লাভ:
- ডেটা-তথ্য-অন্তর্দৃষ্টি-সিদ্ধান্তের মই বুঝে এবং ধাপে ধাপে কৃত্রিম বুদ্ধিমত্তা সম্পাদন করে বিচ্ছুরিত ডেটা থেকে সিদ্ধান্ত-ভিত্তিক অন্তর্দৃষ্টি তৈরি করার ক্ষমতা
- সেগমেন্ট ভাঙ্গনের মাধ্যমে মোট সংখ্যা দ্বারা লুকানো সত্যকে প্রকাশ করার ক্ষমতা এবং কার্যকারণ থেকে পারস্পরিক সম্পর্ককে আলাদা করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তা দ্বারা প্রস্তাবিত কারণগুলিকে পরীক্ষা করার জন্য অনুমান হিসাবে বিবেচনা করার ক্ষমতা এবং যাচাইকৃত অন্তর্দৃষ্টির উপর ভিত্তি করে চূড়ান্ত সিদ্ধান্ত নেওয়ার ক্ষমতা
ম্যানেজারের ডেস্কে প্রতিদিন কয়েক ডজন নম্বর আসে: বিক্রয় পরিসংখ্যান, খরচ, গ্রাহকের অভিযোগ, ইনভেন্টরি লেভেল, কর্মচারী টার্নওভার রেট। তবে সংখ্যা একা সিদ্ধান্ত নয়। সংখ্যার মধ্যে অর্থ দেখে সিদ্ধান্ত নেওয়া শুরু হয়। "বিক্রয় কমেছে 8 শতাংশ গত মাসের তুলনায়" একটি প্রদত্ত; "বিক্রয় হ্রাস এজিয়ান অঞ্চলের দুটি বড় গ্রাহক তাদের অর্ডার স্থগিত করার কারণে" একটি অন্তর্দৃষ্টি। এখানে, সিদ্ধান্ত সমর্থন - যে প্রক্রিয়াটি ডেটাকে আরও ভাল সিদ্ধান্ত নেওয়ার জন্য ম্যানেজারের জন্য অর্থপূর্ণ করে তোলে - সেই সেতু যা ডেটাকে অন্তর্দৃষ্টিতে পরিণত করে৷ এই ইউনিটে, আমরা শিখব কিভাবে এই সেতুতে AI ব্যবহার করতে হয়। সীমানা শুরু থেকেই পরিষ্কার: AI খসড়া অন্তর্দৃষ্টি তৈরি করে; ম্যানেজার সিদ্ধান্ত নেয় কোন অন্তর্দৃষ্টি বাস্তব এবং কি করতে হবে।
তথ্য থেকে অন্তর্দৃষ্টি পর্যন্ত চারটি ধাপ
সিদ্ধান্ত সমর্থন একটি মই. প্রথম সংখ্যা — ডেটা: কাঁচা সংখ্যা (এই মাসে 1,240 অর্ডার এসেছে)। দ্বিতীয় সংখ্যা — তথ্য: সম্পাদিত, তুলনামূলক সংখ্যা (গত মাসের তুলনায় 8 শতাংশ কম)। তৃতীয় স্তর — অন্তর্দৃষ্টি: পতনের কারণ বোঝা (দুটি প্রধান গ্রাহকের বিলম্ব)। ধাপ চার — সিদ্ধান্ত: কি করতে হবে (এই গ্রাহকদের সাক্ষাৎকার নিন এবং নতুন গ্রাহকদের লক্ষ্য করুন)। AI প্রথম এবং দ্বিতীয় ধাপে খুব দ্রুত, তৃতীয়টিতে একটি ভাল সাহায্যকারী, শুধুমাত্র চতুর্থটিতে বিকল্পগুলি অফার করে।
এই সিঁড়িটি জানা গুরুত্বপূর্ণ কারণ বেশিরভাগ পরিচালক সরাসরি AI কে "আমার জন্য সিদ্ধান্ত নিতে" এবং হতাশ হতে বলে। যাইহোক, আপনি যদি AI ধাপে ধাপে চালান - প্রথমে সংক্ষিপ্ত করুন, তারপর তুলনা করুন, তারপর সম্ভাব্য কারণগুলি নিয়ে প্রশ্ন করুন এবং অবশেষে নিজেই সিদ্ধান্ত নিন - আপনি উভয়ই দ্রুত এবং নির্ভরযোগ্য হবেন।
ইঙ্গিত: AI কে জিজ্ঞাসা করুন "আপনি এই ডেটা থেকে কী অনুমান করেন?" একবারে সব জিজ্ঞাসা করার পরিবর্তে, "প্রথমে সারসংক্ষেপ, তারপর 3টি সবচেয়ে উল্লেখযোগ্য পরিবর্তন দেখান, তারপর প্রতিটির জন্য 2টি সম্ভাব্য কারণ প্রস্তাব করুন" বলে ধাপে ধাপে এগিয়ে যান। ধাপে ধাপে চিন্তা আরও সঠিক ফলাফল দেয়।
