المكاسب:
- يتعرف على مخاطر الجودة والسرية والتفسير للعمل مع البيانات ويؤسس لتدفق تحليل آمن.
- فهو يختار المؤشر المناسب لغرض ما، ويميز بين المؤشرات المنفردة المضللة والقياسات المفتوحة للتلاعب.
- يتعرف على تقنيات الرسم البياني المضللة (المحور لا يبدأ من الصفر، النطاق المختار) ويلاحظ التصور الصادق.
ينتج الجمهور البيانات كل يوم: أرقام الطلبات، أوقات الحلول، بنود الميزانية، تحركات السكان، طلبات الخدمة، نتائج التدقيق، مسوحات الرضا. توجد معظم هذه البيانات في جداول بيانات ونماذج وأنظمة تسجيل في Excel، ولكنها لا تُترجم إلى قرارات - لأن تحليلها يتطلب الخبرة والوقت. إن اتخاذ القرار على أساس البيانات (نهج لتخصيص الموارد ووضع السياسات استنادا إلى أدلة مقاسة، بدلا من الرأي أو العادة) يعمل على زيادة الكفاءة والعدالة في القطاع العام: حيث تذهب الموارد إلى حيث تشتد الحاجة إليها استنادا إلى الأرقام. هنا، يعد الذكاء الاصطناعي مساعدًا قويًا في فهم الجدول، وإيجاد الأنماط والشذوذات، واستخلاص إحصائيات موجزة، وترجمة النتائج إلى جمل بسيطة. في هذه الوحدة، ستتعرف على كيفية اختصار المسار من البيانات العامة الأولية إلى قرار يمكن الدفاع عنه باستخدام الذكاء الاصطناعي والبقاء منضبطًا في الجانب الأكثر أهمية - وهو التفسير الصحيح للرقم.
ثلاثة مخاطر للعمل مع البيانات
البيانات قوية، ولكن بها ثلاثة مصائد، ويمكن للذكاء الاصطناعي أن يخفف من هذه المصائد ويضخمها:
- الارتباط ≠ السببية. فقط لأن شيئين يتغيران معًا لا يعني أن أحدهما يسبب الآخر. مبيعات الآيس كريم وحالات الغرق آخذة في الارتفاع، لأن كلاهما مرتبطان بحرارة الصيف، وليس أحدهما يسبب الآخر. يبني الذكاء الاصطناعي جمل "لأن" بطلاقة؛ شكك في كل ادعاء بالسببية.
- بيانات متحيزة/مفقودة. ممن وكيف تم جمع البيانات؟ تعكس بيانات الشكوى فقط أولئك الذين يمكنهم تقديم شكوى؛ بيانات التطبيقات الرقمية لأولئك الذين لديهم إمكانية الوصول إلى الإنترنت. إذا لم تتمكن من رؤية المجموعة المفقودة، فسيكون القرار متحيزًا.
- رقم بدون سياق. "زيادة بنسبة 30%" وحدها لا معنى لها: حسب أي فترة، ما هو الرقم المطلق؟ اسأل الذكاء الاصطناعي عن السياق.
تنبيه: بينما يقوم الذكاء الاصطناعي بتحليل الجدول الذي تقدمه، فإنه يضيف أحيانًا أرقامًا "معقولة" ولكن وهمية من خارج الجدول أو يملأ الخلايا المفقودة بصمت. قارن كل رقم مخرج بالجدول المصدر؛ امنح الذكاء الاصطناعي القاعدة "استخدم فقط القيم الموجودة في الجدول الذي أقدمه لك، إذا كانت مفقودة، قل "لا توجد بيانات"".
خطوة بخطوة تدفق تحليل البيانات
- وضح السؤال. ما هو السؤال الذي نبحث عن إجابات له لاتخاذ القرار؟ ("في أي حي يستغرق وقت الحل وقتًا أطول؟")
- تعرف على البيانات. ما هي الأعمدة، ما هي الوحدة، ما هي الفترة، هل هناك أي قيم مفقودة/غير صحيحة؟
- استخراج البيانات الشخصية. إخفاء الهوية/التجميع إذا لم يكن تحديد الهوية الفردية مطلوبًا للتحليل (انظر الوحدة 11).
