Voitot:
- Kyky tuottaa hajautetuista tiedoista päätöslähtöistä näkemystä ymmärtämällä data-informaatio-näkemys-päätösportaat ja toteuttamalla tekoälyä askel askeleelta
- Kyky paljastaa kokonaislukujen kätkemä totuus segmenttien erittelyn kautta ja erottaa korrelaatio kausaalisuudesta
- Kyky käsitellä tekoälyn ehdottamia syitä testattavina hypoteeseina ja perustaa lopullinen päätös todennettuun näkemykseen
Esimiehen pöydälle saapuu päivittäin kymmeniä numeroita: myyntiluvut, kustannukset, asiakkaiden valitukset, varastotasot, työntekijöiden vaihtuvuus. Mutta pelkkä luku ei ole päätös. Päätös alkaa näkemällä merkitys numeron sisällä. "Myynti on laskenut 8 prosenttia viime kuukauteen verrattuna" on annettu; "Myynnin lasku johtuu siitä, että kaksi suurta asiakasta Egeanmeren alueella lykkäävät tilauksiaan", on oivallus. Tässä päätöksenteon tuki – prosessi, joka tekee tiedosta mielekästä johtajan kannalta parempien päätösten tekemiseen – on silta, joka muuttaa tiedot oivalluksiksi. Tässä osiossa opimme käyttämään tekoälyä tällä sillalla. Raja on selvä alusta alkaen: AI tuottaa luonnoksia; Johtaja päättää, mikä näkemys on todellinen ja mitä tehdä.
Neljä askelta datasta oivallukseen
Päätöksen tuki on tikkaat. Ensimmäinen numero — tiedot: raakaluvut (1 240 tilausta saapui tässä kuussa). Toinen numero — tiedot: muokattu, verrattu luku (laskua 8 prosenttia viime kuukaudesta). Kolmas taso – oivallus: laskun syyn ymmärtäminen (kahden suuren asiakkaan viivästyminen). Vaihe neljä – päätös: mitä tehdä (haastattele näitä asiakkaita ja kohdista uusiin asiakkaisiin). Tekoäly on erittäin nopea ensimmäisessä ja toisessa vaiheessa, on hyvä apulainen kolmannessa, tarjoaa vaihtoehtoja vain neljännessä.
Näiden tikkaiden tunteminen on tärkeää, koska useimmat johtajat pyytävät tekoälyä suoraan "päättämään puolestani" ja turhautuvat. Jos kuitenkin suoritat tekoälyn askel askeleelta – tee ensin yhteenveto, vertaile sitten, kyseenalaista mahdolliset syyt ja teet lopuksi päätöksen itse – olet sekä nopea että luotettava.
Vihje: Kysy tekoälyltä "mitä päättelet näistä tiedoista?" Sen sijaan, että kysyisit kaikki kerralla, jatka vaihe vaiheelta sanomalla "ensin yhteenveto, näytä sitten 3 merkittävintä muutosta ja ehdota sitten 2 mahdollista syytä kullekin." Vaiheittainen ajattelu antaa tarkempia tuloksia.
Korrelaatio- ja kausaliteettiloukku
Päätöksentuen vaarallisin sudenkuoppa on korrelaation sekoittaminen kausaalisuuteen. Korrelaatio on kun kaksi asiaa liikkuu yhdessä (jäätelön myynti ja hukkumiset lisääntyvät yhdessä kesällä). Syy-yhteys on, kun yksi johtaa toiseen (jäätelö ei aiheuta tukehtumista; kuuma sää on yleinen syy). Tekoäly on erittäin hyvä löytämään asioita, jotka liikkuvat yhdessä tiedoistasi, mutta se ei pysty kertomaan, mikä on todellinen syy. Sanonta "Mainoskulut kasvoivat ja myynti kasvoi" ei todista, että mainonta lisäsi myyntiä. ehkä juhlakausi vaikutti molempiin.