পারস্পরিক সম্পর্ক এবং কার্যকারণ ফাঁদ
সিদ্ধান্ত সমর্থনের সবচেয়ে বিপজ্জনক সমস্যা হল কার্যকারণে ভুল সম্পর্ক। সম্পর্ক হল যখন দুটি জিনিস একসাথে চলে (গ্রীষ্মে আইসক্রিম বিক্রি এবং ডুবে যাওয়া একসাথে বেড়ে যায়)। কারণ হল যখন একটি অন্যটির দিকে নিয়ে যায় (আইসক্রিম শ্বাসরোধের কারণ হয় না; গরম আবহাওয়া সাধারণ কারণ)। AI আপনার ডেটাতে একসাথে চলে যাওয়া জিনিসগুলি খুঁজে পেতে খুব ভাল, তবে আসল কারণ কোনটি তা বলতে পারে না। "বিজ্ঞাপন ব্যয় বৃদ্ধি এবং বিক্রয় বৃদ্ধি" বলা প্রমাণ করে না যে বিজ্ঞাপন বিক্রয় বৃদ্ধি করেছে; সম্ভবত উভয়ই উৎসবের মরসুমে প্রভাবিত হয়েছিল।
তাই যখন AI একটি কারণের পরামর্শ দেয়, তখন এটিকে একটি অনুমান হিসাবে বিবেচনা করুন (অনুমান যা প্রমাণ করা দরকার), একটি সত্য হিসাবে নয়। "আমি কিভাবে এটি পরীক্ষা করব?" জিজ্ঞাসা একজন ভালো ম্যানেজার AI যে কারণে ক্ষেত্র বা ডেটা দিয়ে পরামর্শ দেয় তা পরীক্ষা করে।
তিনটি মিনি কেস
কেস 1 - গোপন পতন ধরা. একটি ই-কমার্স কোম্পানিতে, মোট টার্নওভার স্থিতিশীল বলে মনে হয়েছিল, কেউ শঙ্কিত ছিল না। ম্যানেজার AI কে বেনামী মাসিক ডেটা দেয় এবং জিজ্ঞাসা করে "কোন বিভাগটি বাড়ছে এবং কোনটি বিভাগ ভিত্তিতে সঙ্কুচিত হচ্ছে?" তিনি জিজ্ঞাসা. ওয়াইজেড দেখিয়েছে যে মোট টার্নওভার স্থির থাকলেও উচ্চ-লাভকারী ইলেকট্রনিক্স ক্যাটাগরি আসলে 22 শতাংশ কমেছে, কম লাভের আনুষঙ্গিক বিক্রয় এটিকে মুখোশ করে। ম্যানেজার এটি নিশ্চিত করেছেন এবং ইলেকট্রনিক্স বিভাগের দিকে মনোনিবেশ করেছেন। মোট সংখ্যা গোপন করা হয়েছে; বিরতি সত্য প্রকাশ করেছে।
কেস 2 - ভুল কারণের দিকে দৌড়ানো। একটি ক্যাফে চেইনের ম্যানেজার AI কে বিক্রয়ের তথ্য দিয়েছেন। "সপ্তাহান্তে বিক্রয় আবহাওয়ার তাপমাত্রার সাথে চলে," YZ বলেছেন। ম্যানেজার এটি পড়ে "গরম আবহাওয়া বিক্রি বাড়ায়" এবং এয়ার কন্ডিশনারগুলি প্রত্যাখ্যান করে। যাইহোক, আসল কারণ ছিল সপ্তাহান্তে গ্রাহকদের ট্রাফিক বৃদ্ধি; তাপমাত্রা কাকতালীয়ভাবে একই দিকে সরে গেছে। ম্যানেজার কার্যকারণ জন্য পারস্পরিক সম্পর্ক ভুল. তিনি তার পাঠ শিখেছেন এবং এখন থেকে প্রতিটি কারণ পরীক্ষা করেছেন।
কেস 3 - তুলনাটি সঠিকভাবে স্থাপন করা। একটি উৎপাদন প্রতিষ্ঠানে দুটি কারখানার দক্ষতা তুলনা করা হচ্ছে। ম্যানেজার AI কে জিজ্ঞাসা করেন, "ফ্যাক্টরি A কি B এর চেয়ে বেশি দক্ষ?" তিনি জিজ্ঞাসা করলেন, কিন্তু AI জানত না যে কারখানা A নতুন এবং ছোট। ম্যানেজার প্রম্পটটি সংশোধন করেছেন: "প্রতি ইউনিটের আয়ের তুলনা করুন, অ্যাকাউন্টের আকার এবং বয়সের পার্থক্য বিবেচনা করে।" এবারের বিশ্লেষণ সুষ্ঠু এবং আসল পার্থক্য প্রকাশ পেল।
