Voitot:
- Tunnistaa laadun, luottamuksellisuuden ja tulkintojen vaarat tietojen kanssa työskentelyssä ja luo turvallisen analyysivirran.
- Se valitsee tarkoitukseen oikean indikaattorin ja tekee eron harhaanjohtavien yksittäisten indikaattoreiden ja manipuloitavien mittausten välillä.
- Se tunnistaa harhaanjohtavat karttatekniikat (akseli ei aloita nollasta, valittu alue) ja tarkkailee rehellistä visualisointia.
Yleisö tuottaa tietoa päivittäin: hakemusnumerot, ratkaisuajat, budjettikohdat, väestöliikkeet, palvelupyynnöt, auditointitulokset, tyytyväisyystutkimukset. Suurin osa näistä tiedoista on Excel-taulukoissa, lomakkeissa ja tallennusjärjestelmissä, mutta ne eivät muutu päätöksiksi – koska niiden analysointi vaatii asiantuntemusta ja aikaa. Tietoihin perustuva päätöksenteko (lähestymistapa resurssien kohdentamiseen ja politiikan asettamiseen, joka perustuu mitattuun näyttöön mielipiteiden tai tapojen sijaan) lisää sekä tehokkuutta että oikeudenmukaisuutta julkisella sektorilla: resurssit menevät sinne, missä niitä eniten tarvitaan numeroiden perusteella. Täällä tekoäly on tehokas apulainen taulukon ymmärtämisessä, kuvioiden ja poikkeavuuksien löytämisessä, yhteenvetotilastojen poimimisessa ja havaintojen kääntämisessä yksinkertaisiksi lauseiksi. Tässä osiossa näet, kuinka voit lyhentää polkua julkisista raakatiedoista puolustettavaan päätökseen tekoälyn avulla ja pysyä kurina kriittisimmässä kohdassa – numeron oikealla tulkinnalla.
Kolme datan kanssa työskentelyn vaaraa
Data on tehokasta, mutta siinä on kolme ansoa, ja tekoäly voi sekä lieventää että suurentaa näitä ansoja:
- Korrelaatio ≠ syy-yhteys. Se, että kaksi asiaa muuttuvat yhdessä, ei tarkoita, että toinen aiheuttaa toista. Jäätelön myynti ja hukkumiset ovat kasvussa – koska ne molemmat liittyvät kesän lämpöön, eivät kumpikaan aiheuta toista. AI rakentaa sujuvasti "koska"-lauseita; Kyseenalaista jokainen syy-seurausväite.
- Puolueellinen/puuttuva data. Keneltä ja miten tiedot kerättiin? Valitustiedot koskevat vain niitä, jotka voivat valittaa; digitaaliset sovellustiedot, joilla on pääsy Internetiin. Jos et näe puuttuvaa ryhmää, päätös on puolueellinen.
- Numero ilman kontekstia. Pelkästään "nousu 30%" on merkityksetöntä: minkä mukaan, millä ajanjaksolla, mikä on absoluuttinen luku? Kysy kontekstia tekoälyltä.
Huomio: Vaikka tekoäly analysoi antamaasi taulukkoa, se joskus lisää "järkeviä", mutta kuvitteellisia lukuja taulukon ulkopuolelta tai täyttää hiljaa puuttuvat solut. Vertaa jokaista lähtönumeroa lähdetaulukkoon; Anna tekoälylle sääntö "käytä vain antamani taulukon arvoja, jos puuttuu, sano "ei tietoja".
Askel askeleelta tietojen analysointi
- Selvennä kysymystä. Mihin kysymykseen etsimme vastauksia päätöstä varten? ("Millä naapurustolla ratkaisuaika kestää pisimpään?")
- Tunne tiedot. Mitkä ovat sarakkeet, mikä on yksikkö, mikä on jakso, puuttuuko/virheellisiä arvoja?
- Poimi henkilötiedot. Anonymisoi/aggregoi, jos yksilöllistä tunnistamista ei vaadita analysointiin (katso yksikkö 11).
