Çağrı detay kayıtları (CDR), iletişim sistemlerinin temel yapı taşlarından biridir. Sesli arama, mesajlaşma veya herhangi bir iletişim iş akışıyla uğraşıyorsanız, CDR verileri size birçok pratik sorunun cevabını verebilir: Belirli bir tarih aralığında kaç arama yapıldı? Kullanım maliyeti ne kadar? Hangi saatler en yoğun? Hangi rotalar en aktif? Kısa aramalar veya başarısız aramalar artıyor mu? Ancak ham CDR verilerini okumak pek keyifli değildir. İşte tam bu noktada, Python ile oluşturulmuş bir analiz panosu devreye giriyor.
Bu yazıda, Telnyx CDR verilerini Flask tabanlı bir analiz API'sine dönüştüren ve ardından Telnyx AI Inference ile kısa bir operasyonel özet oluşturan küçük bir Python örneğini inceleyeceğiz. Bu örnek, GitHub üzerinde paylaşılmıştır ve isteyen herkesin kendi sisteminde çalıştırabileceği şekilde tasarlanmıştır. Kod, `/cdrs`, `/analytics/summary`, `/analytics/peak-hours`, `/analytics/top-routes`, `/analytics/daily`, `/analytics/ai-insights` ve `/health` olmak üzere yedi farklı API uç noktası sunar. Bu uç noktalar, temel analiz işlemlerinden AI destekli içgörülere kadar geniş bir yelpazede hizmet verir.
Analiz uç noktaları, Python ile tipik bir pano işlevselliği sağlar: toplam çağrı sayısı, toplam, ortalama, medyan ve yüzde 95 süre, toplam, ortalama ve maksimum maliyet, yön, çağrı türü ve duruma göre gruplanmış sayımlar, yoğun saat dağılımı, en popüler rotaların dökümü ve günlük çağrı ile maliyet toplamları. Bu metriklerin tamamı, kesin hesaplamalar için kod tarafından hesaplanır. Ardından `/analytics/ai-insights` uç noktası, bu metriklerin kompakt bir özetini alır ve Telnyx AI Inference'a gönderir. Burada dikkat edilmesi gereken nokta, modelin hesaplama yapmak için değil, eğilimleri açıklamak ve bir sonraki adımda neyin araştırılması gerektiğini önermek için kullanılmasıdır. Böylece toplamlar ve maliyetler deterministik kalırken, pano kullanıcılara anlaşılır bir dille yardımcı olabilir.
Sonuç ve Değerlendirme
Projeyi çalıştırmak oldukça basittir. Öncelikle GitHub deposunu klonlayın: `git clone https://github.com/team-telnyx/telnyx-code-examples.git`. Ardından `cd telnyx-code-examples/cdr-usage-analytics-dashboard-python` ile ilgili dizine geçin. `.env.example` dosyasını `.env` olarak kopyalayın ve Telnyx API anahtarınızı ekleyin. `TELNYX_API_KEY`, `AI_MODEL` (örneğin `moonshotai/Kimi-K2.6`) ve `HOST` değişkenlerini ayarlayın. Son olarak `pip install -r requirements.txt` ile bağımlılıkları yükleyin ve `python app.py` ile uygulamayı başlatın. Sağlık kontrolü için `curl http://localhost:5000/health` komutunu kullanabilirsiniz. Özet almak için `curl "http://localhost:5000/analytics/summary?start_date=2026-07-01&end_date=2026-07-08" | python3 -m json.tool` ve AI içgörüleri için `curl http://localhost:5000/analytics/ai-insights | python3 -m json.tool` komutlarını çalıştırabilirsiniz.
Nasıl Önlem Alınmalı?
Bu örnek, küçük ölçekli olmasına rağmen birçok genişletme potansiyeli barındırıyor. Destek veya operasyon ekipleri için bir kullanıcı arayüzü ekleyebilir, günlük anlık görüntüleri bir veritabanında saklayabilir, haftalık özetleri Slack'e gönderebilir, maliyetler arttığında uyarılar oluşturabilir, anormal kısa çağrı desenlerini tespit edebilir veya kullanımı kampanya, müşteri veya bölgeye göre karşılaştırabilirsiniz. Ayrıca, depo bir kodlama ajanı tarafından okunabilir şekilde tasarlandığından, bir yapay zeka aracına bu örneği genişletmesini, grafikler eklemesini, kimlik doğrulama eklemesini veya metrikleri kendi iş akışınıza uyarlamasını isteyebilirsiniz.
Sonuç olarak, CDR verilerinin ham haliyle analiz edilmesi zor olsa da, Python ve Flask gibi araçlarla bu verileri anlamlı hale getirmek mümkün. Telnyx AI Inference entegrasyonu sayesinde, sadece sayısal veriler sunmakla kalmayıp, bu verilerin ne anlama geldiğini açıklayan doğal dil özetleri de elde edebilirsiniz. Bu yaklaşım, hem teknik ekiplerin hem de iş birimlerinin iletişim verilerinden daha hızlı ve etkili bir şekilde içgörü çıkarmasına olanak tanır. Eğer siz de kendi iletişim iş akışlarınızı analiz etmek istiyorsanız, bu örnek proje iyi bir başlangıç noktası olacaktır.
Kaynak: dev.to
