📊 AI-Powered Hybrid Marketing Insight Engine

Bu proje, yapılandırılmış (SQL) ve yapılandırılmamış (RAG/Vektör) verileri aynı anda analiz edebilen, LangChain ve GPT-4o tabanlı gelişmiş bir kurumsal veri analizi platformudur. Pazarlama yöneticileri için otonom içgörüler üretir, veri odaklı yarışan hipotezleri test eder ve geleceğe yönelik projeksiyonlar sunar.

---

🚀 Temel Yetenekler

Sistem 4 farklı operasyonel modda ve çok turlu konuşma bağlamında çalışmaktadır:

• 🤖 Otonom İçgörü Modu: Veritabanını tarayarak en kritik vizyoner pazarlama sorusunu otomatik tespit eder ve yanıtlar.
• 👤 Manuel Soru & Takip Modu: Kullanıcının sorularını, konuşma geçmişini koruyarak (RewriteNLAgent) ve muğlak niyetleri netleştirerek SQL ve RAG araçlarıyla çözer.
• 🧪 Yarışan Hipotezler Modu ($H_0, H_1, H_2$): Kullanıcı gözlemlerini Ekonometrik karne formatında 3 rakip hipotezle sınar; verideki reel metriklerle KABUL / RED kararını gerekçelendirir.
• 🔮 Tahminleme (Predictive AI) Modu: Geçmiş zaman serisi trendlerine dayanarak gelecek dönem risk ve fırsat projeksiyonları sunar.
• 📈 Generative UI: Analiz sonuçlarını otomatik algılayarak Plotly ile dinamik ve interaktif grafiklere dönüştürür.
• ⚡ 2-Kademeli Hibrit Yönlendirme (Tiered Routing): SQL/JSON sorgu planlama için hızlı gpt-4o-mini, stratejik CMO sentezi için derin gpt-4o kullanır (Arayüzden ayarlanabilir).

---

🛠️ Kullanılan Teknolojiler

• Python & Streamlit: Web arayüzü ve dinamik model seçim paneli.
• LangChain: Çoklu ajan (Agentic) orkestrasyonu ve SQL/RAG araç entegrasyonu.
• OpenAI (GPT-4o & GPT-4o-mini): 2-kademeli sorgu planlama ve stratejik yönetici sentezi.
• ClickHouse & SQLite: Çoklu SQL diyalekti desteği (ClickHouse dizi fonksiyonları, ARRAY JOIN ve otomatik SQLite yedekleme).
• Deterministik SQL Derleyicisi: Güvenli SPJQ JSON $\rightarrow$ SQL derleme katmanı (agents/sql_compiler.py).
• İzole Sistem Promptları: Modüler ve yönetilebilir prompt mimarisi (agents/prompts/).
• Pinecone (RAG): Yapılandırılmamış şirket dokümanları için vektör araması.
• Plotly & Pandas: Dinamik veri işleme ve görselleştirme.

---

⚙️ Kurulum ve Çalıştırma

1. Bağımlılıkları Yükleyin

pip install -r requirements.txt

2. Ortam Değişkenlerini / Secrets Yapılandırın

.streamlit/secrets.toml.example dosyasını .streamlit/secrets.toml olarak kopyalayın ve anahtarlarınızı girin:

OPENAI_API_KEY = "sk-..."
# İsteğe bağlı ClickHouse & Pinecone ayarları:
CLICKHOUSE_HOST = ""
PINECONE_API_KEY = ""

3. Uygulamayı Başlatın

streamlit run app.py

4. Testleri Çalıştırın

python -m unittest discover -s tests -v