TIP

Bu belge AI tarafından çevrilmiştir. Herhangi bir yanlışlık için lütfen İngilizce sürümüne bakın

AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

CRM örneğini kullanarak, yapay zeka içgörü analistinizin işinizi gerçekten anlamasını ve tüm potansiyelini ortaya çıkarmasını nasıl sağlayacağınızı öğrenin.

1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

NocoBase sisteminde, Viz önceden oluşturulmuş bir yapay zeka içgörü analistidir. Sayfa bağlamını (örneğin Potansiyel Müşteriler, Fırsatlar, Hesaplar gibi) tanıyabilir ve trend grafikleri, huni grafikleri ve KPI kartları oluşturabilir. Ancak varsayılan olarak, yalnızca en temel sorgulama yeteneklerine sahiptir:

Araç	İşlev Açıklaması	Güvenlik
Get Collection Names	Koleksiyon Listesini Al	✅ Güvenli
Get Collection Metadata	Alan Yapısını Al	✅ Güvenli

Bu araçlar Viz'in yalnızca "yapıyı tanımasını" sağlar, ancak içeriği henüz gerçekten "anlamasını" sağlamaz. İçgörüler oluşturmasını, anormallikleri tespit etmesini ve trendleri analiz etmesini sağlamak için, onu daha uygun analiz araçlarıyla genişletmeniz gerekir.

Resmi CRM Demosu'nda iki yöntem kullandık:

Overall Analytics (Genel Amaçlı Analiz Motoru): Şablon tabanlı, güvenli ve yeniden kullanılabilir bir çözüm;
SQL Execution (Uzmanlaşmış Analiz Motoru): Daha fazla esneklik sunar ancak daha büyük riskler taşır.

Bu ikisi tek seçenek değildir; daha çok bir tasarım paradigması gibidirler:

Kendi işinize daha uygun bir uygulama oluşturmak için bu ilkeleri takip edebilirsiniz.

2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

Viz'i nasıl genişleteceğinizi anlamak için, öncelikle içindeki katmanlı tasarımı anlamanız gerekir:

Katman	Açıklama	Örnek
Rol Tanımı	Viz'in kişiliği ve analiz yöntemi: Anla → Sorgula → Analiz Et → Görselleştir	Sabit
Görev Tanımı	Belirli bir iş senaryosu için özelleştirilmiş istemler ve araç kombinasyonları	Değiştirilebilir
Araç Yapılandırması	Viz'in harici veri kaynaklarını veya iş akışlarını çağırması için köprü	Serbestçe değiştirilebilir

Bu katmanlı tasarım, Viz'in istikrarlı bir kişiliği (tutarlı analiz mantığı) korumasını sağlarken, aynı zamanda farklı iş senaryolarına (CRM, hastane yönetimi, kanal analizi, üretim operasyonları...) hızlıca adapte olabilmesine olanak tanır.

3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

3.1 İlke Özeti

Overall Analytics, CRM Demosu'ndaki çekirdek analiz motorudur. Tüm SQL sorgularını bir veri analizi şablon koleksiyonu (data_analysis) aracılığıyla yönetir. Viz doğrudan SQL yazmaz, bunun yerine sonuçları oluşturmak için önceden tanımlanmış şablonları çağırır.

Yürütme akışı aşağıdaki gibidir:

flowchart TD
    A[Viz görevi alır] --> B[Overall Analytics iş akışını çağırır]
    B --> C[Mevcut sayfaya/göreve göre şablonu eşleştirir]
    C --> D[Şablon SQL'ini yürütür (salt okunur)]
    D --> E[Veri sonucunu döndürür]
    E --> F[Viz grafik oluşturur + kısa yorumlama]

Bu sayede Viz, saniyeler içinde güvenli ve standartlaştırılmış analiz sonuçları oluşturabilirken, yöneticiler de tüm SQL şablonlarını merkezi olarak yönetebilir ve inceleyebilir.

