Kasu:
- Oskus selgitada äriteabe kihte (allikas, ETL, andmeladu, aruanne) ja peamiste ärimõõdikute (KPI) õiget defineerimist.
- Võimalus kasutada tehisintellekti mõõdiku määratluse, SQL mustandi ja aruande narratiivi koostamiseks ning tulemuse esitamiseks reaalsete andmetega
- Võime tuvastada korrelatsiooni-põhjusliku seose segaduse ja eksitavate mõõdikute riske tehisintellekti toetatud analüüsiväljundites
Business Intelligence (BI) on distsipliin, mis kogub organisatsiooni hajutatud andmeid, teeb need analüüsiks valmis ja toodab nendest andmetest otsuseid toetavat teavet. MIS-i professionaali jaoks on BI kiht, kus „andmed muutuvad otsusteks”. Toores tellimuse kirjed üksi ei ole tähendusrikkad; aga "millises piirkonnas sel kuul käive langes, miks?" See loob väärtust, kui sellest saab aruanne, mis suudab küsimusele vastata. Selles üksuses näeme BI kihte, õiget meetrilist disaini ja seda, kus tehisintellekt on selles protsessis kiirendaja ja lõks.
BI arhitektuur koosneb üldiselt järgmistest kihtidest. Lähtesüsteemid: kohad, kust andmed pärinevad, nt ERP, CRM, e-kaubandus. ETL-protsess (inglise keeles Extract-Transform-Load): protsess, mis eraldab andmed allikatest (Extract), puhastab need ja teisendab need standardstruktuuriks (Transform) ja laadib sihtmärki (Load). Andmeladu: keskne hoidla, kuhu kogutakse analüüsi jaoks mõeldud ajaloolisi ja järjepidevaid andmeid. Aruandlus-/visualiseerimiskiht: armatuurlauad, aruanded ja ad-hoc päringud. Selles ahelas määrab iga kihi kvaliteet järgmise; Kui allikas on määrdunud, on ka aruanne räpane.
Mõõdikute ja KPI-de õige defineerimine
Mõõdik on mõõdetud arvväärtus: kogukäive, tellimuste arv. KPI (Key Performance Indicator) on kriitiline mõõdik, mis mõõdab toimivust võrreldes eesmärgiga: "igakuine klientide loobumise määr alla 5%". Mitte iga mõõdik ei ole KPI; KPI on mõõdik, mis on seotud ärieesmärgiga ja käivitab otsuse.
BI-projektide kõige salakavalam probleem on mõõdikute ebamäärane definitsioon. Mida tähendab "aktiivne klient"? Kas tellisite viimase 30 või 90 päeva jooksul? Kas tagasipöördujaid arvestatakse? Kui kaks meeskonda tähistavad „aktiivsete klientide arvu” all erinevaid asju, kuvatakse samal armatuurlaual kaks erinevat fakti. Seetõttu peaks igal KPI-l olema ühelauseline laialt aktsepteeritud määratlus. AI koostab kiiresti nende määratluste mustandid; kuid see on äriüksuse otsustada, milline määratlus on "õige".
Näpunäide: KPI kujundamisel pange kirja kolm asja: (1) valem (mis täpselt on lugeja/nimetaja), (2) ajaaken, (3) välistatud juhtumid. Kui tehisintellekt ütleb "eraldake selle KPI määratluse ebaselgused küsimustena", ilmnevad varjatud eeldused.
Samm-sammult: AI-toega aruannete loomine
1. samm – täpsustage küsimust. Millist otsust aruanne teenib? Konkreetne eesmärk nagu "me otsustame, millisesse piirkonda me eelarve nihutame", mitte "see peaks kena välja nägema".
2. samm – määrake mõõdikud. Kirjutage vajalikud KPI-d koos valemite, akende ja eranditega. Tehisintellekt võib koostada määratluste kavandid.
3. samm – looge SQL-i mustand. Andke tehisintellektile skeemiteavet ja koostage päringu mustand. Kuid enne päringut lugege ja mõistate seda.
4. samm – kontrollige väikeste andmetega. Käivitage päring esmalt teadaolevate tulemustega väikeses proovis; Kontrollige kogusummasid käsitsi. AI SQL võib olla süntaktiliselt õige, kuid loogiliselt vale.
