החלטות מבוססות נתונים וניתוח נתונים ציבוריים

רווחים:

• מכיר בסכנות האיכות, הסודיות והפרשנות של עבודה עם נתונים ומקים זרימת ניתוח מאובטחת.
• הוא בוחר את האינדיקטור הנכון למטרה, ומבחין בין אינדיקטורים בודדים מטעים לבין מדידות הפתוחות למניפולציה.
• הוא מזהה טכניקות תרשים מטעות (ציר לא מתחיל מאפס, טווח נבחר) ומתבונן בהדמיה כנה.

הציבור מפיק מדי יום נתונים: מספרי פניות, זמני פתרון, סעיפי תקציב, תנועות אוכלוסייה, בקשות שירות, תוצאות ביקורת, סקרי שביעות רצון. רוב הנתונים הללו נמצאים בגיליונות אלקטרוניים, טפסים ומערכות הקלטה של ​​אקסל, אך אינם מתורגמים להחלטות - כי ניתוחם דורש מומחיות וזמן. קבלת החלטות מבוססת נתונים (גישה להקצאת משאבים וקביעת מדיניות המבוססת על ראיות מדודות, ולא על דעה או הרגל) מגבירה הן את היעילות והן ההוגנות במגזר הציבורי: המשאבים מגיעים למקום שבו הם נחוצים ביותר בהתבסס על מספרים. כאן, AI הוא עוזר רב עוצמה ביצירת הגיון בטבלה, במציאת דפוסים וחריגות, בחילוץ סטטיסטיקות סיכום ובתרגום הממצאים למשפטים פשוטים. ביחידה זו, תראה כיצד לקצר את הדרך מנתונים ציבוריים גולמיים להחלטה הניתנת להגנה באמצעות AI ולהישאר ממושמע בהיבט הקריטי ביותר - הפרשנות הנכונה של המספר.

שלוש סכנות בעבודה עם נתונים

הנתונים הם חזקים, אבל יש להם שלוש מלכודות, ובינה מלאכותית יכולה גם להפחית וגם להגדיל את המלכודות האלה:

1. מתאם ≠ סיבתיות. זה ששני דברים משתנים יחד לא אומר שאחד גורם לשני. מכירות הגלידה והטבעות נמצאות במגמת עלייה - מכיוון ששניהם קשורים לחום הקיץ, לא אחד גורם לשני. AI בונה בצורה שוטפת משפטים "כי"; להטיל ספק בכל טענה של סיבתיות.
2. נתונים מוטים/חסרים. ממי וכיצד נאספו הנתונים? נתוני התלונה משקפים רק את מי שיכול להתלונן; נתוני יישומים דיגיטליים בעלי גישה לאינטרנט. אם לא תראה את הקבוצה החסרה, ההחלטה תהיה מוטה.
3. מספר ללא הקשר. "גדל ב-30%" לבדו חסר משמעות: לפי מה, באיזו תקופה, מהו המספר המוחלט? בקש מה-AI להקשר.

תשומת לב: בעוד שה-AI מנתח את הטבלה שאתה מספק, לפעמים הוא מוסיף מספרים "סבירים" אך פיקטיביים מחוץ לטבלה או ממלא בשקט את התאים החסרים. השווה כל מספר פלט לטבלת המקור; תן ל-AI את הכלל "השתמש רק בערכים בטבלה שאני נותן לך, אם חסר אמור 'אין נתונים'".

זרימת ניתוח נתונים צעד אחר צעד

1. תבהיר את השאלה. לאיזו שאלה אנחנו מחפשים תשובות להחלטה? ("באיזו שכונה זמן הפתרון לוקח הכי הרבה זמן?")
2. מכיר את הנתונים. מהן העמודות, מהי היחידה, מהי התקופה, האם יש ערכים חסרים/שגויים?
3. חילוץ נתונים אישיים. אנונימי / צבירה אם לא נדרש זיהוי אישי לניתוח (ראה יחידה 11).
4. סיכום ודפוס צצים. בקש מה-AI לבצע נתונים סטטיסטיים בסיסיים, קיבוץ וסימון חריגות.
5. תשאל את ההערה. קורלציה או סיבתיות? הסבר חלופי? חסרה קבוצה?
6. לדמיין ולפשט. סיכום פשוט וגרפיקה שמקבל ההחלטות יכול להבין.
7. תיעוד ההחלטה והנמקה שלה. איזו החלטה התקבלה על סמך אילו נתונים? נתיב ביקורת.

שלושה מיני תיקים

מקרה 1 - המקור הלך למקום הנכון. בעבר עירייה חילקה את תקציב אחזקת הפארק שלה "בשווה לכל שכונה". כאשר נותחו נתוני ביקוש ושימוש של 18 חודשים עם AI, הביקוש לנפש של שלוש השכונות היה פי 2.4 מהממוצע. התקציב חולק מחדש בהתאם לצורך; שביעות הרצון הכללית גדלה, ללא הוצאות נוספות.

