Web sitemizde size en iyi deneyimi sunmak için çerezleri kullanıyoruz. Hangi çerezleri kullandığımız hakkında daha fazla şey öğrenmek için Gizlilik
Onayla
Türker UZUNTürker UZUN
  • VERİ ANALİZİ
    • Veri Analiz Aşamaları
    • Pandas
    • CRM Analitiği
    • Makine Öğrenmesi
    • Ölçümleme Problemleri
    • Özellik Mühendisliği
    • Tavsiye Sistemleri
    • BI Araçları
  • LLM – AI
  • METODOLOJİ
  • PROGRAMLAMA
  • BLOG
  • DİZİ & FİLM
  • İLETİŞİM
Reading: Qlik Sense Measure Örnekleri
Paylaş
Aa
Türker UZUNTürker UZUN
Aa
  • VERİ ANALİZİ
  • LLM – AI
  • METODOLOJİ
  • PROGRAMLAMA
  • BLOG
  • DİZİ & FİLM
  • İLETİŞİM
Ara...
  • VERİ ANALİZİ
    • Veri Analiz Aşamaları
    • Pandas
    • CRM Analitiği
    • Makine Öğrenmesi
    • Ölçümleme Problemleri
    • Özellik Mühendisliği
    • Tavsiye Sistemleri
    • BI Araçları
  • LLM – AI
  • METODOLOJİ
  • PROGRAMLAMA
  • BLOG
  • DİZİ & FİLM
  • İLETİŞİM
Follow US
Türker UZUN > Blog > Veri Analizi > BI Araçları > Qlik Sense Measure Örnekleri
BI AraçlarıVeri Analizi

Qlik Sense Measure Örnekleri

6 Min Read
Paylaş
6 Min Read

Temel ve İleri Düzey Fonksiyonlar

  • Set Analysis: Segmentasyon ve filtreli hesaplar için
  • AGGR(): Çok boyutlu grup bazlı hesaplamalar
  • RangeSum(), RangeAvg(): Hareketli ortalamalar, kümülatif toplamlar
  • Above(), Below(): Zaman serisi karşılaştırmaları
  • If(), Pick(), Match(): Koşullu ve çoklu durum analizleri
  • Count(DISTINCT): Benzersiz müşteri/anket sayısı
  • Median(), Mode(), Stdev(), Var(): İstatistiksel özetler
  • TextSearch(): Metin araması ve yorum filtreleme
// Genel Ortalama CSAT
Avg(CSAT)

// Son 3 aylık ortalama NPS
Avg({<SurveyDate={">=$(=AddMonths(Max(SurveyDate),-3))"}>} NPS)

// Müşteri Segmenti “Premium” için CES ortalaması
Avg({<CustomerSegment={'Premium'}>} CES)

// Mobil kanalında alınan ortalama CSAT
Avg({<TransactionChannel={'Mobil'}>} CSAT)

// Yaş grubu '25-34' olanların NPS ortalaması
Avg({<AgeGroup={'25-34'}>} NPS)

// Cinsiyet 'Kadın' olanların ortalama CES
Avg({<Gender={'Female'}>} CES)

// Bölge “Marmara” için toplam anket sayısı
Count({<Region={'Marmara'}>} DISTINCT SurveyID)

// Şube bazında ortalama CSAT (AGGR ile)
Avg(AGGR(Sum(CSAT), Branch))

// Son 6 ayın hareketli ortalaması (CSAT)
RangeAvg(Above(Sum(CSAT), 0, 6))

// NPS Promoter Yüzdesi (NPS>=9)
Count({<NPS={">=9"}>} DISTINCT CustomerID)/Count(DISTINCT CustomerID)

// CSAT standart sapması (anomalilerin tespiti için)
Stdev(CSAT)

// Anketlerde “hızlı” kelimesi geçen yorum sayısı
Count({<FreeText={"*hızlı*"}>} CustomerID)

// Yaş grubu ve kanal bazında ortalama CES
Avg(AGGR(Sum(CES), AgeGroup, TransactionChannel))

// Müşteri tipi 'Yeni' için ortalama NPS
Avg({<CustomerType={'Yeni'}>} NPS)

// Şube bazında anket katılım oranı
Count({<Branch={'Şube1'}>} DISTINCT SurveyID) / Count(DISTINCT SurveyID)

// İşlem sayısı ağırlıklı ortalama CSAT
Sum(CSAT * TransactionCount) / Sum(TransactionCount)

// Ortalama CES skoruna göre performans sınıflandırması
If(Avg(CES) >= 4.5, 'İyi', If(Avg(CES) >= 3, 'Orta', 'Zayıf'))

// Son 3 anket tarihindeki ortalama CSAT karşılaştırması
Sum(CSAT) - Above(Sum(CSAT), 1)


