תמיכה בהחלטות: הפיכת נתונים לתובנה

רווחים:

• יכולת לייצר תובנה מכוונת החלטה מנתונים מפוזרים על ידי הבנת סולם הנתונים-מידע-תובנות-החלטות וביצוע בינה מלאכותית צעד אחר צעד
• יכולת לחשוף את האמת המוסתרת על ידי מספרים הכוללים באמצעות פירוט מקטעים ולהבחין בין מתאם לסיבתיות
• היכולת להתייחס לסיבות המוצעות על ידי בינה מלאכותית כהשערות שיש לבדוק ולבסס את ההחלטה הסופית על תובנה מאומתת

עשרות מספרים מגיעים לשולחן המנהל מדי יום: נתוני מכירות, עלויות, תלונות לקוחות, רמות מלאי, תחלופת עובדים. אבל המספר לבדו אינו ההחלטה. ההחלטה מתחילה מלראות את המשמעות בתוך המספר. "המכירות ירדו ב-8 אחוזים בהשוואה לחודש שעבר" זה מובן מאליו; "הירידה במכירות נובעת מכך ששני לקוחות גדולים באזור האגאי דחו את ההזמנות שלהם" היא תובנה. כאן, תמיכת החלטות - התהליך שהופך את הנתונים למשמעותיים עבור המנהל לקבלת החלטות טובות יותר - הוא הגשר שהופך נתונים לתובנה. ביחידה זו, נלמד כיצד להשתמש בבינה מלאכותית על הגשר הזה. הגבול ברור מההתחלה: בינה מלאכותית מייצרת טיוטת תובנות; המנהל מחליט איזו תובנה אמיתית ומה לעשות.

ארבעה שלבים מנתונים לתובנה

תמיכת החלטות היא סולם. ספרה ראשונה - נתונים: מספרים גולמיים (1,240 הזמנות הגיעו החודש). ספרה שנייה - מידע: ערוך, השוואת מספרים (ירידה של 8 אחוזים מחודש שעבר). רובד שלישי - תובנה: הבנת הסיבה לירידה (עיכוב משני לקוחות גדולים). שלב רביעי - החלטה: מה לעשות (ראיון לקוחות אלו ומיקוד ללקוחות חדשים). ה-AI מהיר מאוד בשלב הראשון והשני, עוזר טוב בשלב השלישי, מציע אפשרויות רק בשלב הרביעי.

הכרת הסולם הזה חשובה מכיוון שרוב המנהלים מבקשים ישירות מה-AI "להחליט בשבילי" ומתוסכלים. עם זאת, אם תבצע AI שלב אחר שלב - תחילה תסכם, אחר כך תשווה, ואז תשאל סיבות אפשריות, ולבסוף תקבל את ההחלטה בעצמך - תהיו גם מהירים וגם מהימנים.

רמז: שאל את ה-AI "מה אתה מסיק מהנתונים האלה?" במקום לשאול בבת אחת, המשך צעד אחר צעד באמירה "תחילה סכם, לאחר מכן הצג את 3 השינויים הבולטים ביותר, ולאחר מכן הצע 2 סיבות אפשריות לכל אחד." חשיבה שלבית נותנת תוצאות מדויקות יותר.

מלכודת המתאם והסיבתיות

המלכודת המסוכנת ביותר של תמיכת החלטות היא טעות בקורלציה לסיבתיות. מתאם הוא כאשר שני דברים נעים יחד (מכירות גלידות וטביעות גדלות יחד בקיץ). סיבתיות היא כאשר אחד מוביל לשני (גלידה לא גורמת לחנק; מזג אוויר חם הוא הסיבה השכיחה). בינה מלאכותית טובה מאוד בלמצוא דברים שנעים יחד בנתונים שלך, אבל היא לא יכולה לדעת מהי הסיבה האמיתית. האמירה "הוצאות הפרסום גדלו והמכירות גדלו" לא מוכיחה שפרסום הגדיל את המכירות; אולי שניהם הושפעו מעונת החגים.