מקרה 2 - הבחינו בנתונים מוטים. סוכנות תסתכל על נתוני יישומים דיגיטליים ותגיע למסקנה ש"אזרחים כבר לא מגיעים לתא האגרה". אך כאשר התבקשה פירוט הגילאים בניתוח, נראה כי פניות מעל גיל 65 עדיין הגיעו ברובן מהדלפק. אם היו מסתכלים רק על נתונים דיגיטליים, קבוצה זו הייתה מתעלמת; שירות הקופות נשמר.

מקרה 3 - הקשר סיבתי מחושב הופסק. תוך כדי פרשנות טבלה, אמר י.ז. "התאונות פחתו בגלל שמספר הבדיקות גדל". האנליסט הזכיר שגם מזג האוויר השתנה והתנועה ירדה באותה תקופה; ייחוסו לגורם יחיד היה מטעה. הדיווח תוקן כך ש"יש קשר אבל לא הוכחה קשר סיבתי".

ארבע תבניות הניתנות להעתקה

1) היכרות עם הטבלה:

תפקידך: מנתח נתונים. בדוק את הטבלה שלהלן, ובהתבסס רק על הערכים בטבלה זו: (1) סכמו מהי כל עמודה, היחידה והתקופה שלה, (2) כל תאים שנראים חסרים/שגויים, (3) סכמו את 3 הדפוסים המובילים הבולטים. הוספת מספרים מחוץ לטבלה; אם חסר, אמור "אין נתונים".TABLE: [הדבק נתונים]

2) סטטיסטיקות סיכום עם הקשר:

ענה על השאלה הבאה מהטבלה שלהלן: [שאלה]. חייבים לתת את התוצאה עם הקשר: מספר מוחלט + שיעור + תקופת השוואה. כאשר אתה אומר "גדל ב-X%", ציין באיזו מידה ובאיזו תקופה. פשוט השתמש בנתונים הנתונים.טבלה: [נתונים] QUESTION: [שאלה]

3) שואל סיבתיות:

פרש את הממצא הבא, אבל זהירות: אל תבלבל בין מתאם לסיבתיות. צור לפחות 3 הסברים חלופיים לקשר הזה (משתנה שלישי, כיוון הפוך, צירוף מקרים). אמור לי אילו נתונים נוספים נדרשים כדי להוכיח סיבתיות. מציאת: [מערכת יחסים]

4) סיכום פשוט להחלטה:

פשטו את הניתוח הבא עבור מקבל החלטות שאינו מומחה לנתונים: לא יותר מ-5 פריטים, כל פריט ממצא והסבר "מה זה אומר". כמו כן, רשום בצורה ברורה את אי הוודאות והגבולות של הנתונים. הוספת מידע חדש. ניתוח: [טקסט]

הנחיה חלשה / הנחיה חזקה

חלש: "נתח את התרשים הזה ותגיד לנו מה עלינו לעשות."

חזק: "התפקיד שלך הוא מנתח נתונים. השתמש רק בטבלה למטה; אל תוסיף מספרים מבחוץ, תגיד 'אין נתונים' לתא החסר. ראשית, הכירו את העמודות, היחידות והתקופה. לאחר מכן ענו על השאלה 'באיזו שכונה יש את זמן הפתרון הארוך ביותר' עם מספר מוחלט + יחס + תקופת השוואה. אם תמצא דפוס, העלה 3 נקודות הסברים חלופיים וסיבות סופיות לפני הסיבות והסיבות. נתונים (קבוצה חסרה, תקופה קצרה) שמותירים לנו את ההחלטה".

הבדל: הנחיה חזקה מבססת נאמנות נתונים, הקשר, משמעת סיבתיות וגבול החלטה ביחד; הפלט הוא ניתוח בר הגנה.

היכן ניתן לסמוך על AI בעסקי הנתונים?

עסקים

אמון בינה מלאכותית

כלל

סיכום טבלה, קיבוץ

גבוה

נתונים ניתנים בלבד

סימון חריגות/דפוסים

בינוני

אישור אנושי

פרשנות סיבתיות

נמוך

נדרש הסבר חלופי

מילוי נתונים חסרים

נמוך מדי

אל תגרום לזה לקרות; "אין נתונים"

פישוט/סיכום ויזואלי

גבוה

יש לשמור על המשמעות

עיצוב מחוונים ומלכודת תרשים מטעה

השלב הקריטי ביותר בקבלת החלטות עם נתונים הוא בחירת האינדיקטור הנכון (הביטוי המספרי שהופך תופעה למדידה - למשל, "זמן עיבוד ממוצע" או "עלות לאפליקציה"). המדד השגוי מוביל להחלטה שגויה, אפילו עם נתונים מדויקים: בעוד שנראה ש"מספר התביעות הכולל שנפתרו" הולך וגדל, "זמן ההמתנה לאזרח" עלול להחמיר. AI יכול לרשום אינדיקטורים של מועמדים לנושא ומה כל אחד מודד ומסתיר; אבל אתה מחליט איזה אינדיקטור באמת מייצג את האינטרס הציבורי. כמו כן, היו מודעים לסיכון של ויזואליזציה מטעה (עיוות תפיסה עם טכניקות כגון הציר לא מתחיל מאפס, קנה מידה לא פרופורציונלי, מרווח זמן נבחר) בגרפים שה-AI מציע או מתאר; חזותית כנה בנתונים ציבוריים היא חלק מהממשל.