3.2 Şablon Koleksiyonu Yapısı (data_analysis)

Alan Adı	Tür	Açıklama	Örnek
id	Integer	Birincil Anahtar	1
name	Text	Analiz şablonu adı	Leads Data Analysis
collection	Text	İlgili koleksiyon	Lead
sql	Code	Analiz SQL ifadesi (salt okunur)	`SELECT stage, COUNT(*) FROM leads GROUP BY stage`
description	Markdown	Şablon açıklaması veya tanımı	"Aşamaya göre potansiyel müşteri sayısını say"
createdAt / createdBy / updatedAt / updatedBy	Sistem Alanı	Denetim bilgisi	Otomatik oluşturulur

CRM Demosu'ndaki Şablon Örnekleri

Ad	Koleksiyon	Açıklama
Account Data Analysis	Account	Hesap Veri Analizi
Contact Data Analysis	Contact	İletişim Veri Analizi
Leads Data Analysis	Lead	Potansiyel Müşteri Trend Analizi
Opportunity Data Analysis	Opportunity	Fırsat Aşaması Hunisi
Task Data Analysis	Todo Tasks	Yapılacak Görevler Durum İstatistikleri
Users (Sales Reps) Data Analysis	Users	Satış Temsilcileri Performans Karşılaştırması

3.3 Bu Deseninin Avantajları

Boyut	Avantaj
Güvenlik	Tüm SQL'ler depolanır ve incelenir, doğrudan sorgu oluşturma önlenir
Sürdürülebilirlik	Şablonlar merkezi olarak yönetilir ve tek tip olarak güncellenir
Yeniden Kullanılabilirlik	Aynı şablon birden fazla görev tarafından yeniden kullanılabilir
Taşınabilirlik	Sadece aynı koleksiyon yapısını gerektirerek diğer sistemlere kolayca taşınabilir
Kullanıcı Deneyimi	İş kullanıcılarının SQL hakkında endişelenmesine gerek yoktur; sadece bir analiz isteği başlatmaları yeterlidir

📘 Bu data_analysis koleksiyonunun bu isimde olması zorunlu değildir. Önemli olan: analiz mantığını şablonlanmış bir şekilde depolamak ve bir iş akışı tarafından tek tip olarak çağrılmasını sağlamaktır.

3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

Görev tanımında, Viz'e açıkça şunları söyleyebilirsiniz:

Merhaba Viz,

Lütfen mevcut modülün verilerini analiz edin.

**Öncelik:** Analiz sonuçlarını şablon koleksiyonundan almak için Overall Analytics aracını kullanın.
**Eşleşen bir şablon bulunamazsa:** Bir şablonun eksik olduğunu belirtin ve yöneticinin bir tane eklemesini önerin.

Çıktı gereksinimleri:
- Her sonuç için ayrı bir grafik oluşturun;
- Grafiğin altına 2-3 cümlelik kısa bir açıklama ekleyin;
- Veri uydurmayın veya varsayımlarda bulunmayın.

Bu sayede Viz, iş akışını otomatik olarak çağıracak, şablon koleksiyonundan en uygun SQL'i eşleştirecek ve grafiği oluşturacaktır.

4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

4.1 Uygulanabilir Senaryolar

Keşifsel analiz, geçici sorgular veya çoklu koleksiyon JOIN birleştirmeleri gerektiğinde, Viz'in bir SQL Execution aracını çağırmasını sağlayabilirsiniz.

Bu aracın özellikleri şunlardır:

Viz doğrudan SELECT sorguları oluşturabilir;
Sistem yürüttükten sonra sonucu döndürür;
Viz analiz ve görselleştirmeden sorumludur.

Örnek görev:

"Lütfen son 90 gündeki bölgelere göre potansiyel müşteri dönüşüm oranlarının değişim trendini analiz edin."

Bu durumda Viz şunları oluşturabilir:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

4.2 Riskler ve Koruma Önerileri

Risk Noktası	Koruma Stratejisi
Yazma işlemleri oluşturma	`SELECT` ile sınırlamayı zorunlu kılın
İlgisiz koleksiyonlara erişim	Koleksiyon adının var olup olmadığını doğrulayın
Büyük koleksiyonlarla performans riski	Zaman aralığını sınırlayın, satır sayısı için LIMIT kullanın
İşlem izlenebilirliği	Sorgu günlüğünü ve denetimi etkinleştirin
Kullanıcı izin kontrolü	Yalnızca yöneticiler bu aracı kullanabilir

Genel öneriler:

Normal kullanıcılar yalnızca şablon tabanlı analizi (Overall Analytics) etkinleştirmelidir;

Yalnızca yöneticiler veya kıdemli analistler SQL Execution'ı kullanabilir.

5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

Aşağıda, herhangi bir sisteme (NocoBase'e bağımlı olmadan) kopyalayabileceğiniz basit, genel bir yaklaşım bulunmaktadır:

Adım 1: Şablon Koleksiyonunu Tasarlayın

Koleksiyon adı herhangi bir şey olabilir (örn. analysis_templates). Sadece şu alanları içermesi yeterlidir: name, sql, collection ve description.

Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

Mantık:

Görevi veya sayfa bağlamını (örn. mevcut koleksiyon) alın;
Bir şablonu eşleştirin;
Şablon SQL'ini yürütün (salt okunur);
Standartlaştırılmış bir veri yapısı (satırlar + alanlar) döndürün.

Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

Görev istemi şöyle yazılabilir:

Önce şablon analiz aracını çağırmayı deneyin. Şablonlarda eşleşen bir analiz bulunamazsa, SQL yürütücüyü kullanın.
Lütfen tüm sorguların salt okunur olduğundan emin olun ve sonuçları göstermek için grafikler oluşturun.

Bu sayede, yapay zeka çalışan sisteminiz CRM Demosu'na benzer analiz yeteneklerine sahip olacak, ancak tamamen bağımsız ve özelleştirilebilir olacaktır.

6. En İyi Uygulamalar ve Tasarım Önerileri

Öneri	Açıklama
Şablon tabanlı analize öncelik verin	Güvenli, istikrarlı ve yeniden kullanılabilir
SQL Execution'ı yalnızca bir ek olarak kullanın	Yalnızca dahili hata ayıklama veya geçici sorgularla sınırlıdır
Bir grafik, bir ana nokta	Çıktıyı net tutun ve aşırı karmaşadan kaçının
Şablon adlandırması net olsun	Sayfaya/iş alanına göre adlandırın, örn. `Leads-Stage-Conversion`
Açıklamalar kısa ve net olsun	Her grafiğe 2-3 cümlelik bir özet eşlik etsin
Bir şablon eksik olduğunda belirtin	Kullanıcıya boş çıktı yerine "İlgili şablon bulunamadı" bilgisini verin

7. CRM Demosu'ndan Kendi Senaryonuza

Hastane CRM'i, üretim, depo lojistiği veya eğitim kayıtları ile çalışıyor olun, aşağıdaki üç soruyu yanıtlayabildiğiniz sürece Viz sisteminize değer katabilir:

Soru	Örnek
1. Ne analiz etmek istiyorsunuz?	Potansiyel müşteri trendleri / Anlaşma aşamaları / Ekipman çalışma oranı
2. Veriler nerede?	Hangi koleksiyon, hangi alanlar
3. Nasıl sunmak istiyorsunuz?	Çizgi grafik, huni, pasta grafik, karşılaştırma tablosu

Bu içerikleri tanımladıktan sonra, sadece şunları yapmanız yeterlidir:

Analiz mantığını şablon koleksiyonuna yazın;
Görev istemini sayfaya ekleyin;
Viz rapor analizlerinizi "devralabilir".

8. Sonuç: Paradigmayı Yanınızda Götürün

"Overall Analytics" ve "SQL Execution" sadece iki örnek uygulamadır. Daha da önemlisi arkalarındaki fikirdir:

Yapay zeka çalışanının sadece istemleri yürütmek yerine iş mantığınızı anlamasını sağlayın.

NocoBase, özel bir sistem veya kendi yazdığınız bir iş akışı kullanıyor olun, bu yapıyı kopyalayabilirsiniz:

Merkezi şablonlar;
İş akışı çağrıları;
Salt okunur yürütme;
Yapay zeka sunumu.

Bu sayede Viz, artık sadece "grafik oluşturabilen bir yapay zeka" değil, verilerinizi, tanımlarınızı ve işinizi anlayan gerçek bir analist olacaktır.

TIP

Bu belge AI tarafından çevrilmiştir. Herhangi bir yanlışlık için lütfen İngilizce sürümüne bakın

AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

CRM örneğini kullanarak, yapay zeka içgörü analistinizin işinizi gerçekten anlamasını ve tüm potansiyelini ortaya çıkarmasını nasıl sağlayacağınızı öğrenin.

1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

Araç	İşlev Açıklaması	Güvenlik
Get Collection Names	Koleksiyon Listesini Al	✅ Güvenli
Get Collection Metadata	Alan Yapısını Al	✅ Güvenli

Resmi CRM Demosu'nda iki yöntem kullandık:

Overall Analytics (Genel Amaçlı Analiz Motoru): Şablon tabanlı, güvenli ve yeniden kullanılabilir bir çözüm;
SQL Execution (Uzmanlaşmış Analiz Motoru): Daha fazla esneklik sunar ancak daha büyük riskler taşır.

Bu ikisi tek seçenek değildir; daha çok bir tasarım paradigması gibidirler:

Kendi işinize daha uygun bir uygulama oluşturmak için bu ilkeleri takip edebilirsiniz.

