NLQ (Natural Language Query) Nedir? Veriye Kendi Dilinizle Ulaşmak
NLQ yani natural language query, veriye SQL veya filtre ekranı yerine kendi cümlenizle ulaşma deneyimidir. Text-to-SQL ile ilişkisi, self-servis BI'daki yeri ve sınırları bu yazıda.
İş zekası dünyasının yıllardır kovaladığı bir hayal var: raporu bilen kişiye sormak yerine veriye doğrudan sormak. Bu deneyimin sektördeki adı NLQ, açılımıyla natural language query, Türkçesiyle doğal dil sorgusu.
NLQ tam olarak nedir?
NLQ, kullanıcının veriye kendi cümlesiyle soru sorabildiği arayüz deneyimidir: filtre panelleri, sürükle-bırak alanlar veya SQL editörü yerine tek bir soru kutusu. "Bu çeyrek hangi şehirde ciro düştü?" yazarsınız, cevap tablo veya grafik olarak gelir.
Text-to-SQL ile farkı katman farkıdır: NLQ kullanıcıya görünen deneyimin adı, text-to-SQL o deneyimi mümkün kılan çeviri motorunun adıdır. Power BI'daki Q&A özelliği de, PerSight'ın soru kutusu da birer NLQ arayüzüdür; ikisinin de altında bir tür doğal dilden sorguya çeviri çalışır.
Neden şimdi önem kazandı?
NLQ fikri yeni değil; BI araçları yıllardır anahtar kelime eşleştirmeye dayalı sürümlerini sunuyordu ve sonuçlar hayal kırıklığıydı. Büyük dil modelleri denklemi değiştirdi: artık "geçen ayki cirosu bir önceki aydan düşük olan bayiler" gibi katmanlı bir cümle bile doğru sorguya çevrilebiliyor. Self-servis BI'ın yıllardır tutmayan vaadi ilk kez gerçekçi hale geldi.
İyi bir NLQ deneyimini neye göre değerlendirmeli?
- Doğrulanabilirlik: ürettiği sorguyu gösteriyor mu, yoksa kara kutu mu? Cevabına güvenemeyeceğiniz bir NLQ, süslü bir tahmin makinesidir.
- Veri güvenliği: sorunuz ve veriniz nereye gidiyor? Şema mı gönderiliyor, satır verisi mi?
- Salt-okunurluk: doğal dille yazma/silme tetiklenebiliyor mu? Tetiklenebiliyorsa uzak durun.
- Dil desteği: kendi dilinizde gerçekten çalışıyor mu, yoksa yalnızca İngilizce mi anlıyor?
Sınırları da bilerek kullanmak gerekir: NLQ belirsiz sorularda ("en iyi ürünler" neye göre en iyi?) tahmin yürütmek zorunda kalır ve karmaşık analitik akışlarda (kohort analizi, çok adımlı dönüşümler) hâlâ bir analistin kurgusuna ihtiyaç vardır. NLQ, rapor kuyruğundaki gündelik soruların aracıdır; veri ekibinin yerine geçme aracı değil.
Sık sorulan sorular
- NLQ ile text-to-SQL aynı şey mi?
- İç içe ama aynı değil: NLQ kullanıcı deneyiminin, text-to-SQL o deneyimi çalıştıran çeviri tekniğinin adıdır. NLQ sunan ürünlerin çoğu motor olarak text-to-SQL kullanır.
- NLQ için veri ambarı veya BI kurulumu şart mı?
- Hayır. Bazı araçlar mevcut BI platformunun üstüne gelir; PerSight gibi araçlar ise doğrudan veritabanınıza bağlanır. Ambar kurmadan, bugünkü tablolarınızla başlayabilirsiniz.
- Türkçe NLQ gerçekten çalışıyor mu?
- Modern modellerle evet. Kolon adları İngilizce olsa bile Türkçe soru doğru eşleşir. PerSight'ta Türkçe birinci dildir; üretilen SQL'in açıklaması da Türkçe gösterilir.
- NLQ hangi işler için uygun değil?
- Sabit şablonlu zamanlanmış raporlar, çok adımlı analitik kurgular ve veri modelleme NLQ'nun işi değildir. NLQ anlık soru-cevap içindir: "dün kaç sipariş aldık", "bu ay hangi ürün öne çıktı" sınıfı sorular.
NLQ'yu değerlendirme listesindeki dört soruyla birlikte denemek isterseniz PerSight'ın kurgusu şöyle: soru kutusu Türkçe, üretilen SQL her zaman görünür, çalışma salt-okunur ve satır verisi makinenizden çıkmaz. persight.ai/beta
Kaynaklar
İlgili yazılar
- Text-to-SQL Nedir? Doğal Dilden SQL'e Çeviri, Sade AnlatımText-to-SQL (NL2SQL), doğal dildeki bir soruyu çalıştırılabilir SQL sorgusuna çeviren yapay zeka tekniğidir. Nasıl çalışır, sınırları neler, güvenli kullanım için nelere bakılır? Pazarlamasız bir rehber.
- Yapay Zeka ile SQL Üretmek Güvenli mi? Riskler ve Alınacak ÖnlemlerAI SQL generator araçları ve ChatGPT ile SQL yazdırmak yaygınlaştı; peki kurumsal veride güvenli mi? Dört gerçek risk ve her biri için somut önlem: salt-okunur kullanıcı, görünür SQL, veri yerelliği, ölçüm.
- Doğal Dille Veritabanı Sorgulama Nasıl Çalışır (ve Görünür Sorgu Neden Önemli)Doğal dilden SQL üretimi sade bir anlatımla: sorunuz nasıl sorguya dönüşür, salt-okunur ve her zaman görünür bir sorgu neden daha güvenli ve PerSight verinizi neden makinenizde tutar.