Joten kun tekoäly ehdottaa syytä, pidä sitä hypoteesina (olettamuksena, joka on todistettava), ei tosiasiana. "Kuinka testaan tätä?" kysyä. Hyvä johtaja testaa tekoälyn ehdottamaa syytä kentällä tai datalla.
kolme minilaukkua
Tapaus 1 – Salaisen putouksen kiinni saaminen. Verkkokauppayrityksessä kokonaisliikevaihto vaikutti vakaalta, kukaan ei ollut huolissaan. Johtaja antaa anonyymit kuukausittaiset tiedot tekoälylle ja kysyy "Mikä segmentti kasvaa ja mikä pienenee luokkakohtaisesti?" hän kysyi. YZ osoitti, että vaikka kokonaisliikevaihto pysyi tasaisena, korkean tuoton elektroniikkakategoria itse asiassa laski 22 prosenttia, ja vähätuottoinen lisävarustemyynti peitti tämän. Johtaja vahvisti tämän ja keskittyi elektroniikkaluokkaan. Kokonaismäärä oli salattu; Tauko paljasti totuuden.
Tapaus 2 – Ajo väärään tarkoitukseen. Kahvilaketjun johtaja antoi myyntitiedot tekoälylle. "Viikonloppumyynti liikkuu sään lämpötilan mukana", YZ sanoi. Johtaja luki tämän "kuuma sää lisää myyntiä" ja esti ilmastointilaitteet. Todellinen syy oli kuitenkin viikonlopun lisääntynyt asiakasliikenne; Lämpötila muuttui sattumalta samaan suuntaan. Johtaja erehtyi korrelaatioon syy-yhteyteen. Hän oppi läksynsä ja testasi kaikki syyt tästä lähtien.
Tapaus 3 – Vertailu tehdään oikein. Tuotantoyrityksen kahden tehtaan tehokkuutta vertailtiin. Johtaja kysyy tekoälyltä: "Onko tehdas A tehokkaampi kuin B?" hän kysyi, mutta tekoäly ei tiennyt, että tehdas A oli uudempi ja pienempi. Johtaja korjasi kehotteen: "vertaa tuottoa yksikköä kohti ottaen huomioon koko ja ikäero." Tällä kertaa analyysi oli reilu ja todellinen ero paljastui.
Neljä kopioitavaa mallia
1) Vaiheittainen tiedon poiminta:
Tehtäväsi: johtajaa avustava yritysanalyytikko. Käytä liitteenä olevia anonyymejä tietoja (kausi, luokka, myynti, hinta). Jatka vaihe vaiheelta: 1) Tee yhteenveto tiedoista neljään kohtaan. 2) Näytä 3 merkittävintä muutosta viime jaksoon verrattuna. 3) Ehdota jokaiselle muutokselle enintään 2 MAHDOLLISTA syytä ja totea, että nämä ovat hypoteeseja ja todisteita tarvitaan. Älä keksi numeroita, joita ei ole toimittamissani tiedoissa.
2) Erittely (segmenttien) analyysi:
Vaikka kokonaismäärät näyttävät vakailta, haluan tietää, mitä sisällä tapahtuu. Jaa liitetyt tiedot luokan/alueen/asiakassegmentin mukaan. Näytä taulukossa, mikä segmentti kasvaa ja mikä pienenee. Merkitse erityisesti käännökset, jotka peittävät kokonaisuuden.
3) Korrelaatio-syy-testi:
Löysin tämän suhteen: [A ja B liikkuvat yhdessä]. Auta minua erottamaan, onko tämä todellinen syy ja seuraus vai pelkkä toiminta yhdessä. Luettele mahdolliset YLEISET syyt ja ehdota kolmea käytännön tarkistusta, joita voin tehdä tämän suhteen testaamiseksi.
4) Päätösoptioiden luominen:
Vahvistin tämän näkemyksen: [näkemys]. ÄLÄ päätä puolestani; luo sen sijaan 3 erilaista toimintavaihtoehtoa. Jokaisen vaihtoehdon osalta: odotettu hyöty, arvioidut kustannukset/ponnistelut, suuri riski ja mikä tilanne tulisi suosia. Esitä vaihtoehdot neutraalisti; älä pakota ketään.