// Variable içinde tanımlı başlangıç ve bitiş tarihleri ile ortalama CSAT
Avg({<SurveyDate={">=$(=vStartDate)<=$(=vEndDate)"}>} CSAT)

// Müşteri Segmentine Göre Ağırlıklı Ortalama
Sum({<CustomerSegment={'$(=vSelectedSegment)'}>} CSAT * TransactionCount) / Sum({<CustomerSegment={'$(=vSelectedSegment)'}>} TransactionCount)

// Değişken ile Dinamik Skor Kategorisi Oluşturma
If(Avg(CSAT) >= $(vGoodThreshold), 'İyi', If(Avg(CSAT) >= $(vMediumThreshold), 'Orta', 'Zayıf'))

// İleri Düzey Anomali Tespiti (Z-Score Hesaplama)
(Avg(CSAT) - Avg(TOTAL CSAT)) / Stdev(TOTAL CSAT)

// Customer Churn Rate Hesabı (Değişken tabanlı segmentasyon)
Count({<ChurnFlag={1}, CustomerSegment={'$(=vSegment)'}>} DISTINCT CustomerID)
/
Count({<CustomerSegment={'$(=vSegment)'}>} DISTINCT CustomerID)

// Segment bazında Promoter Yüzdesi
Count({<NPS={">=9"}, CustomerSegment={'$(=vSegment)'}>} DISTINCT CustomerID)
/ Count({<CustomerSegment={'$(=vSegment)'}>} DISTINCT CustomerID)

// Müşteri Memnuniyeti Değişimi (Son Anket vs Önceki Anket)
Sum(CSAT) - Above(Sum(CSAT), 1)

// Time Bucket (Zaman Dilimi) Oluşturma (Script veya Variable’da)
If(WeekDay(SurveyDate) <= 4, 'Hafta İçi', 'Hafta Sonu')

// Metin Yorumlarının Pozitif Negatif Oranı (Tagging Sonrası)
Count({<SentimentTag={'Positive'}>} DISTINCT SurveyID) / Count(DISTINCT SurveyID)

// Müşteri Tipi Bazlı Skor Karşılaştırması
Avg({<CustomerType={'Yeni'}>} CSAT) - Avg({<CustomerType={'Eski'}>} CSAT)

// Toplam İşlem Hacmi ve Ortalama Skorun Korelasyonu
Correl(Sum(TransactionCount), Avg(CSAT))

🔢 İleri Measure ve Variable Örnekleri

🎯 1. Günlük Ortalama CSAT ve Değişim Yüzdesi

// Mevcut günün ortalama CSAT
Avg({<SurveyDate = {"=$(=Date(Today()))"}>} CSAT)

// Dün ile fark (trend okları için)
Avg({<SurveyDate = {"=$(=Date(Today()))"}>} CSAT)
-
Avg({<SurveyDate = {"=$(=Date(Today()-1))"}>} CSAT)

📊 Grafik: KPI kartları, conditional arrow +%/-% renkli değişim
📈 Ek: Günlük/haftalık hareketli ortalama için RangeAvg(Above()) kullanabilirsin.

Contents
Temel ve İleri Düzey Fonksiyonlar🔢 İleri Measure ve Variable Örnekleri🎯 1. Günlük Ortalama CSAT ve Değişim Yüzdesi🧠 2. Z-Skor ile Anomali Tespiti (Görselde uyarı)🧭 3. Yaş Grubu ve Kanal Bazlı Segment CSAT📅 4. Time Series Breakdown (Trend + Sezon Etkisi)📈 5. Ortalama CSAT vs Transaction Sayısı Korelasyonu⚙️ Değişken Tanımlı Dinamik Kontroller (Kullanıcıya Seçtirilen)Örnek değişkenler:Kullanım:🧮 Çok Boyutlu Analiz – Önem Katsayılı Skor📍 Bölge ve Şube Skor Haritası💡 Duygu Analizi ve Tematik Özetlerden Türetilmiş Measure🔬 NPS Detayı – Promoter / Detractor Oranı📌 KPI Kartı ve Conditional Renk Mantığı (Renkli dashboard)

🧠 2. Z-Skor ile Anomali Tespiti (Görselde uyarı)

(Avg(CSAT) - Avg(TOTAL CSAT)) / Stdev(TOTAL CSAT)

Bu değer 2’den büyükse “olağandışı yüksek”, -2’den küçükse “anormal düşük”

📊 Grafik: Box plot + alert simgeleri
📌 Ek: AnomalyFlag field’ı script’te Z-score > 2 olanlara atanabilir.


