Andmepõhine otsus ja avalike andmete analüüs

Kasu:

• Tunnistab andmetega töötamise kvaliteedi, konfidentsiaalsuse ja tõlgendamise ohte ning loob turvalise analüüsivoo.
• See valib eesmärgi jaoks õige indikaatori, eristades eksitavaid üksiknäitajaid ja mõõtmisi, mida saab manipuleerida.
• See tunneb ära eksitavad diagrammitehnikad (telg ei alga nullist, valitud vahemik) ja jälgib ausat visualiseerimist.

Avalikkus toodab andmeid iga päev: taotluste numbrid, lahendusajad, eelarveartiklid, rahvastiku liikumised, teenusepäringud, auditi tulemused, rahulolu-uuringud. Enamik neist andmetest asub Exceli tabelites, vormides ja salvestussüsteemides, kuid ei muutu otsusteks – kuna nende analüüsimine nõuab teadmisi ja aega. Andmepõhine otsustamine (lähenemine ressursside jaotamisel ja poliitika seadmisel mõõdetud tõenditel, mitte arvamusel või harjumusel) suurendab avalikus sektoris nii tõhusust kui ka õiglust: ressursid lähevad numbrite põhjal sinna, kus neid kõige rohkem vaja on. Siin on AI võimas abiline tabeli mõtestamisel, mustrite ja kõrvalekallete leidmisel, kokkuvõtliku statistika hankimisel ja leidude lihtsateks lauseteks tõlkimisel. Selles üksuses näete, kuidas lühendada teed avalikest töötlemata andmetest tehisintellektiga kaitstud otsuseni ja säilitada distsipliin kõige kriitilisemas aspektis – numbri õiges tõlgendamises.

Kolm ohtu andmetega töötamisel

Andmed on võimsad, kuid neil on kolm lõksu ja tehisintellekt võib neid lõkse nii leevendada kui ka suurendada:

1. Korrelatsioon ≠ põhjuslik seos. See, et kaks asja koos muutuvad, ei tähenda, et üks põhjustab teist. Jäätise müük ja uppumised on tõusuteel – sest mõlemad on seotud suvekuumusega, mitte üks ei põhjusta teist. AI konstrueerib ladusalt "sest" lauseid; Seadke kahtluse alla iga põhjuslikkuse väide.
2. Kallutatud/puuduvad andmed. Kellelt ja kuidas andmeid koguti? Kaebuste andmed kajastavad ainult neid, kes saavad kaevata; Interneti-juurdepääsu omavate digitaalsete rakenduste andmed. Kui te puuduvat rühma ei näe, on otsus kallutatud.
3. Arv ilma kontekstita. Ainuüksi "kasvanud 30%" on mõttetu: mille järgi, mis perioodil on absoluutarv? Küsige AI-lt konteksti.

Tähelepanu. Kuigi tehisintellekt analüüsib teie esitatud tabelit, lisab see mõnikord "mõistlikke", kuid fiktiivseid numbreid väljastpoolt tabelit või täidab vaikselt puuduvad lahtrid. Võrrelge iga väljundi numbrit lähtetabeliga; Andke tehisintellektile reegel "kasutage ainult minu esitatud tabelis olevaid väärtusi, kui need puuduvad, öelge "andmeid pole".

Samm-sammult andmeanalüüsi voog

1. Täpsustage küsimust. Millisele küsimusele me otsuse tegemiseks vastuseid otsime? ("Millises naabruskonnas võtab lahendusaeg kõige kauem?")
2. Tea andmeid. Mis on veerud, mis on ühik, mis on periood, kas puuduvad/valed väärtused?
3. Isikuandmete väljavõte. Anonüümseks muutmine/agregeerimine, kui analüüsi jaoks pole vaja individuaalset tuvastamist (vt 11. osa).
4. Kokkuvõte ja muster tekivad. Laske AI-l teha põhistatistikat, rühmitada ja anomaaliate märgistada.
5. Küsige kommentaaris. Korrelatsioon või põhjuslik seos? Alternatiivne selgitus? Kas grupp puudub?
6. Visualiseeri ja lihtsusta. Lihtne kokkuvõte ja graafik, millest otsustaja aru saab.
7. Dokumenteerige otsus ja selle põhjendus. Mis otsus milliste andmete põhjal tehti? kontrolljälg.

kolm minikarpi

Juhtum 1 – allikas läks õigesse kohta. Varem jagas üks omavalitsus oma pargihoolduse eelarve "iga naabruskonna vahel võrdselt". Kui 18 kuu nõudluse ja kasutusandmeid analüüsiti tehisintellektiga, oli kolme linnaosa nõudlus elaniku kohta 2,4 korda suurem. Eelarve jagati ümber vastavalt vajadusele; üldine rahulolu suurenes ilma lisakuludeta.

