analizi becerisinin GitHub URL'sini içeren bir prompt girin.
Örnek prompt:
Adım 2: AI'nin beceriyi otomatik olarak kurmasına izin verin
Kimi, verilen GitHub URL'sine dayanarak beceriyi otomatik olarak indirir, yapılandırır ve hazırlar. Kurulum tamamlandığında beceri, çalışma alanınızda kullanıma hazır olur.
Adım 3: Beceriyi kullanın
Kurulan beceriyi Kimi'ye eklemek için "Add to my skills" seçeneğine tıklayın, ardından etkinleştirmek için "Try it" seçeneğini seçin. Etkinleştirildikten sonra veri kümenizi yükleyin veya analiz görevinizi tarif edin; beceri, verileri temizlemenize, hesaplamalar yapmanıza, içgörüler üretmenize ve yapılandırılmış raporları daha verimli şekilde oluşturmanıza yardımcı olur.
Özel AI becerileriyle veri analizini bir adım öteye taşıyın
Veri analizi iş akışlarınızı otomatikleştiren ve tekrar eden görevleri daha verimli hale getiren özel bir AI becerisi oluşturmak için bu basit adımları izleyin.
Adım 1: "Belgeyi beceriye dönüştür" aracına erişin
Kimi Skills'i açın ve "Document to skills" seçeneğine tıklayın. Bu özellik, veri analizi belgelerinizi tekrar kullanılabilir AI becerilerine dönüştürmenizi sağlar.
Adım 2: Dosyaları yükleyin
Otomatikleştirmek istediğiniz bilgiyi içeren elektronik tabloları, CSV dosyalarını, raporları, SQL belgelerini, analiz kılavuzlarını veya iş akışı belgelerini yükleyin. Kimi, temel bilgileri çıkarır ve yapılandırılmış bir AI becerisi oluşturur.
Adım 3: Becerilerinizi oluşturun ve kullanın
Oluşturulan AI becerisini gözden geçirin, gerekirse talimatlarını iyileştirin ve çalışma alanınıza kaydedin. Ardından veri işlemeyi otomatikleştirmek, raporlar oluşturmak ve gelecekteki analiz görevlerini kolaylaştırmak için özel becerileri kullanabilirsiniz.
Bunu istediğiniz zaman düzenleyebilir veya paylaşım ile diğer projelerde kullanım için .md dosyası olarak dışa aktarabilirsiniz.
AI veri analizi becerilerini kullanma ipuçları
AI'ı etkili bir şekilde kullanmak, doğru verileri sağlamak ve net talimatlar vermekle başlar. Veri analizi becerilerinizin doğruluğunu artırmak ve daha anlamlı içgörüler elde etmek için şu en iyi uygulamaları izleyin.
Önce net analiz hedefleri belirleyin
AI ajanlarına ilgili verilere odaklanmalarına ve daha kullanışlı içgörüler üretmelerine yardımcı olacak belirli sorular, hedefler ve beklenen çıktılar sunun.
Analizden önce verilerinizi hazırlayın ve doğrulayın
Veri kümelerinin eksiksiz, doğru biçimlendirilmiş ve belirgin hatalardan arınmış olduğundan emin olun. Temiz veriler, AI ajanlarının daha doğru analiz sonuçları üretmesine yardımcı olur.
Analiz ihtiyaçlarınıza göre beceriler seçin
Veri temizleme, görselleştirme, raporlama, tahminleme veya gösterge paneli oluşturma gibi farklı görevler için farklı beceriler kullanın.
Bağlam ve iş arka planı sağlayın
AI ajanlarının sonuçları daha etkili yorumlayabilmesi için veri kümesi, sektör, hedef kitle ve karar hedefleri hakkında bilgi ekleyin.
AI tarafından oluşturulan içgörüleri gözden geçirin ve iyileştirin
Analiz sonuçlarını kontrol edin, önemli bulguları doğrulayın ve gelecekteki çıktıların doğruluğunu ve tutarlılığını artırmak için gerektiğinde talimatları ayarlayın.
Sonuç
İster temel veri analizi becerileri geliştiriyor ister karmaşık iş akışlarını otomatikleştiriyor olun, AI doğruluğu artırırken zaman kazandırabilir. Güçlü veri analizi becerileri, bilgileri daha verimli işlemenize ve verilere dayalı daha iyi kararlar almanıza yardımcı olur. Kimi ile, veri analizini kolaylaştırmak ve ham verileri eyleme geçirilebilir içgörülere dönüştürmek için yerleşik, açık kaynaklı ve özel AI becerilerinden yararlanabilirsiniz.