- ملخص ونمط تظهر. اطلب من الذكاء الاصطناعي إجراء الإحصائيات الأساسية والتجميع ووضع علامات الشذوذ.
- سؤال التعليق. علاقة أم سببية؟ تفسير بديل؟ مجموعة مفقودة؟
- تصور وتبسيط. ملخص ورسم بياني بسيط يستطيع متخذ القرار فهمه.
- توثيق القرار وأسبابه. ما القرار الذي تم اتخاذه بناءً على أي بيانات؟ مسار التدقيق.
ثلاث حالات صغيرة
الحالة 1 - ذهب المصدر إلى المكان الصحيح. في الماضي، قامت إحدى البلديات بتوزيع ميزانية صيانة المتنزهات "بشكل متساوٍ على كل حي". عندما تم تحليل بيانات الطلب والاستخدام لمدة 18 شهرًا باستخدام الذكاء الاصطناعي، كان نصيب الفرد من الطلب في الأحياء الثلاثة 2.4 ضعف المتوسط. وأعيد توزيع الميزانية حسب الحاجة؛ زيادة الرضا العام، دون نفقات إضافية.
الحالة 2 - تمت ملاحظة البيانات المتحيزة. ستنظر الوكالة إلى بيانات التطبيقات الرقمية وتخلص إلى أن "المواطنين لم يعودوا يأتون إلى كشك تحصيل الرسوم". ولكن عندما تم طلب تفاصيل العمر في التحليل، تبين أن الطلبات التي تزيد أعمارهم عن 65 عامًا لا تزال تأتي في الغالب من العداد. إذا تم النظر فقط إلى البيانات الرقمية، فسيتم تجاهل هذه المجموعة؛ تم الحفاظ على خدمة شباك التذاكر.
الحالة 3 - توقف السببية المفتعلة. وأثناء تفسيره للجدول، قال ي.ز: "انخفضت الحوادث بسبب زيادة عدد عمليات التفتيش". وذكر المحلل أن الطقس تغير أيضا وانخفضت حركة المرور في الفترة نفسها؛ ونسبه لسبب واحد كان مضللاً. وتم تصحيح التقرير ليقول "هناك علاقة ولكن لم يتم إثبات العلاقة السببية".
أربعة قوالب قابلة للنسخ
1) التعرف على الجدول:
دورك: محلل البيانات. افحص الجدول أدناه، واستنادًا إلى القيم الموجودة في هذا الجدول فقط: (1) تلخيص كل عمود ووحدته وفترته، (2) أي خلايا تظهر مفقودة/غير صحيحة، (3) تلخيص أهم ثلاثة أنماط بارزة. إضافة أرقام من خارج الجدول؛ إذا كانت مفقودة، قل "لا توجد بيانات". الجدول: [لصق البيانات]
2) ملخص الإحصائيات مع السياق:
أجب عن السؤال التالي من الجدول أدناه: [سؤال]. يجب أن تعطي النتيجة مع السياق: الرقم المطلق + المعدل + فترة المقارنة. عندما تقول "زيادة بنسبة X%"، حدد إلى أي مدى وفي أي فترة. ما عليك سوى استخدام البيانات المعطاة. الجدول: [البيانات] السؤال: [السؤال]
3) السائل عن السببية:
قم بتفسير النتائج التالية، ولكن مع الحذر: لا تخلط بين الارتباط والسببية. قم بتوليد ثلاثة تفسيرات بديلة على الأقل لهذه العلاقة (المتغير الثالث، الاتجاه العكسي، الصدفة). أخبرني ما هي البيانات الإضافية اللازمة لإثبات العلاقة السببية. النتيجة: [العلاقة]
4) ملخص بسيط للقرار:
قم بتبسيط التحليل التالي لصانع القرار الذي ليس خبيرًا في البيانات: ما لا يزيد عن 5 عناصر، كل عنصر عبارة عن نتيجة وتفسير "ماذا يعني هذا". اكتب أيضًا أوجه عدم اليقين وحدود البيانات بشكل واضح. إضافة معلومات جديدة. التحليل: [النص]
موجه ضعيف / موجه قوي
ضعيف: "قم بتحليل هذا المخطط وأخبرنا بما يجب علينا فعله."
