تصمیم گیری مبتنی بر داده و تجزیه و تحلیل داده های عمومی

سود:

• خطرات کیفیت، محرمانه بودن و تفسیر کار با داده ها را تشخیص می دهد و یک جریان تجزیه و تحلیل ایمن ایجاد می کند.
• این نشانگر مناسب را برای یک هدف انتخاب می کند و بین شاخص های منفرد گمراه کننده و اندازه گیری هایی که قابل دستکاری هستند تمایز قائل می شود.
• تکنیک های نمودار گمراه کننده را تشخیص می دهد (محور از صفر شروع نمی شود، محدوده انتخاب شده) و تجسم صادقانه را مشاهده می کند.

مردم هر روز داده ها را تولید می کنند: تعداد برنامه ها، زمان های راه حل، اقلام بودجه، جابجایی جمعیت، درخواست های خدمات، نتایج حسابرسی، نظرسنجی های رضایت. بیشتر این داده‌ها در صفحات گسترده، فرم‌ها و سیستم‌های ضبط اکسل قرار می‌گیرند، اما به تصمیم‌گیری تبدیل نمی‌شوند – زیرا تجزیه و تحلیل آن به تخصص و زمان نیاز دارد. تصمیم گیری مبتنی بر داده (رویکردی برای تخصیص منابع و تعیین خط مشی بر اساس شواهد اندازه گیری شده، به جای عقیده یا عادت) کارایی و انصاف را در بخش عمومی افزایش می دهد: منابع بر اساس اعداد و ارقام به جایی می روند که بیشتر مورد نیاز است. در اینجا، هوش مصنوعی یک دستیار قدرتمند در درک جدول، یافتن الگوها و ناهنجاری ها، استخراج آمار خلاصه و ترجمه یافته ها به جملات ساده است. در این بخش، می‌بینید که چگونه می‌توانید مسیر داده‌های عمومی خام را به یک تصمیم قابل دفاع با هوش مصنوعی کوتاه کنید و در مهم‌ترین جنبه یعنی تفسیر صحیح عدد، نظم و انضباط را حفظ کنید.

سه خطر کار با داده ها

داده ها قدرتمند هستند، اما دارای سه تله هستند، و هوش مصنوعی می تواند این تله ها را هم کاهش داده و هم بزرگ کند:

1. همبستگی ≠ علیت. فقط به این دلیل که دو چیز با هم تغییر می کنند به این معنی نیست که یکی باعث دیگری می شود. فروش بستنی و غرق شدگی در حال افزایش است - زیرا هر دو با گرمای تابستان مرتبط هستند، نه اینکه یکی باعث دیگری شود. هوش مصنوعی جملات «زیرا» را روان می سازد. هر ادعای علیت را زیر سوال ببرید.
2. داده های مغرضانه/مفقود داده ها از چه کسانی و چگونه جمع آوری شده است؟ داده های شکایت فقط کسانی را نشان می دهد که می توانند شکایت کنند. داده های برنامه های دیجیتال کسانی که به اینترنت دسترسی دارند. اگر گروه گمشده را نمی بینید، تصمیم مغرضانه خواهد بود.
3. شماره بدون زمینه «افزایش 30 درصد» به تنهایی بی معنی است: بر اساس چه چیزی، در چه دوره ای، عدد مطلق چیست؟ زمینه را از هوش مصنوعی بخواهید.

توجه: در حالی که هوش مصنوعی جدولی را که ارائه می‌دهید تجزیه و تحلیل می‌کند، گاهی اوقات اعداد «معقول» اما ساختگی را از خارج از جدول اضافه می‌کند یا سلول‌های از دست رفته را در سکوت پر می‌کند. هر عدد خروجی را با جدول منبع مقایسه کنید. به هوش مصنوعی این قانون را بدهید «فقط از مقادیر جدولی که به شما می‌دهم استفاده کنید، در صورت عدم وجود داده، بگویید «بدون داده»».