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) ধাপে ধাপে অন্তর্দৃষ্টি নিষ্কাশন:
আপনার ভূমিকা: ব্যবসায়িক বিশ্লেষক ম্যানেজারকে সহায়তা করছেন। সংযুক্ত বেনামী ডেটা ব্যবহার করুন (পিরিয়ড, বিভাগ, বিক্রয়, খরচ)। ধাপে ধাপে এগিয়ে যান: 1) 4টি আইটেমে ডেটা সংক্ষিপ্ত করুন। 2) গত সময়ের তুলনায় 3টি সবচেয়ে উল্লেখযোগ্য পরিবর্তন দেখান। 3) প্রতিটি পরিবর্তনের জন্য 2টি পর্যন্ত সম্ভাব্য কারণ প্রস্তাব করুন এবং বলুন যে এগুলি অনুমান এবং প্রমাণ প্রয়োজন৷ আমার দেওয়া ডেটাতে বিদ্যমান নেই এমন কোনো সংখ্যা তৈরি করবেন না।
2) ব্রেকডাউন (সেগমেন্ট) বিশ্লেষণ:
মোট সংখ্যা স্থিতিশীল মনে হলেও, আমি ভিতরে কী ঘটছে তা জানতে চাই। বিভাগ/অঞ্চল/গ্রাহক বিভাগ দ্বারা সংযুক্ত ডেটা ভাঙুন। একটি টেবিলে কোন অংশটি বৃদ্ধি পাচ্ছে এবং কোনটি সঙ্কুচিত হচ্ছে তা দেখান। বিশেষ করে বিপরীতগুলি চিহ্নিত করুন যা মোটকে মাস্ক করে।
3) পারস্পরিক সম্পর্ক-কারণ পরীক্ষা:
আমি এই সম্পর্ক খুঁজে পেয়েছি: [A এবং B একসাথে চলে]। আমাকে বুঝতে সাহায্য করুন যে এটি সত্য কারণ এবং প্রভাব নাকি একসাথে কাজ। সম্ভাব্য সাধারণ কারণগুলি তালিকাভুক্ত করুন এবং এই সম্পর্কটি পরীক্ষা করার জন্য আমি 3টি ব্যবহারিক পরীক্ষা করতে পারি।
4) সিদ্ধান্ত বিকল্প প্রজন্ম:
আমি এই অন্তর্দৃষ্টি নিশ্চিত করেছি: [অন্তর্দৃষ্টি]। আমার জন্য সিদ্ধান্ত নেবেন না; পরিবর্তে, 3টি ভিন্ন অ্যাকশন অপশন জেনারেট করুন। প্রতিটি বিকল্পের জন্য: প্রত্যাশিত সুবিধা, আনুমানিক খরচ/প্রচেষ্টা, প্রধান ঝুঁকি, এবং কোন পরিস্থিতি পছন্দ করা উচিত। নিরপেক্ষভাবে বিকল্প উপস্থাপন করুন; কাউকে চাপিয়ে দিও না।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
বিক্রি কমে গেল কেন?
কোন তথ্য নেই, কোন সময় নেই, কোন প্রসঙ্গ নেই। AI সাধারণ কারণগুলি তালিকাভুক্ত করে (অর্থনীতি, প্রতিযোগিতা, ঋতু); তাদের কোনোটিই আপনার পরিস্থিতির জন্য নির্দিষ্ট নয় এবং যাচাই করা যাবে না।
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: খুচরা বিশ্লেষক। সংযুক্ত বেনামী 6 মাসের ডেটা ব্যবহার করুন (মাস, অঞ্চল, বিভাগ, বিক্রয় সংখ্যা, টার্নওভার)। গত মাসে মোট টার্নওভার 8% কমেছে। অঞ্চল এবং বিভাগ দ্বারা এটি ভেঙে ফেলুন; কোন সেগমেন্ট থেকে পতন আসছে তা খুঁজে বের করুন। আপনি খুঁজে পান প্রতিটি হ্রাসের জন্য 2টি পর্যন্ত পরীক্ষাযোগ্য অনুমান প্রস্তাব করুন। শুধু আমি আপনাকে দেওয়া সংখ্যা ব্যবহার করুন.