سترونج: "دورك هو محلل البيانات. استخدم الجدول أدناه فقط؛ لا تضيف أرقامًا من الخارج، قل "لا توجد بيانات" للخلية المفقودة. أولاً، تعرف على الأعمدة والوحدات والفترة. ثم أجب عن السؤال "أي حي لديه أطول وقت للحل" مع الرقم المطلق + النسبة + فترة المقارنة. إذا وجدت نمطًا، فابتكر 3 تفسيرات بديلة قبل شرحه مع السببية. وأخيرًا، قم بإدراج نقاط وحدود البيانات (المجموعة المفقودة، الفترة القصيرة) التي تترك القرار لنا."
الفرق: الموجه القوي يحدد دقة البيانات والسياق والانضباط السببي وحدود القرار معًا؛ الناتج هو تحليل يمكن الدفاع عنه.
أين يمكن الوثوق بالذكاء الاصطناعي في مجال البيانات؟
عمل
ثقة الذكاء الاصطناعي
القاعدة
ملخص الجدول، التجميع
عالية
البيانات المقدمة فقط
علامات الشذوذ/النمط
متوسطة
تأكيد الإنسان
تفسير السببية
منخفض
مطلوب تفسير بديل
تعبئة البيانات المفقودة
منخفض جدًا
لا تجعل ذلك يحدث؛ "لا توجد بيانات"
التبسيط/الملخص البصري
عالية
يجب الحفاظ على المعنى
تصميم المؤشر وفخ الرسم البياني المضلل
إن الخطوة الأكثر أهمية في اتخاذ القرارات المتعلقة بالبيانات هي اختيار المؤشر الصحيح (التعبير الرقمي الذي يجعل الظاهرة قابلة للقياس - على سبيل المثال، "متوسط وقت المعالجة" أو "التكلفة لكل تطبيق"). ويؤدي المؤشر الخاطئ إلى قرار خاطئ، حتى مع وجود بيانات دقيقة: ففي حين يبدو أن "العدد الإجمالي للمطالبات التي تم حلها" آخذ في الازدياد، فإن "وقت الانتظار لكل مواطن" قد يتفاقم. يستطيع الذكاء الاصطناعي إدراج المؤشرات المرشحة لموضوع ما وما يقيسه كل منها ويخفيه؛ لكن عليك أن تقرر أي مؤشر يمثل المصلحة العامة حقًا. كن على دراية أيضًا بمخاطر التصور المضلل (تشويه الإدراك باستخدام تقنيات مثل عدم بدء المحور من الصفر، أو المقياس غير المتناسب، أو الفاصل الزمني المحدد) في الرسوم البيانية التي يقترحها الذكاء الاصطناعي أو يصفها؛ إن الرؤية الصادقة في البيانات العامة هي جزء من الحكم.
حالة صغيرة - علامة خاطئة، وتفاخر خاطئ. وحطمت إحدى الوحدات الأرقام القياسية في مؤشر "عدد الملفات المغلقة شهريًا"؛ لكن شكاوى المواطنين زادت. وبالنظر إلى المؤشر الدقيق، "معدل حل الاتصال الأول"، انخفض المعدل من 58 بالمائة إلى 44 بالمائة - تم إغلاق الملفات وإعادة فتحها بسرعة. وعندما تغير المؤشر، تغيرت أولوية الإدارة أيضاً.
حالة صغيرة — المحور الذي لا يبدأ من الصفر. في الرسم البياني الذي تم وصفه بالذكاء الاصطناعي في العرض التقديمي، يبدأ المحور الرأسي عند 40، وبدت الزيادة بنسبة 2 بالمائة وكأنها قفزة كبيرة. وعندما تم نقل المحور إلى الصفر ظهرت الصورة الحقيقية وتم حذف القرار من التصور المبالغ فيه.