Juhtum 2 – märgati kallutatud andmeid. Agentuur vaatab digitaalsete rakenduste andmeid ja järeldab, et "kodanikud ei tule enam teemaksupunkti juurde". Aga kui analüüsis küsiti vanuselist jaotust, siis oli näha, et üle 65 aasta vanuseid avaldusi tuli ikka enamjaolt letist. Kui vaadataks ainult digitaalseid andmeid, siis seda rühma eirataks; kassateenus säilis.

Juhtum 3 – väljamõeldud põhjuslik seos peatus. Tabelit tõlgendades ütles YZ: "Õnnetused vähenesid, kuna kontrollide arv suurenes." Analüütik tuletas meelde, et ka ilm muutus ja liiklus samal perioodil vähenes; Selle ühele põhjusele omistamine oli eksitav. Aruannet parandati nii, et "seos on olemas, kuid põhjuslikku seost pole tõestatud".

Neli kopeeritavat malli

1) Tabeliga tutvumine:

Sinu roll: andmeanalüütik. Uurige allolevat tabelit ja AINULT selle tabeli väärtuste põhjal: (1) tehke kokkuvõte, mis on iga veerg, selle ühik ja periood, (2) kõik lahtrid, mis tunduvad puuduvad/valed, (3) tehke kokkuvõte 3 parimat mustrit, mis silma paistavad. Numbrite lisamine väljastpoolt tabelit; kui see puudub, öelge "andmed puuduvad". TABEL: [andmed kleepige]

2) Kokkuvõtlik statistika koos kontekstiga:

Vasta allolevast tabelist järgmisele küsimusele: [küsimus]. PEAB andma tulemuse koos kontekstiga: absoluutarv + määr + võrdlusperiood. Kui ütlete "suurenenud X% võrra", täpsustage, millises ulatuses ja mis perioodil. Kasutage lihtsalt antud andmeid.TABEL: [andmed] KÜSIMUS: [küsimus]

3) põhjuslikkuse küsija:

Tõlgendage järgmist järeldust, kuid ETTEVAATUST: ärge ajage korrelatsiooni segamini põhjusliku seosega. Looge selle seose jaoks vähemalt 3 alternatiivset seletust (kolmas muutuja, vastupidine suund, kokkusattumus). Öelge mulle, milliseid lisaandmeid on põhjusliku seose tõestamiseks vaja. LEIDMINE: [suhe]

4) Otsuse lihtne kokkuvõte:

Lihtsustage järgmist analüüsi otsustaja jaoks, kes pole andmeekspert: mitte rohkem kui 5 üksust, iga üksus leid ja selgitus „mida see tähendab”. Kirjutage selgelt üles ka andmete määramatused ja piirid. Uue teabe lisamine.ANALÜÜS: [tekst]

Nõrk viip / Tugev viip

Nõrk: "Analüüsige seda diagrammi ja öelge meile, mida me peaksime tegema."

Tugev: "Teie roll on andmeanalüütik. Kasutage AINULT allolevat tabelit; ärge lisage numbreid väljastpoolt, öelge puuduvasse lahtrisse "andmed puuduvad". Esiteks tutvuge veergude, ühikute ja punktidega. Seejärel vastake küsimusele "millises naabruskonnas on pikim lahendusaeg" absoluutarv + suhe + võrdlusperiood. Kui leiate mustri, pakkuge enne andmete selgitamist välja 3 alternatiivset seletust ja seoseid. (puuduv grupp, lühike periood), mis jätavad otsuse meie teha."

Erinevus: tugev viip kehtestab koos andmete täpsuse, konteksti, põhjuslikkuse distsipliini ja otsustuspiiri; Väljundiks on kaitstud analüüs.

Kus saab tehisintellekti andmeäris usaldada?

äri

AI usaldus

reegel

Tabeli kokkuvõte, rühmitamine

kõrge

Andmed on antud ainult

Anomaalia/mustri märgistus

keskmine

inimlik kinnitus

Põhjuslikkuse tõlgendus

madal

Vaja on alternatiivset selgitust

Puuduvate andmete täitmine

liiga madal

Ära tee seda juhtuma; "andmeid pole"

Lihtsustamine/visuaalne kokkuvõte

kõrge

Tähendus tuleb säilitada

Näidiku disain ja eksitav diagrammilõks

Kõige kriitilisem samm andmete põhjal otsuste tegemisel on õige indikaatori (numbriline avaldis, mis muudab nähtuse mõõdetavaks – näiteks "keskmine töötlemisaeg" või "rakenduse hind") valimine. Vale näitaja viib isegi täpsete andmete korral vale otsuseni: kuigi „lahendatud nõuete koguarv“ näib kasvavat, võib „ooteaeg kodaniku kohta“ halveneda. Tehisintellekt võib loetleda teema kandidaatindikaatorid ning selle, mida igaüks mõõdab ja varjab; kuid teie otsustate, milline näitaja esindab tõeliselt avalikku huvi. Samuti pidage meeles AI soovitatud või kirjeldatavate graafikute eksitava visualiseerimise ohtu (taju moonutamine selliste tehnikatega nagu telg, mis ei alga nullist, ebaproportsionaalne skaala, valitud ajavahemik); aus visuaal avalikes andmetes on osa juhtimisest.