گام به گام جریان تجزیه و تحلیل داده ها

1. سوال را روشن کنید. برای تصمیم گیری به دنبال پاسخ چه سوالی هستیم؟ ("در کدام محله زمان حل بیشتر طول می کشد؟")
2. داده ها را بشناسید. ستون ها چیست، واحد چیست، دوره چیست، آیا مقادیر گمشده/نادرستی وجود دارد؟
3. استخراج اطلاعات شخصی اگر شناسایی فردی برای تجزیه و تحلیل لازم نیست، ناشناس/تجمع کنید (به واحد 11 مراجعه کنید).
4. خلاصه و الگو ظاهر می شود. از هوش مصنوعی بخواهید آمار اولیه، گروه بندی و علامت گذاری ناهنجاری را انجام دهد.
5. نظر را زیر سوال ببرید. همبستگی یا علیت؟ توضیح جایگزین؟ گروه گم شده؟
6. تجسم و ساده سازی. خلاصه ای ساده و گرافیکی که تصمیم گیرنده بتواند آن را درک کند.
7. تصمیم و دلیل آن را مستند کنید. بر اساس چه داده هایی چه تصمیمی گرفته شد؟ دنباله حسابرسی

سه کیف کوچک

مورد 1 - منبع به جای مناسب رفته است. در گذشته، شهرداری بودجه نگهداری پارک خود را «به طور مساوی برای هر محله» تقسیم می کرد. هنگامی که 18 ماه داده های تقاضا و استفاده با هوش مصنوعی تجزیه و تحلیل شد، تقاضای سرانه سه محله 2.4 برابر میانگین بود. بودجه بر اساس نیاز مجدداً توزیع شد. رضایت کلی بدون هزینه اضافی افزایش یافت.

مورد 2 - داده های مغرضانه مشاهده شد. یک آژانس به داده های برنامه های دیجیتال نگاه می کند و به این نتیجه می رسد که "شهروندان دیگر به باجه عوارض نمی آیند." اما زمانی که تقسیم سنی در تجزیه و تحلیل درخواست شد، مشاهده شد که برنامه‌های بالای 65 سال هنوز عمدتاً از پیشخوان ارسال می‌شوند. اگر فقط به داده های دیجیتال نگاه می شد، این گروه نادیده گرفته می شد. خدمات باکس آفیس حفظ شد.

مورد 3 - علیت ساختگی متوقف شد. در حالی که یک جدول را تفسیر می کرد، YZ گفت: "تصادفات کاهش یافت زیرا تعداد بازرسی ها افزایش یافت." این تحلیلگر یادآور شد: در همین مدت هوا نیز تغییر کرد و ترافیک کاهش یافت. نسبت دادن آن به یک علت واحد گمراه کننده بود. این گزارش به این صورت تصحیح شد که بگوید "رابطه وجود دارد اما علیت ثابت نشده است."

چهار قالب قابل کپی

1) آشنایی با جدول:

نقش شما: تحلیلگر داده جدول زیر را بررسی کنید و فقط بر اساس مقادیر این جدول: (1) خلاصه کنید که هر ستون چیست، واحد و دوره آن، (2) هر سلولی که گم شده/نادرست به نظر می رسد، (3) خلاصه 3 الگوی برتر برجسته. اضافه کردن اعداد خارج از جدول؛ اگر از دست رفته است، بگویید "no data". TABLE: [paste data]

2) آمار خلاصه با زمینه:

به سوال زیر از جدول زیر پاسخ دهید: [سوال]. باید نتیجه را با زمینه: عدد مطلق + نرخ + دوره مقایسه ارائه دهد. وقتی می گویید "X% افزایش یافته است"، مشخص کنید تا چه حد و در چه دوره ای. فقط از داده های داده شده استفاده کنید. TABLE: [data] QUESTION: [question]

3) پرسشگر علیت:

یافته زیر را تفسیر کنید، اما احتیاط: همبستگی را با علیت اشتباه نگیرید. حداقل 3 توضیح جایگزین برای این رابطه (متغیر سوم، جهت معکوس، تصادف) ایجاد کنید. به من بگویید چه داده های اضافی برای اثبات علیت مورد نیاز است. یافتن: [رابطه]

4) خلاصه ساده برای تصمیم:

تجزیه و تحلیل زیر را برای تصمیم گیرنده ای که متخصص داده نیست ساده کنید: بیش از 5 مورد، هر مورد یک یافته و توضیح "این به چه معناست". همچنین عدم قطعیت ها و محدودیت های داده ها را به وضوح یادداشت کنید. افزودن اطلاعات جدید. ANALYSIS: [متن]

اعلان ضعیف / اعلان قوی

ضعیف: "این نمودار را تجزیه و تحلیل کنید و به ما بگویید چه کاری باید انجام دهیم."