القالب الذي يدعم اختيار المؤشر:
المهمة: اقتراح 5 مؤشرات مرشحة للغرض التالي.الغرض: [على سبيل المثال. تحسين جودة خدمة المواطن]لكل مؤشر: ما الذي يقيسه | ماذا يمكن أن يخفي | الانفتاح على التلاعب | تردد القراءة الموصى به. التالي: اكتب 3 تحذيرات (تلك التي تكون مضللة في حد ذاتها) لقراءة هذه المؤشرات معًا. القاعدة: لا تنتج أرقامًا؛ فقط أقترح تصميم المؤشر.
تحذير: لا تقع في الاعتقاد الخاطئ بأن "الرقم هو الهدف". إن الرقم الذي تقيسه، وكيفية عرضه، والنطاق الذي تختاره، كلها مسألة تفسير. إن التفسير العام الشفاف والصادق لا يقل أهمية عن الحصول على بيانات دقيقة.
الأخطاء الشائعة
- الارتباط الخاطئ للسببية. "زيادة معًا" ليست السبب؛ ابحث عن تفسيرات بديلة.
- وجود الذكاء الاصطناعي يملأ البيانات المفقودة. ينهار التحليل بقيمة مختلقة؛ ترك المفقودين في عداد المفقودين.
- تعميم البيانات المتحيزة. الشكوى/البيانات الرقمية لا تمثل الجميع؛ الاستعلام عن المجموعة المفقودة
- تقديم العدد بدون سياق. بجانب النسبة يجب أن يكون هناك رقم مطلق وفترة مقارنة.
- تحليل البيانات الشخصية دون داع. لا تستخدم التعريف الفردي إذا كانت البيانات المجمعة كافية.
- عدم توثيق القرار. ما هو القرار الذي تم اتخاذه بناءً على البيانات التي يجب تسجيلها للتدقيق؟
في ملخص
إن اتخاذ القرارات القائمة على البيانات هو أقوى وسيلة لتوزيع الموارد بشكل عادل وفعال في القطاع العام؛ يعد الذكاء الاصطناعي بمثابة مساعد سريع في هذا العمل، فهو يفهم الصورة ويجد الأنماط ويبسط النتائج. لكن لا تجعل الذكاء الاصطناعي يختلق الأرقام، ولا تجعله يملأ البيانات المفقودة، ولا تسمح له بالخلط بين الارتباط والسببية، وتجنب تعميم البيانات المتحيزة/غير الكاملة. هناك قوة في الأعداد. ومن يفسره بشكل صحيح ويوثق القرار فهو أقوى.
مهمة التطبيق
احصل على جدول حقيقي (تم تجريد البيانات الشخصية) من وحدتك. قم بتقديم البيانات باستخدام قالب "التعرف على الجدول"، ثم قم بالإجابة على سؤال مهم لاتخاذ القرار باستخدام قالب "إحصاءات الملخص السياقي". قم بتطبيق نموذج "السائل عن السببية" على العلاقة الناشئة وابحث عن تفسير بديل واحد على الأقل. تحقق مما إذا كان الذكاء الاصطناعي يضيف أرقامًا من خارج الجدول.
قائمة مرجعية
- [ ] استخدم الذكاء الاصطناعي الجدول المحدد فقط؛ ولم يضيف أرقاما من الخارج.
- [ ] لم أقم بملء البيانات المفقودة؛ لقد تركتها كـ "لا توجد بيانات".
- [ ] قدمت كل نتيجة مع سياقها (العدد المطلق + المعدل + الفترة).
- [ ] لقد قدمت تفسيراً بديلاً لادعاءات السببية.
- [ ] قمت بتقييم خطر البيانات المتحيزة/المفقودة والمجموعة المفقودة.
- [ ] قمت بتوثيق القرار والبيانات التي بني عليها.