Minikohver — vale märk, vale uhkus. Üks üksus purustas rekordeid "kuus suletud failide arvu" näitajas; kuid kodanike kaebused suurenesid. Vaadates täpset indikaatorit, "esimese kontakti eraldusvõime määra", langes see määr 58 protsendilt 44 protsendile – failid suleti ja avati kiiresti. Kui indikaator muutus, muutus ka juhtimise prioriteet.

Mini korpus — telg, mis ei alga nullist. Esitluses kirjeldatud tehisintellekti graafikul algab vertikaaltelg 40-st, 2-protsendiline tõus tundus dramaatilise hüppena. Kui telg viidi nulli, tekkis tegelik pilt ja otsus liialdatud tajust elimineeriti.

Näidiku valimist toetav mall:

Ülesanne: Paku välja 5 kandidaatindikaatorit järgmisel eesmärgil.Eesmärk: [nt. kodanike teenuse kvaliteedi parandamine]Iga näitaja puhul: mida see mõõdab | mida see varjata saab | avatus manipuleerimisele | soovitatav lugemissagedus.Järgmine: kirjuta 3 hoiatust (need, mis on iseenesest eksitavad), et neid indikaatoreid koos lugeda.Reegel: ära tooda numbreid; lihtsalt soovitage indikaatori kujundust.

Ettevaatust: ärge langege eksiarvamusse, et "arv on objektiivne". See, millist arvu mõõdate, kuidas seda kuvate ja millise vahemiku valite, on tõlgendamise küsimus. Läbipaistev ja aus avalik tõlgendus on sama oluline kui täpsete andmete omamine.

Levinud vead

• Põhjusliku seose eksimine. "Suurenenud koos" ei ole põhjus; Otsige alternatiivseid selgitusi.
• Kui tehisintellekt lisab puuduvad andmed. Analüüs kukub kokku väljamõeldud väärtusega; jätke kadunuks puudu.
• Kallutatud andmete üldistamine. Kaebused/digitaalsed andmed ei esinda kõiki; Küsige puuduvast rühmast.
• Numbri esitamine ilma kontekstita. Suhtarvu kõrval peaks olema absoluutarv ja võrdlusperiood.
• Isikuandmete tarbetu analüüsimine. Ärge kasutage individuaalset tuvastamist, kui koondandmetest piisab.
• Otsust ei dokumenteerita. Millise otsuse põhjal tehti, millised andmed tuleks auditeerimiseks fikseerida.

Kokkuvõttes

Andmepõhine otsuste tegemine on võimsaim viis ressursside õiglaseks ja tõhusaks jaotamiseks avalikus sektoris; Tehisintellekt on selles äris kiire abiline, mis mõtestab pilti, leiab mustreid ja lihtsustab leidmist. Kuid ärge laske tehisintellektil numbreid välja mõelda, ärge pange seda puuduvaid andmeid täitma, ärge laske korrelatsiooni põhjuslikkusega segamini ajada ja vältige kallutatud/puudulike andmete üldistamist. Numbrites on jõudu; Inimene, kes seda õigesti tõlgendab ja otsuse dokumenteerib, on tugevam.

Rakenduse ülesanne

Hankige oma seadmest tõeline (isikuandmetest eemaldatud) tabel. Tutvustage andmeid malliga "Tabeliga tutvumine", seejärel laske malliga "Kontekstuaalne koondstatistika" vastata otsuse jaoks olulisele küsimusele. Rakenda tekkiva suhte puhul malli "Põhjusliku seose küsija" ja leidke vähemalt üks alternatiivne selgitus. Kontrollige, kas AI lisab numbreid väljastpoolt tabelit.

kontrollnimekiri

• [ ] Tehisintellekt kasutas ainult antud tabelit; Väljastpoolt ta numbreid ei lisanud.
• [ ] Ma ei täitnud puuduvaid andmeid; Jätsin selle kui "andmeid pole".
• [ ] Esitasin iga tulemuse kontekstiga (absoluutarv + määr + periood).
• [ ] Esitasin põhjusliku seose väidetele alternatiivse seletuse.
• [ ] Hindasin kallutatud/puuduvate andmete ja puuduva rühma riski.
• [ ] Dokumenteerisin otsuse ja selle aluseks olnud andmed.