מארז מיני - סימן שגוי, התפארות שגויה. יחידה אחת שברה שיאים במדד "מספר תיקים סגורים בחודש"; אבל תלונות האזרחים גברו. בהסתכלות על האינדיקטור המדויק, "קצב רזולוציית המגע הראשון", הקצב ירד מ-58% ל-44% - קבצים נסגרו ונפתחו מחדש במהירות. כאשר האינדיקטור השתנה, השתנתה גם עדיפות הניהול.

מארז מיני - ציר שאינו מתחיל מאפס. בגרף AI המתואר במצגת, הציר האנכי מתחיל ב-40, עלייה של 2 אחוזים נראתה כמו קפיצה דרמטית. כשהציר הוזז לאפס, התגלתה התמונה האמיתית וההחלטה בוטלה מהתפיסה המוגזמת.

תבנית התומכת בבחירת מחוונים:

משימה: הצע 5 אינדיקטורים למועמדים למטרה הבאה. מטרה: [למשל. שיפור איכות השירות לאזרח]עבור כל אינדיקטור: מה הוא מודד | מה זה יכול להסתיר | פתיחות למניפולציות | תדירות קריאה מומלצת.הבא: כתוב 3 אזהרות (כאלה שמטעות בפני עצמן) כדי לקרוא את האינדיקטורים הללו יחד. כלל: אין לייצר מספרים; רק מציע עיצוב מחוון.

זהירות: אל תיפול לתפיסה המוטעית ש"מספר הוא אובייקטיבי". איזה מספר אתה מודד, איך אתה מציג אותו ואיזה טווח אתה בוחר הם כולם עניין של פרשנות. פרשנות ציבורית שקופה וכנה חשובה לא פחות מהנתונים המדויקים.

טעויות נפוצות

• טעות בקורלציה לסיבתיות. "הגדילו יחד" אינו הגורם; חפש הסברים חלופיים.
• לאחר AI מילוי נתונים חסרים. הניתוח קורס עם ערך מורכב; להשאיר את הנעדר.
• הכללת נתונים מוטים. תלונה/נתונים דיגיטליים אינם מייצגים את כולם; שאל את הקבוצה החסרה.
• הצגת המספר ללא הקשר. לצד היחס צריך להיות מספר מוחלט ותקופת השוואה.
• ניתוח נתונים אישיים שלא לצורך. אל תשתמש בזיהוי אישי אם הנתונים המצטברים מספיקים.
• לא מתעד את ההחלטה. איזו החלטה התקבלה על סמך אילו נתונים יש לרשום לביקורת.

לסיכום

קבלת החלטות מבוססת נתונים היא הדרך החזקה ביותר לחלוקת משאבים בצורה הוגנת ויעילה במגזר הציבורי; AI הוא עוזר מהיר בעסק הזה שמבין את התמונה, מוצא דפוסים ומפשט את הממצא. אבל אל תגרמו ל-AI להמציא מספרים, אל תגרמו לו למלא נתונים חסרים, אל תתנו לו לבלבל מתאם עם סיבתיות, והימנעו מהכללה של נתונים מוטים/לא שלמים. יש כוח במספרים; מי שמפרש נכון ומתעד את ההחלטה חזק יותר.

משימת יישום

קבל טבלה אמיתית (מופשטת נתונים אישיים) מהיחידה שלך. הצג את הנתונים עם התבנית "הכרת הטבלה", ולאחר מכן ענה על שאלה חשובה להחלטה באמצעות התבנית "סטטיסטיקות סיכום הקשר". החל את התבנית "שואל סיבתיות" על מערכת יחסים מתהווה ומצא לפחות הסבר חלופי אחד. בדוק אם ה-AI מוסיף מספרים מחוץ לטבלה.

רשימת בדיקה

• [ ] ה-AI השתמש רק בטבלה הנתונה; הוא לא הוסיף מספרים מבחוץ.
• [ ] לא מילאתי ​​את הנתונים החסרים; השארתי את זה בתור "ללא נתונים".
• [ ] הצגתי כל תוצאה עם הקשר (מספר מוחלט + שיעור + נקודה).
• [ ] הבאתי הסבר חלופי לטענות הסיבתיות.
• [ ] הערכתי את הסיכון של נתונים מוטים/חסרים ואת הקבוצה החסרה.
• [ ] תיעדתי את ההחלטה ואת הנתונים שעליהם היא התבססה.