אז כאשר בינה מלאכותית מציעה סיבה, התייחס אליה כהשערה (הנחה שצריך להוכיח), לא כעובדה. "איך אני בודק את זה?" לִשְׁאוֹל. מנהל טוב בודק את הסיבה שה-AI מציע בשטח או עם נתונים.

שלושה מיני תיקים

מקרה 1 - לתפוס את הנפילה הסודית. בחברת מסחר אלקטרוני, המחזור הכולל נראה יציב, איש לא נבהל. המנהל נותן את הנתונים החודשיים האנונימיים לבינה מלאכותית ושואל "איזה פלח צומח ואיזה מתכווץ על בסיס קטגוריה?" הוא שאל. YZ הראתה שבעוד שהמחזור הכולל היה קבוע, קטגוריית האלקטרוניקה עם הרווחים הגבוהים ירדה למעשה ב-22%, כאשר מכירות אביזרים בעלות רווח נמוך מחסות זאת. המנהל אישר זאת והתמקד בקטגוריית האלקטרוניקה. המספר הכולל הוסתר; ההפסקה חשפה את האמת.

מקרה 2 - ריצה לגורם הלא נכון. מנהל רשת בתי קפה מסר נתוני מכירות לבינה מלאכותית. "מכירות סוף השבוע נעות עם טמפרטורת מזג האוויר", אמר YZ. המנהל קרא את זה כ"מזג אוויר חם מגדיל את המכירות" ודחה את המזגנים. עם זאת, הסיבה האמיתית הייתה תנועת הלקוחות המוגברת בסוף השבוע; הטמפרטורה נעה במקרה באותו כיוון. המנהל טעה בקורלציה כסיבתיות. הוא למד את הלקח ובדק כל סיבה מעתה ואילך.

מקרה 3 - ביסוס ההשוואה בצורה נכונה. הושוו יעילותם של שני מפעלים במפעל ייצור. המנהל שואל את ה-AI, "האם מפעל A יעיל יותר מ-B?" הוא שאל, אבל הבינה המלאכותית לא ידעה שמפעל A חדש וקטן יותר. המנהל תיקן את הנחיה: "השווה תשואה ליחידה, תוך התחשבות בגודל והפרשי גיל". הפעם הניתוח היה הוגן וההבדל האמיתי נחשף.

ארבע תבניות הניתנות להעתקה

1) מיצוי תובנה שלב:

תפקידך: אנליסט עסקי המסייע למנהל. השתמש בנתונים האנונימיים המצורפים (תקופה, קטגוריה, מכירות, עלות). המשך צעד אחר צעד: 1) סכם את הנתונים ב-4 פריטים. 2) הצג את 3 השינויים הבולטים ביותר בהשוואה לתקופה שעברה. 3) הצע עד 2 סיבות אפשריות לכל שינוי וציין שאלו השערות ויש צורך בראיות. אל תמציא מספרים שאינם קיימים בנתונים שאני מספק.

2) ניתוח פירוט (פלח):

גם אם המספרים הכוללים נראים יציבים, אני רוצה לדעת מה קורה בפנים. שבר את הנתונים המצורפים לפי קטגוריה/אזור/פלח לקוחות. הצג איזה פלח גדל ואיזה מתכווץ בטבלה. סמן במיוחד היפוכים המסווים את הסכום הכולל.

3) מבחן מתאם-סיבתי:

מצאתי את הקשר הזה: [A ו-B עוברים יחד]. עזרו לי להבחין אם זה סיבה ותוצאה אמיתית או רק פעולה ביחד. רשום סיבות נפוצות אפשריות והצע 3 בדיקות מעשיות שאני יכול לעשות כדי לבדוק את הקשר הזה.

4) יצירת אפשרות החלטה:

אישרתי את התובנה הזו: [תובנה]. אל תחליט בשבילי; במקום זאת, צור 3 אפשרויות פעולה שונות. לכל אפשרות: תועלת צפויה, עלות/מאמץ משוער, סיכון גדול ואיזה מצב יש להעדיף. הצג את האפשרויות באופן ניטרלי; לא לכפות מישהו.