- Yhteenveto ja malli syntyy. Pyydä tekoälyä suorittamaan perustilastot, ryhmittely ja poikkeamien merkitseminen.
- Kyseenalaista kommentti. Korrelaatio vai syy-yhteys? Vaihtoehtoinen selitys? Puuttuuko ryhmä?
- Visualisoi ja yksinkertaista. Yksinkertainen yhteenveto ja grafiikka, jonka päätöksentekijä ymmärtää.
- Dokumentoi päätös ja sen perustelut. Millainen päätös tehtiin minkä tiedon perusteella? kirjausketju.
kolme minilaukkua
Tapaus 1 – Lähde meni oikeaan paikkaan. Aiemmin kunta jakoi puiston ylläpitobudjettinsa "tasaisesti kullekin alueelle". Kun 18 kuukauden kysyntä- ja käyttötietoja analysoitiin tekoälyllä, kolmen kaupunginosan asukaskohtainen kysyntä oli 2,4 kertaa keskiarvoa suurempi. Budjetti jaettiin uudelleen tarpeen mukaan; yleinen tyytyväisyys kasvoi ilman lisäkustannuksia.
Tapaus 2 – Havaittiin puolueellisia tietoja. Virasto tarkastelee digitaalisia hakemustietoja ja päätteli, että "kansalaiset eivät enää tule tiemaksupisteeseen". Mutta kun analyysissä kysyttiin ikäjaottelua, havaittiin, että yli 65-vuotiaat hakemukset tulivat edelleen pääosin tiskiltä. Jos katsottaisiin vain digitaalista dataa, tämä ryhmä jätettäisiin huomiotta; lippupalvelu säilytettiin.
Tapaus 3 – Keinotekoinen syy-yhteys lopetettiin. YZ sanoi tulkittaessa taulukkoa: "Onnettomuudet vähenivät, koska tarkastusten määrä lisääntyi." Analyytikko muistutti, että myös sää muuttui ja liikenne väheni samalla ajanjaksolla; Sen katsominen yhdestä ainoasta syystä oli harhaanjohtavaa. Raportti korjattiin sanomalla "yhteys on olemassa, mutta syy-yhteyttä ei ole todistettu".
Neljä kopioitavaa mallia
1) Taulukkoon tutustuminen:
Roolisi: dataanalyytikko. Tutki alla olevaa taulukkoa ja VAIN tämän taulukon arvojen perusteella: (1) tee yhteenveto, mikä kukin sarake on, sen yksikkö ja piste, (2) solut, jotka vaikuttavat puuttuvilta/virheellisiltä, (3) tee yhteenveto 3 tärkeimmästä kuviosta, jotka erottuvat. Numeroiden lisääminen taulukon ulkopuolelta; jos puuttuu, sano "ei tietoja".TAULUKKO: [liitä tiedot]
2) Yhteenvetotilastot kontekstin kanssa:
Vastaa seuraavaan kysymykseen alla olevasta taulukosta: [kysymys]. TÄYTYY antaa tulos kontekstin kanssa: absoluuttinen luku + korko + vertailujakso. Kun sanot "lisätty X %", määritä missä määrin ja millä ajanjaksolla. Käytä vain annettuja tietoja.TAULUKKO: [data] KYSYMYS: [kysymys]
3) Syy-seurauskysely:
Tulkitse seuraava havainto, mutta VAROITUS: älä sekoita korrelaatiota syy-yhteyteen. Luo tälle suhteelle vähintään kolme vaihtoehtoista selitystä (kolmas muuttuja, käänteinen suunta, sattuma). Kerro minulle, mitä lisätietoja tarvitaan syy-yhteyden osoittamiseen. LÖYTTÖ: [suhde]
4) Yksinkertainen yhteenveto päätöksestä:
Yksinkertaista seuraava analyysi päätöksentekijälle, joka ei ole dataasiantuntija: enintään 5 kohdetta, jokainen kohta löydös ja selitys "mitä tämä tarkoittaa". Kirjoita myös tietojen epävarmuustekijät ja rajat selkeästi ylös. Lisätään uusia tietoja.ANALYYSI: [teksti]
Heikko kehote / Vahva kehote
Heikko: "Analysoi tämä kaavio ja kerro meille, mitä meidän pitäisi tehdä."