2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

Viz'i nasıl genişleteceğinizi anlamak için, öncelikle içindeki katmanlı tasarımı anlamanız gerekir:

Katman	Açıklama	Örnek
Rol Tanımı	Viz'in kişiliği ve analiz yöntemi: Anla → Sorgula → Analiz Et → Görselleştir	Sabit
Görev Tanımı	Belirli bir iş senaryosu için özelleştirilmiş istemler ve araç kombinasyonları	Değiştirilebilir
Araç Yapılandırması	Viz'in harici veri kaynaklarını veya iş akışlarını çağırması için köprü	Serbestçe değiştirilebilir

3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

3.1 İlke Özeti

Yürütme akışı aşağıdaki gibidir:

flowchart TD
    A[Viz görevi alır] --> B[Overall Analytics iş akışını çağırır]
    B --> C[Mevcut sayfaya/göreve göre şablonu eşleştirir]
    C --> D[Şablon SQL'ini yürütür (salt okunur)]
    D --> E[Veri sonucunu döndürür]
    E --> F[Viz grafik oluşturur + kısa yorumlama]

Bu sayede Viz, saniyeler içinde güvenli ve standartlaştırılmış analiz sonuçları oluşturabilirken, yöneticiler de tüm SQL şablonlarını merkezi olarak yönetebilir ve inceleyebilir.

3.2 Şablon Koleksiyonu Yapısı (data_analysis)

Alan Adı	Tür	Açıklama	Örnek
id	Integer	Birincil Anahtar	1
name	Text	Analiz şablonu adı	Leads Data Analysis
collection	Text	İlgili koleksiyon	Lead
sql	Code	Analiz SQL ifadesi (salt okunur)	`SELECT stage, COUNT(*) FROM leads GROUP BY stage`
description	Markdown	Şablon açıklaması veya tanımı	"Aşamaya göre potansiyel müşteri sayısını say"
createdAt / createdBy / updatedAt / updatedBy	Sistem Alanı	Denetim bilgisi	Otomatik oluşturulur

CRM Demosu'ndaki Şablon Örnekleri

Ad	Koleksiyon	Açıklama
Account Data Analysis	Account	Hesap Veri Analizi
Contact Data Analysis	Contact	İletişim Veri Analizi
Leads Data Analysis	Lead	Potansiyel Müşteri Trend Analizi
Opportunity Data Analysis	Opportunity	Fırsat Aşaması Hunisi
Task Data Analysis	Todo Tasks	Yapılacak Görevler Durum İstatistikleri
Users (Sales Reps) Data Analysis	Users	Satış Temsilcileri Performans Karşılaştırması

3.3 Bu Deseninin Avantajları

Boyut	Avantaj
Güvenlik	Tüm SQL'ler depolanır ve incelenir, doğrudan sorgu oluşturma önlenir
Sürdürülebilirlik	Şablonlar merkezi olarak yönetilir ve tek tip olarak güncellenir
Yeniden Kullanılabilirlik	Aynı şablon birden fazla görev tarafından yeniden kullanılabilir
Taşınabilirlik	Sadece aynı koleksiyon yapısını gerektirerek diğer sistemlere kolayca taşınabilir
Kullanıcı Deneyimi	İş kullanıcılarının SQL hakkında endişelenmesine gerek yoktur; sadece bir analiz isteği başlatmaları yeterlidir

📘 Bu data_analysis koleksiyonunun bu isimde olması zorunlu değildir. Önemli olan: analiz mantığını şablonlanmış bir şekilde depolamak ve bir iş akışı tarafından tek tip olarak çağrılmasını sağlamaktır.

3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

Görev tanımında, Viz'e açıkça şunları söyleyebilirsiniz:

Merhaba Viz,

Lütfen mevcut modülün verilerini analiz edin.

**Öncelik:** Analiz sonuçlarını şablon koleksiyonundan almak için Overall Analytics aracını kullanın.
**Eşleşen bir şablon bulunamazsa:** Bir şablonun eksik olduğunu belirtin ve yöneticinin bir tane eklemesini önerin.

Çıktı gereksinimleri:
- Her sonuç için ayrı bir grafik oluşturun;
- Grafiğin altına 2-3 cümlelik kısa bir açıklama ekleyin;
- Veri uydurmayın veya varsayımlarda bulunmayın.

Bu sayede Viz, iş akışını otomatik olarak çağıracak, şablon koleksiyonundan en uygun SQL'i eşleştirecek ve grafiği oluşturacaktır.