🧭 3. Yaş Grubu ve Kanal Bazlı Segment CSAT

Avg({<
Channel = {'Mobil'},
AgeGroup = {'18-25'}
>} CSAT)

📊 Grafik: Heatmap matrix (satır: yaş grubu, sütun: kanal)
📈 Conditional format ile: kırmızı < 6, sarı 6-8, yeşil > 8


📅 4. Time Series Breakdown (Trend + Sezon Etkisi)

Avg({<TransactionMonth>} CSAT)

📊 Grafik: Line + Area Chart

Arka planda trend çizgisi overlay yapılabilir (LOESS için Python + SSE önerilir)


📈 5. Ortalama CSAT vs Transaction Sayısı Korelasyonu

Corr(Sum(TransactionCount), Avg(CSAT))

📊 Grafik: Scatter plot – x ekseni işlem sayısı, y ekseni CSAT
📌 Korelasyon yönü, negatif mi pozitif mi? Segment bazlı breakdown yapılabilir.


⚙️ Değişken Tanımlı Dinamik Kontroller (Kullanıcıya Seçtirilen)

Örnek değişkenler:

vSelectedChannel → ListBox'tan seçilir (ATM, Mobil, Şube vs.)
vTimeFrame → 'Son 30 Gün', 'Son 90 Gün', 'YTD' gibi seçenekler
vScoreType → CSAT, NPS, CES gibi metrik tipi
vAgeGroup → Yaş dilimleri

Kullanım:

Avg({<Channel={'$(vSelectedChannel)'}, AgeGroup={'$(vAgeGroup)'}>} $(vScoreType))

📊 Grafik: Dinamik bar/line chart
📌 Kullanıcı bir seçim kutusuyla tüm analizleri kontrol eder. Çok güçlü kullanım.


🧮 Çok Boyutlu Analiz – Önem Katsayılı Skor

Sum(CSAT * ImportanceWeight) / Sum(ImportanceWeight)

Bu ImportanceWeight’ı NLP modelden, anket sorularının etkisinden ya da işlem türünden çıkarabilirsin.


📍 Bölge ve Şube Skor Haritası

Avg({<Region={'Ege'}, BranchName={'İzmir'}>} NPS)

📊 Grafik: Geo map – şube bazlı skor dağılımı
🧠 Tooltip’e yaş ortalaması, işlem sayısı, CSAT girilebilir.


💡 Duygu Analizi ve Tematik Özetlerden Türetilmiş Measure

Count({<Sentiment = {'Negative'}>} CommentID) / Count(CommentID)

Text analizi sonrası sentiment etiketi atanmışsa, memnuniyetsizlik oranı ölçülür.

📊 Grafik: Bar chart (sentiment başlıkları: “bekleme”, “sistem hatası” gibi)


🔬 NPS Detayı – Promoter / Detractor Oranı

// Promoter Oranı
Count({<NPS={">=9"}>} CustomerID) / Count(TOTAL CustomerID)
// Net skor
(Count({<NPS={">=9"}>} CustomerID) - Count({<NPS={"<=6"}>} CustomerID)) / Count(TOTAL CustomerID)

📊 Grafik: Lollipop chart – promoter/detractor nötr oran farkı


📌 KPI Kartı ve Conditional Renk Mantığı (Renkli dashboard)

If(Avg(CSAT) >= 8, 'Yeşil',
If(Avg(CSAT) >= 6, 'Sarı', 'Kırmızı'))

📌 Bu metin renk olarak arka plan kontrolünde kullanılabilir.

Algorizm Mayıs 21, 2025
Paylaş
Whatsapp Whatsapp LinkedIn Email Copy Link

Son Yazılar

  • LangChain Tool Tanıtımı (Kategorik)
  • Flowise Tool Node Tanıtımı
  • Flowise – Hazır Chatflow Akışları
  • Flowise – Hangi Node Ne Zaman Kullanılır?
  • Flowise Eğitimi – Node’ları Tanıyalım

Takip Et

Sponsor Linkler

İlginizi Çekebilir

BI AraçlarıVeri Analizi

Qlik Sense İleri Seviye Fonksiyon Cheat Sheet & Kullanım Senaryoları

BI AraçlarıVeri Analizi

Qlik Sense – 100 Temel Fonksiyon

BI AraçlarıVeri Analizi

Qlik Sense Cheat Sheet (2025)

Doğal Dil İşleme (NLP)LLM - AI AJANLARPython Veri AnaliziVeri Analizi

Türkiye’deki Mobil Bankacılık Deneyiminde Neler Gizli: “Part1 – IOS”

Türker UZUNTürker UZUN
Takip Et

Veri Analizi, ETL Süreçleri, Makine Öğrenimi, Doğal Dil İşleme Projeleri, Python Dersleri, Python Blog, Teknoloji Yazarı, AI Agents

Removed from reading list

Undo