Vahva: "Teidän roolinne on dataanalyytikko. Käytä VAIN alla olevaa taulukkoa; älä lisää numeroita ulkopuolelta, sano 'ei dataa' puuttuvaan soluun. Tutustu ensin sarakkeisiin, yksiköihin ja pisteeseen. Vastaa sitten kysymykseen 'millä asuinalueella on pisin ratkaisuaika' absoluuttisella numerolla + suhde + vertailujakso. Jos löydät kuvion, keksi 3 vaihtoehtoista selitystä datan selityksillä ja lopuksi, ennen kuin selität sen datan ja rajoitukset. (ryhmä puuttuu, lyhyt aika), jotka jättävät päätöksen meille."
Ero: vahva kehote määrittää tietojen tarkkuuden, kontekstin, kausaalisuuden kurin ja päätösrajan yhdessä; Tulos on puolustettavissa oleva analyysi.
Missä tekoälyyn voi luottaa dataliiketoiminnassa?
liiketoimintaa
AI luottamus
sääntö
Taulukon yhteenveto, ryhmittely
korkea
Tiedot annetaan vain
Anomalia/kuviomerkintä
keskikokoinen
ihmisen vahvistus
Kausaalisuuden tulkinta
alhainen
Vaihtoehtoinen selitys vaaditaan
Puuttuvien tietojen täyttäminen
liian matala
Älä anna sen tapahtua; "ei dataa"
Yksinkertaistus/visuaalinen yhteenveto
korkea
Merkitys on säilytettävä
Ilmaisimen suunnittelu ja harhaanjohtava kaavioloukku
Kriittisin vaihe dataa koskevien päätösten tekemisessä on oikean indikaattorin valitseminen (numeerinen lauseke, joka tekee ilmiöstä mitattavissa – esimerkiksi "keskimääräinen käsittelyaika" tai "sovelluskohtainen hinta"). Väärä indikaattori johtaa väärään päätökseen jopa tarkoilla tiedoilla: vaikka "ratkaistujen hakemusten kokonaismäärä" näyttää kasvavan, "odotusaika kansalaista kohden" saattaa pahentua. Tekoäly voi luetella aiheen ehdokasindikaattoreita ja mitä kukin mittaa ja kätkee; mutta sinä päätät, mikä indikaattori todella edustaa yleistä etua. Ole myös tietoinen harhaanjohtavan visualisoinnin vaarasta (havaintojen vääristyminen tekniikoilla, kuten akseli, joka ei aloita nollasta, suhteeton mittakaava, valittu aikaväli) graafisissa tekoälyn ehdottamissa tai kuvaamissa kaavioissa; rehellinen kuva julkisissa tiedoissa on osa hallintoa.
Minikotelo – väärä merkki, väärä ylpeys. Yksi yksikkö rikkoi ennätyksiä "kuukaudessa suljettujen tiedostojen lukumäärä" -indikaattorissa; mutta kansalaisten valitukset lisääntyivät. Tarkkaa indikaattoria, "ensimmäisen kontaktin resoluutiota", prosenttiosuus putosi 58 prosentista 44 prosenttiin - tiedostoja suljettiin ja avattiin uudelleen nopeasti. Indikaattorin muuttuessa myös hallinnan prioriteetti muuttui.
Minikotelo — akseli, joka ei ala nollasta. Esityksessä kuvatun graafisen tekoälyn pystyakseli alkaa 40:stä, 2 prosentin lisäys vaikutti dramaattiselta hyppyltä. Kun akseli siirrettiin nollaan, todellinen kuva syntyi ja päätös poistui liioitellusta havainnosta.