4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

4.1 Uygulanabilir Senaryolar

Keşifsel analiz, geçici sorgular veya çoklu koleksiyon JOIN birleştirmeleri gerektiğinde, Viz'in bir SQL Execution aracını çağırmasını sağlayabilirsiniz.

Bu aracın özellikleri şunlardır:

Viz doğrudan SELECT sorguları oluşturabilir;
Sistem yürüttükten sonra sonucu döndürür;
Viz analiz ve görselleştirmeden sorumludur.

Örnek görev:

"Lütfen son 90 gündeki bölgelere göre potansiyel müşteri dönüşüm oranlarının değişim trendini analiz edin."

Bu durumda Viz şunları oluşturabilir:

SELECT region, COUNT(id) AS leads, SUM(converted)::float/COUNT(id) AS rate
FROM leads
WHERE created_at > now() - interval '90 day'
GROUP BY region;

4.2 Riskler ve Koruma Önerileri

Risk Noktası	Koruma Stratejisi
Yazma işlemleri oluşturma	`SELECT` ile sınırlamayı zorunlu kılın
İlgisiz koleksiyonlara erişim	Koleksiyon adının var olup olmadığını doğrulayın
Büyük koleksiyonlarla performans riski	Zaman aralığını sınırlayın, satır sayısı için LIMIT kullanın
İşlem izlenebilirliği	Sorgu günlüğünü ve denetimi etkinleştirin
Kullanıcı izin kontrolü	Yalnızca yöneticiler bu aracı kullanabilir

Genel öneriler:

Normal kullanıcılar yalnızca şablon tabanlı analizi (Overall Analytics) etkinleştirmelidir;

Yalnızca yöneticiler veya kıdemli analistler SQL Execution'ı kullanabilir.

5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

Aşağıda, herhangi bir sisteme (NocoBase'e bağımlı olmadan) kopyalayabileceğiniz basit, genel bir yaklaşım bulunmaktadır:

Adım 1: Şablon Koleksiyonunu Tasarlayın

Koleksiyon adı herhangi bir şey olabilir (örn. analysis_templates). Sadece şu alanları içermesi yeterlidir: name, sql, collection ve description.

Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

Mantık:

Görevi veya sayfa bağlamını (örn. mevcut koleksiyon) alın;
Bir şablonu eşleştirin;
Şablon SQL'ini yürütün (salt okunur);
Standartlaştırılmış bir veri yapısı (satırlar + alanlar) döndürün.

Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

Görev istemi şöyle yazılabilir:

Önce şablon analiz aracını çağırmayı deneyin. Şablonlarda eşleşen bir analiz bulunamazsa, SQL yürütücüyü kullanın.
Lütfen tüm sorguların salt okunur olduğundan emin olun ve sonuçları göstermek için grafikler oluşturun.

Bu sayede, yapay zeka çalışan sisteminiz CRM Demosu'na benzer analiz yeteneklerine sahip olacak, ancak tamamen bağımsız ve özelleştirilebilir olacaktır.

6. En İyi Uygulamalar ve Tasarım Önerileri

Öneri	Açıklama
Şablon tabanlı analize öncelik verin	Güvenli, istikrarlı ve yeniden kullanılabilir
SQL Execution'ı yalnızca bir ek olarak kullanın	Yalnızca dahili hata ayıklama veya geçici sorgularla sınırlıdır
Bir grafik, bir ana nokta	Çıktıyı net tutun ve aşırı karmaşadan kaçının
Şablon adlandırması net olsun	Sayfaya/iş alanına göre adlandırın, örn. `Leads-Stage-Conversion`
Açıklamalar kısa ve net olsun	Her grafiğe 2-3 cümlelik bir özet eşlik etsin
Bir şablon eksik olduğunda belirtin	Kullanıcıya boş çıktı yerine "İlgili şablon bulunamadı" bilgisini verin

7. CRM Demosu'ndan Kendi Senaryonuza

Hastane CRM'i, üretim, depo lojistiği veya eğitim kayıtları ile çalışıyor olun, aşağıdaki üç soruyu yanıtlayabildiğiniz sürece Viz sisteminize değer katabilir:

Soru	Örnek
1. Ne analiz etmek istiyorsunuz?	Potansiyel müşteri trendleri / Anlaşma aşamaları / Ekipman çalışma oranı
2. Veriler nerede?	Hangi koleksiyon, hangi alanlar
3. Nasıl sunmak istiyorsunuz?	Çizgi grafik, huni, pasta grafik, karşılaştırma tablosu

Bu içerikleri tanımladıktan sonra, sadece şunları yapmanız yeterlidir:

Analiz mantığını şablon koleksiyonuna yazın;
Görev istemini sayfaya ekleyin;
Viz rapor analizlerinizi "devralabilir".