আকার
দরিদ্র পদ্ধতি
শক্তিশালী পন্থা
ডেটা
কোনোটিই নয়
বেনামী এবং সংযুক্ত
প্রশ্ন
সাধারণ "কেন?"
প্রতিসৃত এবং নিবদ্ধ
আউটপুট
সাধারণ কারণ
পরীক্ষাযোগ্য অনুমান
যাচাইযোগ্যতা
কম
উচ্চ
সিদ্ধান্ত মান
কম
উচ্চ
সাধারণ ভুল
- মোট সংখ্যার উপর নির্ভর করে। মোট যখন ধ্রুবক থাকে, ভিতরে বড় উলটাপালটা হতে পারে; ভাঙ্গন তাকান নিশ্চিত করুন.
- কার্যকারণ জন্য ভুল পারস্পরিক সম্পর্ক. AI যে সম্পর্ক খুঁজে পেয়েছে তা পরীক্ষা করার জন্য একটি অনুমান হিসাবে দেখুন, প্রমাণ হিসাবে নয়।
- অন্যায্য তুলনা। বিভিন্ন আকার/বয়স/পরিস্থিতির একককে স্বাভাবিক না করে তুলনা করবেন না।
- AI থেকে সরাসরি সিদ্ধান্তের জন্য অনুরোধ করা। এআই বিকল্প তৈরি করে; আপনি সিদ্ধান্ত এবং দায়িত্ব বহন করুন.
- একক পিরিয়ড ডেটা সহ উপসংহার আঁকা। ট্রেন্ডিংয়ের জন্য পর্যাপ্ত ঐতিহাসিক ডেটা প্রয়োজন।
সতর্কতা: একটি অন্তর্দৃষ্টি যতই চতুর মনে হোক না কেন, আপনার ডেটা থেকে যাচাই করা না গেলে এটি একটি সিদ্ধান্তে পরিণত হওয়া উচিত নয়। "এআই তাই বলেছে" কোন যুক্তি নয়; "আমি ডেটা দিয়ে এটি পরীক্ষা করেছি এবং এটি যাচাই করা হয়েছে" একটি ন্যায্যতা।
সংক্ষেপে
সিদ্ধান্ত সমর্থন হল সেই মই যা তথ্যকে অন্তর্দৃষ্টিতে পরিণত করে: ডেটা, তথ্য, অন্তর্দৃষ্টি, সিদ্ধান্ত। AI প্রথম দুটি ধাপে খুব দ্রুত, তৃতীয়টিতে একটি ভাল সাহায্যকারী এবং চতুর্থটিতে শুধুমাত্র একটি বিকল্প প্রদানকারী৷ ভাঙ্গন দেখুন, মোট সংখ্যা নয়; কারণের জন্য পারস্পরিক সম্পর্ককে ভুল করবেন না; পরীক্ষা করার জন্য AI হাইপোথিসিস হিসাবে যে কারণগুলি নির্দেশ করে তা দেখুন৷ ধাপে ধাপে চিন্তা আরও সঠিক ফলাফল দেয়। চূড়ান্ত সিদ্ধান্ত হল ম্যানেজারের বৈধ অন্তর্দৃষ্টির উপর ভিত্তি করে।
আবেদন টাস্ক
আপনার ব্যবসা থেকে একটি বেনামী ডেটা সেট প্রস্তুত করুন (যেমন গত 6 মাসের জন্য বিভাগ-ভিত্তিক বিক্রয়)। উপরের "ব্রেকডাউন বিশ্লেষণ" টেমপ্লেটের সাথে AI-কে একটি সেগমেন্ট ব্রেকডাউন করতে বলুন। আপনি যে সবথেকে বড় পরিবর্তন পেয়েছেন তার জন্য "সম্পর্ক-কারণ পরীক্ষা" টেমপ্লেট ব্যবহার করে একটি হাইপোথিসিস তৈরি করুন এবং এই হাইপোথিসিসটিকে 3টি আইটেমে কীভাবে পরীক্ষা করবেন তা লিখুন।
চেকলিস্ট
- [ ] আমি কি ডেটা বেনামী করেছি?
- [ ] আমি কি মোটের চেয়ে ব্রেকডাউন (সেগমেন্ট) দেখেছি?
- [ ] আমি কি এআই দ্বারা প্রস্তাবিত কারণটিকে একটি অনুমান হিসাবে বিবেচনা করেছি?
- [ ] আমি কি তুলনা মোটামুটিভাবে সেট আপ করেছি (স্বাভাবিক)?
- [ ] যাচাইকৃত অন্তর্দৃষ্টির ভিত্তিতে আমি কি নিজেই সিদ্ধান্ত নিয়েছি?