5. samm – lisage narratiiv, testige väiteid. AI võib koostada aruande jaoks jutustava teksti; vaid tõestage iga põhjuslikku väidet ("sellepärast müük langes").
Korrelatsiooni ja põhjusliku seose lõks
Kõige ohtlikum viga BI-s on tõlgendada kahte koos toimivat mõõdikut kui "üks loob teise". Korrelatsioon on see, kui kaks väärtust muutuvad koos; Põhjuslik seos on see, kui üks põhjustab teise. Lause "Jäätisemüügi kasvades sagenesid uppumisjuhtumid" peab paika, kuid jäätis ei põhjusta uppumist; Üldine põhjus on suvi (kuum ilm). Tehisintellekt võib aruande narratiivi koostamisel hõlpsasti teha põhjuslikke lauseid; MIS-i ekspert vastab nendele väidetele küsimusega "kas on veel mõni selgitus?" Ta peaks seda katsetama. Vastasel juhul tehakse vale otsus valel põhjusel.
Kolm miniümbrist: numbrite järgi
Juhtum 1 – määratlemata mõõdiku maksumus. Telekomiettevõttes oli direktorite nõukogule esitatud "aktiivsete abonentide" arv 2,1 miljonit ja finantsmeeskonna aruanne 1,7 miljonit. Erinevus seisnes selles, et üks luges 90 päeva "aktiivseks", teine aga 30 päevaks. Valest kasvutempot arutati kaks nädalat, kuni selgus ühtne määratlus. Ühelauseline KPI definitsioon väldiks seda segadust.
Juhtum 2 – AI on vale SQL. Ühe jaemüüja juures lisas AI kogusummale tagastusread, kui genereeriti päring „keskmine korv kliendi kohta”; Tulemus oli 12% suurem tegelikust väärtusest. SQL oli süntaktiliselt täiuslik. Kui ekspert kontrollis käsitsi teadaoleva päeva kogusummat, tuvastas ta kõrvalekalde ja lasi lisada tagastusfiltri.
3. juhtum – põhjusliku seose eksitus. Ühe e-kaubanduse ettevõtte armatuurlaual oli kirjas, et "müük on meilikampaania saatmise päevadel 18% suurem" ja meeskond kavatses kampaania eelarvet suurendada. Analüüs näitas, et kampaaniad olid juba ajastatud nii, et need langeksid kokku suure liiklusega kampaaniapäevadega (allahindlusperioodidega). Müüki ajendas periood, mitte e-kiri. Kui eelarvet suurendataks kontrollrühmaga testimata, kuluks raha raisku.
Nõrk viip / Tugev viip
Nõrk viip:
Kirjutage sellest tabelist müügiaruanne SQL.
Võimas viip:
Sinu roll: Oled tähelepanelik BI-analüütik.Kirjuta SQL-päringu JUHEND vastavalt allolevale skeemile.Reeglid:- Kasuta ainult etteantud tabeleid/välju; mittesobiv väli.- VÄLJA VÄLJA tagastusi (status='Tagastamine') kogusummast.- Ajaaken: viimased 30 päeva.- Kommenteerige rida rea haaval, mida päring teeb.- Soovitage 1 näidisrida, mida saab lõpus käsitsi testimiseks valideerida.Skeem:Tellimus(id, kliendi_id, kuupäev, summa, summa, pöördumine, netopäevad)(idur) segmendi järgi.
Võimas viip piirab skeemi, kehtestab ärireegli (välja arvatud tagastamine), määrab akna ja taotleb kontrollitavat väljundit.