8. Sonuç: Paradigmayı Yanınızda Götürün

"Overall Analytics" ve "SQL Execution" sadece iki örnek uygulamadır. Daha da önemlisi arkalarındaki fikirdir:

Yapay zeka çalışanının sadece istemleri yürütmek yerine iş mantığınızı anlamasını sağlayın.

NocoBase, özel bir sistem veya kendi yazdığınız bir iş akışı kullanıyor olun, bu yapıyı kopyalayabilirsiniz:

Merkezi şablonlar;
İş akışı çağrıları;
Salt okunur yürütme;
Yapay zeka sunumu.

Bu sayede Viz, artık sadece "grafik oluşturabilen bir yapay zeka" değil, verilerinizi, tanımlarınızı ve işinizi anlayan gerçek bir analist olacaktır.

#AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

#1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

#2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

#3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

#3.1 İlke Özeti

#3.2 Şablon Koleksiyonu Yapısı (data_analysis)

#CRM Demosu'ndaki Şablon Örnekleri

#3.3 Bu Deseninin Avantajları

#3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

#4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

#4.1 Uygulanabilir Senaryolar

#4.2 Riskler ve Koruma Önerileri

#5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

#Adım 1: Şablon Koleksiyonunu Tasarlayın

#Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

#Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

#6. En İyi Uygulamalar ve Tasarım Önerileri

#7. CRM Demosu'ndan Kendi Senaryonuza

#8. Sonuç: Paradigmayı Yanınızda Götürün

#AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

#1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

#2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

#3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

#3.1 İlke Özeti

#3.2 Şablon Koleksiyonu Yapısı (data_analysis)

#CRM Demosu'ndaki Şablon Örnekleri

#3.3 Bu Deseninin Avantajları

#3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

#4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

#4.1 Uygulanabilir Senaryolar

#4.2 Riskler ve Koruma Önerileri

#5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

#Adım 1: Şablon Koleksiyonunu Tasarlayın

#Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

#Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

#6. En İyi Uygulamalar ve Tasarım Önerileri

#7. CRM Demosu'ndan Kendi Senaryonuza

#8. Sonuç: Paradigmayı Yanınızda Götürün

AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

3.1 İlke Özeti

3.2 Şablon Koleksiyonu Yapısı (data_analysis)

CRM Demosu'ndaki Şablon Örnekleri

3.3 Bu Deseninin Avantajları

3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

4.1 Uygulanabilir Senaryolar

4.2 Riskler ve Koruma Önerileri

5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

Adım 1: Şablon Koleksiyonunu Tasarlayın

Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

6. En İyi Uygulamalar ve Tasarım Önerileri

7. CRM Demosu'ndan Kendi Senaryonuza

8. Sonuç: Paradigmayı Yanınızda Götürün

AI Çalışanı · Viz: CRM Senaryosu Yapılandırma Rehberi

1. Giriş: Viz'i "Veriyi Görmekten" "İşi Anlamaya" Taşımak

2. Viz'in Yapısı: İstikrarlı Kişilik + Esnek Görevler

3. Desen Bir: Şablon Tabanlı Analiz Motoru (Önerilen)

3.1 İlke Özeti

3.2 Şablon Koleksiyonu Yapısı (data_analysis)

CRM Demosu'ndaki Şablon Örnekleri

3.3 Bu Deseninin Avantajları

3.4 Viz'in Bunu Nasıl Kullanmasını Sağlarsınız

4. Desen İki: Uzmanlaşmış SQL Yürütücü (Dikkatli Kullanın)

4.1 Uygulanabilir Senaryolar

4.2 Riskler ve Koruma Önerileri

5. Kendi "Overall Analytics" Sisteminizi Kurmak İsterseniz

Adım 1: Şablon Koleksiyonunu Tasarlayın

Adım 2: "Şablonu Getir → Yürüt" Hizmeti veya İş Akışı Yazın

Adım 3: Yapay Zekanın Bu Arayüzü Çağırmasını Sağlayın

6. En İyi Uygulamalar ve Tasarım Önerileri

7. CRM Demosu'ndan Kendi Senaryonuza

8. Sonuç: Paradigmayı Yanınızda Götürün