הנחיה חלשה / הנחיה חזקה

הנחיה חלשה:

למה המכירות ירדו?

אין נתונים, אין תקופה, אין הקשר. AI מפרט סיבות כלליות (כלכלה, תחרות, עונה); אף אחד מהם אינו ספציפי למצב שלך ואינו ניתן לאימות.

הנחיה עוצמתית:

תפקידך: אנליסט קמעונאי. השתמש בנתונים האנונימיים המצורפים של 6 חודשים (חודש, אזור, קטגוריה, מספר מכירות, מחזור). המחזור הכולל ירד ב-8% בחודש האחרון. חלק את זה לפי אזור וקטגוריה; גלה מאיזה קטע מגיעה הירידה. הצע עד 2 השערות הניתנות לבדיקה עבור כל ירידה שתמצא. פשוט תשתמש במספרים שנתתי לך.

גודל

גישה גרועה

גישה חזקה

נתונים

אין

אנונימי ומצורף

שאלה

הכללית "למה?"

נשבר וממוקד

פלט

סיבות כלליות

השערות הניתנות לבדיקה

אימות

נמוך

גבוה

ערך החלטה

פחות

גבוה

טעויות נפוצות

• בהסתמך על המספר הכולל. בעוד שהסך הכל קבוע, יכולים להיות היפוכים גדולים בפנים; הקפד להסתכל על הפירוט.
• טעות בקורלציה לסיבתיות. ראה את הקשר ש-AI מוצא כהשערה שיש לבדוק, לא כהוכחה.
• השוואה לא הוגנת. אין להשוות יחידות בגדלים/גילאים/תנאים שונים מבלי לנרמל אותן.
• בקשת החלטות ישירות מה-AI. AI מייצר אפשרויות; אתה נושא באחריות ובהחלטה.
• הסקת מסקנות עם נתוני תקופה בודדת. נדרשים מספיק נתונים היסטוריים למגמות.

זהירות: לא משנה כמה תובנה נראית חכמה, היא לא צריכה להפוך להחלטה אם לא ניתן לאמת אותה מהנתונים שלך. "ה-AI אמר זאת" אינו הצדקה; "בדקתי את זה עם נתונים וזה אומת" זו הצדקה.

לסיכום

תמיכת החלטות היא הסולם שהופך נתונים לתובנה: נתונים, מידע, תובנה, החלטה. בינה מלאכותית מהירה מאוד בשני השלבים הראשונים, עוזרת טובה בשלישי, ורק ספקית אופציות ברביעית. תסתכל על הפירוטים, לא את המספרים הכוללים; אל תטעה בקורלציה בסיבתיות; ראה את הסיבות שה-AI מציע כהשערות לבדיקה. חשיבה שלבית נותנת תוצאות מדויקות יותר. ההחלטה הסופית היא של המנהל על סמך תובנה מאומתת.

משימת יישום

הכן מערך נתונים אנונימי מהעסק שלך (למשל, מכירות מבוססות קטגוריות ב-6 החודשים האחרונים). בקש מה-AI לבצע פירוט פלחים באמצעות התבנית "ניתוח פירוט" למעלה. צור השערה באמצעות תבנית "מבחן מתאם-סיבתי" לשינוי הגדול ביותר שמצאת ורשום כיצד תבדוק השערה זו בשטח ב-3 פריטים.

רשימת בדיקה

• [ ] האם עשיתי אנונימיות את הנתונים?
• [ ] האם הסתכלתי על הפירוט (הקטע) ולא על הסיכום?
• [ ] האם התייחסתי לסיבה שהציע ה-AI כהשערה?
• [ ] האם הגדרתי את ההשוואות בצורה הוגנת (מנורמלית)?
• [ ] האם קיבלתי את ההחלטה בעצמי על סמך תובנה מאומתת?