Neli kopeeritavat malli
1) KPI määratluse selgitus:
Kirjutage järgmise KPI täielik kirjeldus: valem (lugeja/nimetaja), ajaaken, välistatud juhtumid. Lisa ksimusena definitsiooni ebaselgus.KPI: [nimi, nt. "kliendi loobumise määr"]
2) SQL-i loogika kontroll:
Uurige järgmist SQL-päringut: kas on loogikavigade, valede JOIN-ide, puuduvate filtrite või topeltloendamise oht? Kirjuta iga leiu kohta põhjendus. Ärge muutke päringut, vaid kontrollige seda. SQL: [päring]
3) Aruande jutustus + nõude kontroll:
Kirjutage allolevast tulemuste tabelist lühike kommenteeritud kokkuvõte. Märgistage iga põhjusliku seose väite kõrval [VÕJALIK TÕEND] ja soovitage alternatiivset selgitust. Toetuge lihtsalt tabelis olevatele andmetele. Tabel: [andmed]
4) Mõõdikute järjepidevuse kontroll:
Kahes allolevas aruandes annavad samanimelised mõõdikud erinevaid väärtusi. Võimalikud erinevused määratluses (ajaaken, filter, arvutus) on loetletud. Aruanded: [A] [B]
Võrdlusdiagramm: hea ja halb KPI
funktsiooni
Halb KPI
Hea KPI
Kirjeldus
"Aktiivne klient"
"Klient, kellel on viimase 30 päeva jooksul ≥1 täidetud tellimus"
side sihtmärgiga
Mitte ühtegi
"Jäädes alla 5% kahjumäära"
mõõdetavus
mitmetähenduslik
valem selge
erand
ebakindel
Välja arvatud tagastamine
Kas see käivitab otsuse?
ei
Jah
Levinud vead
- Jätame mõõdiku määramata. Kui sõnu nagu "aktiivne", "edukas", "lõpetatud" kasutatakse ilma valemita, loetakse iga meeskond erinevalt.
- AI SQL-i käitamine ilma kinnitamiseta. Süntaktiliselt õige päring võib olla loogiliselt vale; levinud on topeltloendamine ja vale JOIN.
- Segane korrelatsioon põhjusliku seosega. Arvamine, et "see kasvas koos sellega" tähendab "see põhjustas selle", viiks vale otsuseni.
- Edevuse meetriline tagaajamine. Segades KPI-dena väljamõeldud, kuid mitteotsustavaid mõõdikuid, nagu "klikkide koguarv".
- Numbrite esitamine ilma kontekstita. Ainuüksi "käive 4,2 miljonit" on mõttetu; Konteksti on vaja eelmise kuu, eesmärgi või eelarve põhjal.
Ettevaatust: tehisintellekti loodud aruannete narratiivid on veenvad ja sujuvad; See suurendab täpselt riski. Ladus lause võib sisaldada vale väidet põhjuslikkuse kohta. Kontrollige iga "sest" ja "seepärast" väidet tõenditega.
Kokkuvõttes
Ärianalüüs on kiht, mis muudab hajutatud andmed otsusteks ja koosneb allikast, ETL-ist, andmelaost ja aruandlusahelast. KPI on ärieesmärgiga seotud kriitiline mõõdik, millel on selgelt määratletud valem ja erandid; määratlemata mõõdik on kõige levinum BI-viga. Tehisintellekt tagab olulise kiiruse KPI määratluse, SQL mustandi ja aruande jutustuse loomisel; kuid iga SQL peab olema loogiliselt põhjendatud, iga numbrit peavad toetama teadaolevad andmed ja iga põhjuslikku väidet tuleb tõenditega testida. Korrelatsioon ei ole põhjuslik seos; Fluid narratiiv ei taga täpsust.
Rakenduse ülesanne
Looge veebikursuste platvormi jaoks läbimise määra KPI. (1) Kirjutage ühelauseline kirjeldus valemi, ajaakna ja eranditega (nt kas tühistatud registreerimisi arvestatakse?). (2) Koostage lihtne skeem (registreerimine, kursus, edenemine) ja genereerige selle KPI jaoks võimsa viipaga SQL-i mustand. (3) Otsige päringust üles vähemalt üks võimalik topeltloenduse või vale filtreerimise oht. (4) Printige järelduse kokkuvõte ja märkige selles iga põhjuslik väide. (5) Looge korrelatsiooni-põhjusliku seose lõksu näide ja selgitage, kuidas seda testida.
kontrollnimekiri
- [ ] Kirjutatakse iga KPI valem, ajaaken ja erand.
- [ ] Lugesin tehisintellekti genereeritud SQL-i rida rea haaval ja sain sellest aru.
- [ ] Valideerisin päringu käsitsi vähetuntud andmetega.
- [ ] Testisin iga põhjuslikku väidet aruandes tõenditega.
- [ ] Kontekstiseerisin iga numbri võrdlusalusega (siht/viimane periood).
- [ ] Jõudsin mõõdikute määratluste osas meeskondadevahelise konsensuse.