قوی: "نقش شما تحلیلگر داده است. فقط از جدول زیر استفاده کنید؛ اعداد را از خارج اضافه نکنید، به سلول از دست رفته بگویید "بدون داده". ابتدا ستون ها، واحدها و دوره را بشناسید. سپس به سوال "کدام محله طولانی ترین زمان حل را دارد" با عدد مطلق + نسبت + دوره مقایسه پاسخ دهید. اگر یک الگو پیدا کردید، قبل از توضیح دادن به 3 نقطه و لیست های جایگزین، آن را توضیح دهید. از داده ها (گروه گمشده، دوره کوتاه) که تصمیم گیری را به ما واگذار می کند."

تفاوت: اعلان قوی وفاداری داده ها، زمینه، نظم علیت و مرز تصمیم را با هم ایجاد می کند. خروجی یک تحلیل قابل دفاع است.

کجا می توان به هوش مصنوعی در تجارت داده اعتماد کرد؟

کسب و کار

اعتماد هوش مصنوعی

حکومت کند

خلاصه جدول، گروه بندی

بالا

داده ها فقط داده شده است

علامت گذاری ناهنجاری/الگو

متوسط

تایید انسانی

تفسیر علیت

پایین

توضیح جایگزین لازم است

پر کردن اطلاعات از دست رفته

خیلی کم

این اتفاق نیفتد؛ "بدون داده"

ساده سازی/خلاصه بصری

بالا

معنا را باید حفظ کرد

طراحی نشانگر و تله نمودار گمراه کننده

مهم‌ترین مرحله در تصمیم‌گیری با داده‌ها، انتخاب شاخص مناسب است (عبارت عددی که یک پدیده را قابل اندازه‌گیری می‌کند - به عنوان مثال، «متوسط زمان پردازش» یا «هزینه هر برنامه»). شاخص اشتباه حتی با داده های دقیق به تصمیم اشتباه منجر می شود: در حالی که به نظر می رسد "تعداد کل ادعاهای حل شده" در حال افزایش است، "زمان انتظار برای هر شهروند" ممکن است بدتر شود. هوش مصنوعی می‌تواند شاخص‌های نامزد برای یک موضوع و آنچه را که هر کدام اندازه‌گیری و پنهان می‌کند فهرست کند. اما شما تصمیم می گیرید که کدام شاخص واقعاً نشان دهنده منافع عمومی است. همچنین از خطر تجسم گمراه‌کننده (تحریف ادراک با تکنیک‌هایی مانند عدم شروع محور از صفر، مقیاس نامتناسب، فاصله زمانی انتخاب‌شده) در نمودارهایی که هوش مصنوعی پیشنهاد یا توصیف می‌کند، آگاه باشید. بصری صادقانه در داده های عمومی بخشی از حکومت است.

مورد کوچک - علامت اشتباه، لاف اشتباه. یک واحد در شاخص "تعداد پرونده های بسته شده در ماه" رکورد می زد. اما شکایات شهروندان افزایش یافت. با نگاه کردن به نشانگر دقیق، «نرخ وضوح تماس اول»، نرخ از 58 درصد به 44 درصد کاهش یافت - فایل‌ها به سرعت بسته می‌شدند و دوباره باز می‌شدند. وقتی اندیکاتور تغییر کرد، اولویت مدیریت نیز تغییر کرد.

مورد کوچک - محوری که از صفر شروع نمی شود. در نمودار هوش مصنوعی توضیح داده شده در یک ارائه، محور عمودی از 40 شروع می شود، افزایش 2 درصدی مانند یک جهش چشمگیر به نظر می رسید. وقتی محور به صفر منتقل شد، تصویر واقعی پدیدار شد و تصمیم از تصور اغراق آمیز حذف شد.