Heikko kehote / Vahva kehote
Heikko kehote:
Miksi myynti laski?
Ei dataa, ei ajanjaksoa, ei kontekstia. Tekoäly listaa yleiset syyt (talous, kilpailu, kausi); Mikään niistä ei koske sinun tilannettasi, eikä niitä voida vahvistaa.
Tehokas kehotus:
Sinun roolisi: vähittäiskaupan analyytikko. Käytä liitteenä olevia anonyymejä 6 kuukauden tietoja (kuukausi, alue, luokka, myyntimäärä, liikevaihto). Kokonaisliikevaihto laski 8 % viime kuussa. Jaa tämä alueen ja luokan mukaan; selvittää, mistä segmentistä lasku tulee. Ehdota enintään 2 testattavaa hypoteesia jokaista löytämääsi hylkäämistä kohden. Käytä vain numeroita, jotka annoin sinulle.
Koko
huono lähestymistapa
Vahva lähestymistapa
Data
Ei mitään
Anonyymi ja liitteenä
Kysymys
Yleinen "miksi?"
Taittuu ja keskittyi
ulostulo
Yleiset syyt
Testattavissa olevia hypoteeseja
Todennettavuus
alhainen
korkea
päätöksen arvo
Vähemmän
korkea
Yleisiä virheitä
- Kokonaismäärään luottaen. Vaikka kokonaismäärä on vakio, sisällä voi tapahtua suuria käännöksiä; Muista katsoa erittely.
- Virheellinen korrelaatio syy-yhteydelle. Pidä tekoälyn löytämää suhdetta testattavana hypoteesina, ei todisteena.
- Epäreilu vertailu. Älä vertaa erikokoisia/-ikäisiä/kuntoisia yksiköitä normalisoimatta niitä.
- Päätösten pyytäminen suoraan tekoälyltä. AI luo vaihtoehtoja; Kannat päätöksen ja vastuun.
- Päätelmien tekeminen yhden ajanjakson tiedoilla. Trendeihin tarvitaan riittävästi historiallisia tietoja.
Varoitus: Vaikka näkemys näyttää kuinka fiksulta, siitä ei pitäisi tulla päätös, jos sitä ei voida tarkistaa tiedoistasi. "Tekoäly sanoi niin" ei ole peruste; "Testasin sitä tiedoilla ja se validoitiin" on perustelu.
Yhteenvetona
Päätöksen tuki on tikkaat, jotka muuttavat datan oivallukseksi: dataksi, informaatioksi, oivallukseksi, päätökseksi. AI on erittäin nopea kahdessa ensimmäisessä vaiheessa, hyvä apulainen kolmannessa ja vain vaihtoehtojen tarjoaja neljännessä. Katso erittelyjä, älä kokonaislukuja. Älä erehdy korrelaatiota syyksi; Tarkastele tekoälyn ehdottamia syitä testattaviin hypoteeseihin. Vaiheittainen ajattelu antaa tarkempia tuloksia. Lopullisen päätöksen tekee johtaja, joka perustuu validoituun näkemykseen.
Sovellustehtävä
Laadi anonyymi tietojoukko yrityksestäsi (esim. luokkakohtainen myynti viimeisen 6 kuukauden ajalta). Pyydä tekoälyä suorittamaan segmenttien erittely yllä olevan "Erittelyanalyysi"-mallin avulla. Luo hypoteesi käyttämällä "Korrelaatio-syy-seuraustesti" -mallia suurimmasta löytämästäsi muutoksesta ja kirjoita kolmeen kohtaan, kuinka testaat tätä hypoteesia kentällä.
tarkistuslista
- [ ] Olenko anonymisoinut tiedot?
- [ ] Katsoinko erittelyä (segmenttiä) kokonaismäärän sijaan?
- [ ] Käsittelinkö tekoälyn ehdottamaa syytä hypoteesina?
- [ ] Olenko tehnyt vertailut reilusti (normalisoituna)?
- [ ] Teinkö päätöksen itse vahvistetun näkemyksen perusteella?