Печалби:
- Способност за генериране на ориентирано към вземане на решение прозрение от разпръснати данни чрез разбиране на стълбата данни-информация-прозрение-решение и прилагане на изкуствен интелект стъпка по стъпка
- Способност за разкриване на истината, скрита от общите числа чрез разбивка на сегменти и разграничаване на корелацията от причинно-следствената връзка
- Способност да се третират причините, предложени от изкуствения интелект като хипотези, които трябва да бъдат тествани, и да се основава окончателното решение на проверена информация
Десетки числа пристигат на бюрото на мениджъра всеки ден: данни за продажбите, разходи, оплаквания на клиенти, нива на запаси, нива на текучество на служители. Но само броят не е решението. Решението започва с виждането на значението в числото. „Продажбите са намалели с 8 процента в сравнение с миналия месец“ е даденост; „Спадът в продажбите се дължи на това, че двама големи клиенти в Беломорския регион отлагат поръчките си“, е прозрението. Тук подкрепата за вземане на решения - процесът, който прави данните значими за мениджъра, за да взема по-добри решения - е мостът, който превръща данните в прозрения. В тази част ще научим как да използваме AI на този мост. Границата е ясна от самото начало: AI създава чернови прозрения; Мениджърът решава кое прозрение е истинско и какво да прави.
Четири стъпки от данни до прозрение
Подкрепата за вземане на решения е стълба. Първа цифра — данни: необработени числа (1240 поръчки пристигнаха този месец). Втора цифра — информация: редактирани, сравнени числа (намаление с 8 процента спрямо миналия месец). Трето ниво — прозрение: разбиране на причината за отпадането (закъснение от двама големи клиенти). Четвърта стъпка — решение: какво да направите (интервю с тези клиенти и насочване към нови клиенти). AI е много бърз на първата и втората стъпка, е добър помощник на третата, предлага опции само на четвъртата.
Познаването на тази стълба е важно, защото повечето мениджъри директно искат от ИИ да „реши вместо мен“ и се разочароват. Въпреки това, ако прилагате AI стъпка по стъпка - първо обобщавате, след това сравнявате, след това поставяте под съмнение възможните причини и накрая вземете решението сами - ще бъдете едновременно бързи и надеждни.
Подсказка: Попитайте AI "какво заключавате от тези данни?" Вместо да питате всички наведнъж, продължете стъпка по стъпка, като кажете „първо обобщете, след това покажете 3-те най-забележителни промени, след което предложете 2 възможни причини за всяка“. Поетапното мислене дава по-точни резултати.
Капанът на корелацията и причинно-следствената връзка
Най-опасният капан на подкрепата за вземане на решения е погрешната корелация за причинно-следствена връзка. Корелацията е, когато две неща се движат заедно (продажбите на сладолед и удавянията нарастват заедно през лятото). Причинно-следствената връзка е, когато едното води до другото (сладоледът не причинява задушаване; горещото време е често срещаната причина). AI е много добър в намирането на неща, които се движат заедно във вашите данни, но не може да каже коя е истинската причина. Казването „Разходите за реклама се увеличиха и продажбите се увеличиха“ не доказва, че рекламата увеличи продажбите; може би и двете бяха засегнати от празничния сезон.
Така че, когато AI предложи причина, третирайте я като хипотеза (предположение, което трябва да бъде доказано), а не като факт. „Как да тествам това?“ попитайте. Добрият мениджър тества причината, която AI предлага на полето или с данни.
три мини калъфа
Случай 1 — Улавяне на тайното падане. В компания за електронна търговия общият оборот изглеждаше стабилен, никой не беше разтревожен. Мениджърът дава анонимните месечни данни на AI и пита "Кой сегмент расте и кой се свива на база категория?" – попита той. YZ показа, че докато общият оборот е постоянен, категорията електроника с висока печалба всъщност е спаднала с 22 процента, като продажбите на аксесоари с ниска печалба маскират това. Мениджърът потвърди това и се фокусира върху категорията електроника. Общият брой беше скрит; Почивката разкри истината.
Случай 2 — Бягане към грешната причина. Управител на верига кафенета даде данни за продажбите на AI. „Разпродажбите през уикенда се движат с температурата на времето“, каза YZ. Управителят прочете това като "горещото време увеличава продажбите" и отказа климатиците. Истинската причина обаче беше увеличеният клиентски трафик през уикенда; Температурата случайно се премести в същата посока. Мениджърът обърка корелацията с причинно-следствената връзка. Той научи урока си и отсега нататък тества всяка причина.
Случай 3 — Правилно установяване на сравнението. Сравнява се ефективността на две фабрики в производствено предприятие. Мениджърът пита AI: „Фабрика A по-ефективна ли е от B?“ попита той, но AI не знаеше, че фабрика А е по-нова и по-малка. Мениджърът коригира подканата: "сравнете добива на единица, като вземете предвид размера и възрастовата разлика." Този път анализът беше честен и истинската разлика беше разкрита.
