Ir al contenido

Integratie in het data-ecosysteem (De 'Waar')

Integratiemethodologie van de SHAP-pipeline met observability-platformen zoals Grafana en de geünificeerde Gemini SDK voor geautomatiseerde diagnoses in Portelcore.

0lecturas

4.1. De Analytische Virtueuze Cirkel in Portelcore

Sección titulada «4.1. El Círculo Virtuoso Analítico en Portelcore»

De ultieme waarde van interpreteerbaarheid via SHAP ligt niet alleen in het passief verzamelen van telemetrie, maar in de dynamische integratie ervan om zakelijke besluitvorming te optimaliseren.

graph TD
A["1. Inferencia & Telemetría<br>(Calcular Predicciones & SHAP)"] --> B["2. Almacenamiento Selectivo<br>(PostgreSQL / SQLite Indexado)"]
B --> C["3. Observabilidad & BI<br>(Grafana / Looker Studio)"]
C --> D["4. Diagnóstico por IA<br>(Gemini SDK Forensics)"]
D --> E["5. Optimización del Modelo<br>(Refactorización de Features)"]
E --> A
style A fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9
style B fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9
style C fill:#3b4252,stroke:#4c566a,stroke-width:1px,color:#d8dee9
style D fill:#a3be8c,stroke:#8fbcbb,stroke-width:2px,color:#2e3440
style E fill:#81a1c1,stroke:#5e81ac,stroke-width:1px,color:#2e3440

4.2. Observability Dashboards: Verbinding met Grafana

Sección titulada «4.2. Dashboards de Observabilidad: Conexión con Grafana»

Het relationele schema van analytische telemetrie is ideaal voor het voeden van interactieve dashboards waarmee het gedrag en de gezondheid van het model kunnen worden gemonitord.

1. Traceerbaarheids- en Attributiegeschiedenispaneel (Lijngrafiek)

Sección titulada «1. Panel de Trazabilidad e Historial de Atribución (Gráfico de Líneas)»
  • Doel: Monitoren of de impact van een specifieke businessvariabele (bijv. tickets_soporte_abiertos) drastisch verandert in de loop van de tijd.
  • SQL-vraag voor Grafana:
    SELECT
    p.predicted_at AS "time",
    a.shap_value AS "Valor SHAP: Tickets Soporte"
    FROM model_predictions p
    JOIN shap_attributions a ON p.prediction_id = a.prediction_id
    WHERE a.feature_name = 'tickets_soporte_abiertos'
    AND p.portel_user_id = $portel_user_id
    ORDER BY p.predicted_at ASC;

2. Forensisch Paneel voor Voorspellende Afwijkingen (Controletabel)

Sección titulada «2. Panel Forense de Desvíos Predictivos (Tabla de Control)»
  • Doel: Het tonen van de uitsplitsing van voorspellingen waarbij het model met de grootste foutmarge faalde.
  • SQL-vraag voor Grafana:
    SELECT
    p.predicted_at AS "Fecha",
    p.portel_user_id AS "Usuario",
    p.output_probability AS "Probabilidad Predicha",
    a.feature_name AS "Variable",
    a.feature_value AS "Valor Observado",
    a.shap_value AS "Contribución SHAP"
    FROM model_predictions p
    JOIN shap_attributions a ON p.prediction_id = a.prediction_id
    WHERE p.actual_outcome IS NOT NULL
    AND (p.output_probability > 0.5) != p.actual_outcome -- Discordancia
    ORDER BY ABS(a.shap_value) DESC
    LIMIT 20;

4.3. Geautomatiseerde Forensische Diagnose met Gemini

Sección titulada «4.3. Diagnóstico Forense Automatizado con Gemini»

Het hoogste niveau van analytische automatisering in Portelcore bestaat uit het gebruik van Google's Kunstmatige Intelligentie (Gemini) om de logische fouten van het door SHAP geïnterpreteerde voorspellende model te auditen en te diagnosticeren.