الگویی که از انتخاب نشانگر پشتیبانی می کند:

وظیفه: 5 شاخص نامزد را برای اهداف زیر پیشنهاد کنید. هدف: [به عنوان مثال. بهبود کیفیت خدمات شهروندان] برای هر شاخص: آنچه را که اندازه گیری می کند | چه چیزی را می تواند پنهان کند | گشودگی به دستکاری | دفعات خواندن توصیه می شود. بعدی: 3 هشدار (آنهایی که به خودی خود گمراه کننده هستند) بنویسید تا این شاخص ها را با هم بخوانید. قانون: اعداد تولید نکنید. فقط طراحی نشانگر را پیشنهاد دهید.

احتیاط: در این تصور غلط که «عدد عینی است» نیفتید. اینکه چه عددی را اندازه می‌گیرید، چگونه آن را نمایش می‌دهید و چه محدوده‌ای را انتخاب می‌کنید، همگی موضوع تفسیر هستند. تفسیر عمومی شفاف و صادقانه به اندازه داشتن داده های دقیق مهم است.

اشتباهات رایج

• اشتباه همبستگی برای علیت «با هم زیاد شد» علت نیست; به دنبال توضیحات جایگزین باشید.
• داشتن هوش مصنوعی داده های از دست رفته را پر می کند. تجزیه و تحلیل با یک مقدار ساخته شده از بین می رود. گمشده را ترک کن
• تعمیم داده های جانبدارانه شکایت/داده های دیجیتال نشان دهنده همه نیست. گروه گم شده را پرس و جو کنید.
• ارائه شماره بدون زمینه در کنار نسبت باید یک عدد مطلق و دوره مقایسه وجود داشته باشد.
• تجزیه و تحلیل بی مورد داده های شخصی اگر داده های جمع آوری شده کافی است از شناسایی فردی استفاده نکنید.
• عدم مستندسازی تصمیم چه تصمیمی بر اساس کدام داده ها باید برای حسابرسی ثبت شود.

به طور خلاصه

تصمیم گیری مبتنی بر داده قدرتمندترین راه برای توزیع منصفانه و کارآمد منابع در بخش عمومی است. هوش مصنوعی یک دستیار سریع در این تجارت است که تصویر را معنا می کند، الگوها را پیدا می کند و یافتن را ساده می کند. اما هوش مصنوعی را اعداد تشکیل ندهید، آن را مجبور نکنید داده های از دست رفته را پر کند، اجازه ندهید همبستگی را با علیت اشتباه بگیرد و از تعمیم داده های مغرضانه/ناقص اجتناب کنید. قدرت در اعداد وجود دارد. کسی که آن را به درستی تفسیر می کند و تصمیم را مستند می کند قوی تر است.

وظیفه کاربردی

یک جدول واقعی (حذف داده های شخصی) از واحد خود دریافت کنید. داده ها را با الگوی "آشنایی با جدول" معرفی کنید، سپس با الگوی "آمار خلاصه متنی" به یک سوال مهم برای تصمیم گیری پاسخ دهید. الگوی «پرسش علّت» را برای یک رابطه در حال ظهور اعمال کنید و حداقل یک توضیح جایگزین پیدا کنید. بررسی کنید که آیا هوش مصنوعی اعدادی را از خارج از جدول اضافه می کند.

چک لیست

• [ ] هوش مصنوعی فقط از جدول داده شده استفاده کرد. او اعدادی را از بیرون اضافه نکرد.
• [ ] من داده های از دست رفته را پر نکردم. من آن را به عنوان "بدون داده" گذاشتم.
• [ ] من هر نتیجه را با زمینه (عدد مطلق + نرخ + نقطه) ارائه کردم.
• [ ] من توضیحی جایگزین برای ادعاهای علیت ارائه کردم.
• [ ] من خطر داده‌های مغرضانه/غایب و گروه گمشده را ارزیابی کردم.
• [ ] من تصمیم و داده هایی را که بر اساس آن بود، مستند کردم.