Четири копируеми шаблона
1) Поетапно извличане на информация:
Вашата роля: бизнес анализатор, подпомагащ мениджъра. Използвайте приложените анонимни данни (период, категория, продажби, себестойност). Продължете стъпка по стъпка: 1) Обобщете данните в 4 позиции. 2) Покажете 3-те най-забележителни промени в сравнение с последния период. 3) Предложете до 2 ВЪЗМОЖНИ причини за всяка промяна и посочете, че това са хипотези и са необходими доказателства. Не измисляйте числа, които не съществуват в предоставените от мен данни.
2) Анализ на разбивка (сегмент):
Дори общите числа да изглеждат стабилни, искам да знам какво става вътре. Разделете прикачените данни по категория/регион/клиентски сегмент. Покажете кой сегмент расте и кой намалява в таблица. Особено маркирайте обръщания, които маскират общата сума.
3) Тест за корелация и причинно-следствена връзка:
Открих тази връзка: [A и B се движат заедно]. Помогнете ми да разбера дали това е истинска причина и следствие или просто съвместно действие. Избройте възможните ЧЕСТИ причини и предложете 3 практически проверки, които мога да направя, за да тествам тази връзка.
4) Генериране на опция за решение:
Потвърдих това прозрение: [insight].НЕ решавайте вместо мен; вместо това генерирайте 3 различни опции за действие. За всеки вариант: очаквана полза, прогнозни разходи/усилия, основен риск и коя ситуация трябва да бъде предпочетена. Представете опциите неутрално; не налагай някого.
Слаба подкана / Силна подкана
Слаба подкана:
Защо спаднаха продажбите?
Без данни, без период, без контекст. AI изброява общи причини (икономика, конкуренция, сезон); Никой от тях не е специфичен за вашата ситуация и не може да бъде потвърден.
Мощна подкана:
Вашата роля: анализатор на дребно. Използвайте приложените анонимни 6-месечни данни (месец, регион, категория, брой продажби, оборот). Общият оборот е намалял с 8% през последния месец. Разбийте това по региони и категории; разберете от кой сегмент идва спадът. Предложете до 2 проверими хипотези за всеки спад, който откриете. Просто използвайте числата, които ви дадох.
Размер
лош подход
Силен подход
данни
Няма
Анонимен и прикачен
Въпрос
Общото "защо?"
Пречупен и фокусиран
изход
Общи причини
Проверими хипотези
Проверяемост
ниско
високо
стойност на решението
По-малко
високо
Често срещани грешки
- Разчитайки на общия брой. Докато общата сума е постоянна, вътре може да има големи обръщания; Не забравяйте да погледнете разбивката.
- Грешна корелация за причинно-следствена връзка. Гледайте на връзката, открита от AI, като на хипотеза, която трябва да бъде тествана, а не като на доказателство.
- Нечестно сравнение. Не сравнявайте единици с различни размери/възрасти/условия, без да ги нормализирате.
- Изискване на решения директно от AI. AI генерира опции; Вие носите решението и отговорността.
- Правене на заключения с данни за единичен период. Необходими са достатъчно исторически данни за тенденции.
Внимание: Колкото и умно да изглежда едно прозрение, то не трябва да се превръща в решение, ако не може да бъде потвърдено от вашите данни. „ИИ каза така“ не е оправдание; „Тествах го с данни и беше валидиран“ е оправдание.
В обобщение
Подкрепата за вземане на решения е стълбата, която превръща данните в прозрения: данни, информация, прозрения, решения. AI е много бърз в първите две стъпки, добър помощник в третата и просто доставчик на опция в четвъртата. Вижте разбивките, а не общите числа; Не бъркайте корелацията с причинно-следствената връзка; Вижте причините, които AI предлага като хипотези за тестване. Поетапното мислене дава по-точни резултати. Окончателното решение е на мениджъра въз основа на валидирани прозрения.
Задача за приложение
Подгответе анонимен набор от данни от вашия бизнес (напр. продажби въз основа на категории за последните 6 месеца). Накарайте AI да извърши разбивка на сегменти с шаблона „Анализ на разбивка“ по-горе. Създайте хипотеза, като използвате шаблона „Тест за корелация и причинно-следствена връзка“ за най-голямата промяна, която сте открили, и запишете как ще тествате тази хипотеза в полето в 3 елемента.
контролен списък
- [ ] Анонимизирал ли съм данните?
- [ ] Разгледах ли разбивката (сегмент), а не общата сума?
- [ ] Приех ли причината, предложена от AI като хипотеза?
- [ ] Справедливо ли съм направил сравненията (нормализирани)?
- [ ] Сам ли взех решението въз основа на потвърдена информация?