Dit script communiceert met de telemetrie-database en maakt gebruik van de geünificeerde Google GenAI SDK (google-genai) om diagnoses in gestructureerde natuurlijke taal te genereren.

import os
import sqlite3
from google import genai
from google.genai import types
# Inicialización segura del cliente unificado de Gemini API
# Recuerda exportar la variable de entorno: export GEMINI_API_KEY="tu_clave_de_pruebas"
client = genai.Client()
def generar_diagnostico_forense(prediction_id: str) -> str:
"""
Extrae las atribuciones SHAP de una predicción errónea y
genera un diagnóstico detallado utilizando Gemini 2.5 Flash.
"""
# Conexión a la base de datos local
conn = sqlite3.connect("data/portel_telemetry.db")
cursor = conn.cursor()
# 1. Obtener detalles de la predicción
cursor.execute("""
SELECT portel_user_id, output_probability, actual_outcome
FROM model_predictions
WHERE prediction_id = ?
""", (prediction_id,))
pred_info = cursor.fetchone()
if not pred_info:
return "ID de predicción no encontrado."
user_id, prob, actual = pred_info
# 2. Obtener atribuciones SHAP
cursor.execute("""
SELECT feature_name, feature_value, shap_value
FROM shap_attributions
WHERE prediction_id = ?
ORDER BY ABS(shap_value) DESC
""", (prediction_id,))
attributions = cursor.fetchall()
conn.close()
# 3. Construir el prompt analítico
desglose_txt = ""
for feat, val, shap in attributions:
desglose_txt += f"- {feat}: Valor Observado = {val:.2f}, Contribución SHAP = {shap:+.4f}\n"
prompt = f"""
Actúa como un experto Ingeniero de Machine Learning y Analista Cuantitativo en Portelcore.
Debemos auditar un fallo lógico en nuestro modelo de predicción de abandono (Churn) 'portel_user_churn'.
DETALLES DE LA PREDICCIÓN:
- ID Predicción: {prediction_id}
- ID Usuario: {user_id}
- Probabilidad Predicha por el Modelo: {prob:.4f} (Umbral de decisión > 0.5)
- Resultado Real: {'Abandono' if actual else 'Permanencia'}
- Estado de Predicción: FALLIDO (El modelo predijo {'Abandono' if prob > 0.5 else 'Permanencia'}, pero ocurrió lo contrario)
CONTRIBUCIONES DETALLADAS DE SHAP:
{desglose_txt}
TAREA:
1. Realiza una autopsia técnica del error. Explica por qué el modelo se equivocó basándote en las contribuciones de SHAP.
2. Determina si el modelo confió excesivamente en variables sesgadas o de ruido.
3. Recomienda acciones correctivas de ingeniería de datos para este usuario o para reentrenar el modelo en portelcore.com.
"""
# 4. Invocación al SDK unificado de Gemini
response = client.models.generate_content(
model='gemini-2.5-flash',
contents=prompt,
config=types.GenerateContentConfig(
temperature=0.2, # Baja temperatura para análisis consistentes y precisos
)
)
return response.text
# Demostración práctica de invocación en laboratorio
if __name__ == "__main__":
prediction_test_id = "pred_user_17222_40_231"
print("--- Iniciando Análisis Forense de Telemetría con Gemini ---")
try:
diagnostico = generar_diagnostico_forense(prediction_test_id)
print("\nDIAGNÓSTICO ENVIADO POR GEMINI API:")
print(diagnostico)
except Exception as e:
print(f"Error en la llamada al SDK GenAI: {e}")

Zorg ervoor dat de integratie end-to-end stroomt voordat u de pijplijn als voltooid beschouwt:

  • Grafana-queries zijn geïndexeerd om volledige tabelscans op de databases van portelcore.com te voorkomen. ✓
  • Het script analisis_forense_ia.py maakt uitsluitend gebruik van de verenigde SDK google-genai (genai.Client()). ✓
  • De temperatuur van het generatieve Gemini-model is conservatief ingesteld ($0.2$) om analytische hallucinaties in productie te voorkomen. ✓