Malli, joka tukee indikaattorin valintaa:
Tehtävä: Ehdota 5 ehdokasindikaattoria seuraavaan tarkoitukseen. Tarkoitus: [esim. kansalaispalvelujen laadun parantaminen]Kunkin indikaattorin osalta: mitä se mittaa | mitä se voi piilottaa | avoimuus manipulaatiolle | suositeltu lukutiheys.Seuraava: kirjoita 3 varoitusta (jotka ovat harhaanjohtavia itsessään) lukeaksesi nämä indikaattorit yhdessä.Sääntö: Älä tuota numeroita; ehdota vain indikaattorin suunnittelua.
Varoitus: Älä lankea siihen väärinkäsitykseen, että "luku on objektiivinen". Se, minkä luvun mittaat, miten näytät sen ja minkä alueen valitset, ovat kaikki tulkinnan asia. Läpinäkyvä ja rehellinen julkinen tulkinta on yhtä tärkeää kuin tarkan tiedon saaminen.
Yleisiä virheitä
- Virheellinen korrelaatio syy-yhteydelle. "Yhdessä lisääntynyt" ei ole syy; Etsi vaihtoehtoisia selityksiä.
- AI täyttää puuttuvat tiedot. Analyysi romahtaa keksittyyn arvoon; jättää kadonneet puuttumaan.
- Vinotietojen yleistäminen. Valitus/digitaaliset tiedot eivät edusta kaikkia; Kysy puuttuvasta ryhmästä.
- Numeron esittäminen ilman kontekstia. Suhteen vieressä tulee olla absoluuttinen luku ja vertailujakso.
- Henkilötietojen tarpeetonta analysointia. Älä käytä yksilöllistä tunnistamista, jos kootut tiedot ovat riittävät.
- Ei dokumentoi päätöstä. Mikä päätös tehtiin sen perusteella, mitkä tiedot on kirjattava auditointia varten?
Yhteenvetona
Tietoihin perustuva päätöksenteko on tehokkain tapa jakaa resursseja oikeudenmukaisesti ja tehokkaasti julkisella sektorilla; Tekoäly on nopea apu tässä liiketoiminnassa, joka tekee järkeä kuvasta, löytää kuvioita ja yksinkertaistaa löytämistä. Mutta älä anna tekoälyn muodostaa numeroita, älä pakota sitä täyttämään puuttuvia tietoja, älä anna sen sekoittaa korrelaatiota kausaalisuuteen ja vältä puolueellisten/epätäydellisten tietojen yleistämistä. Numeroissa on voimaa; Se, joka tulkitsee sen oikein ja dokumentoi päätöksen, on vahvempi.
Sovellustehtävä
Hanki oikea (henkilötiedot poistettu) taulukko laitteestasi. Esittele tiedot "Tutustu taulukkoon" -mallilla ja pyydä sitten vastausta tärkeään kysymykseen "Kontekstuaaliset yhteenvetotilastot" -mallin avulla. Käytä "Syy-yhteyden kysyjä" -mallia syntymässä olevaan suhteeseen ja etsi vähintään yksi vaihtoehtoinen selitys. Tarkista, lisääkö tekoäly numeroita taulukon ulkopuolelta.
tarkistuslista
- [ ] Tekoäly käytti vain annettua taulukkoa; Hän ei lisännyt numeroita ulkopuolelta.
- [ ] En täyttänyt puuttuvia tietoja; Jätin sen "ei dataa".
- [ ] Esitin jokaisen tuloksen kontekstineen (absoluuttinen luku + nopeus + jakso).
- [ ] Esitin vaihtoehtoisen selityksen syy-yhteysväitteille.
- [ ] Arvioin puolueellisten/puuttuvien tietojen ja puuttuvan ryhmän riskiä.
- [ ] Dokumentoin päätöksen ja sen perustana olleet tiedot.