लाभ:
- डेटा के साथ काम करने की गुणवत्ता, गोपनीयता और व्याख्या के खतरों को पहचानता है और एक सुरक्षित विश्लेषण प्रवाह स्थापित करता है।
- यह किसी उद्देश्य के लिए सही संकेतक का चयन करता है, भ्रामक एकल संकेतकों और मापों के बीच अंतर करता है जो हेरफेर के लिए खुले हैं।
- यह भ्रामक चार्ट तकनीकों को पहचानता है (अक्ष शून्य से शुरू नहीं होता, चयनित सीमा) और ईमानदार विज़ुअलाइज़ेशन का निरीक्षण करता है।
जनता हर दिन डेटा तैयार करती है: आवेदन संख्या, समाधान समय, बजट आइटम, जनसंख्या आंदोलन, सेवा अनुरोध, ऑडिट परिणाम, संतुष्टि सर्वेक्षण। इस डेटा का अधिकांश हिस्सा एक्सेल स्प्रेडशीट, फॉर्म और रिकॉर्डिंग सिस्टम में रहता है, लेकिन निर्णय में तब्दील नहीं होता है - क्योंकि इसका विश्लेषण करने के लिए विशेषज्ञता और समय की आवश्यकता होती है। डेटा-आधारित निर्णय लेने (संसाधनों को आवंटित करने और राय या आदत के बजाय मापा साक्ष्य के आधार पर नीति निर्धारित करने का एक दृष्टिकोण) सार्वजनिक क्षेत्र में दक्षता और निष्पक्षता दोनों को बढ़ाता है: संख्या के आधार पर संसाधन वहां जाते हैं जहां उनकी सबसे अधिक आवश्यकता होती है। यहां, एआई एक तालिका को समझने, पैटर्न और विसंगतियों को ढूंढने, सारांश आंकड़े निकालने और निष्कर्षों को सरल वाक्यों में अनुवाद करने में एक शक्तिशाली सहायक है। इस इकाई में, आप देखेंगे कि एआई के साथ कच्चे सार्वजनिक डेटा से रक्षात्मक निर्णय तक का रास्ता कैसे छोटा किया जाए और सबसे महत्वपूर्ण पहलू - संख्या की सही व्याख्या - में अनुशासित रहें।
डेटा के साथ काम करने के तीन खतरे
डेटा शक्तिशाली है, लेकिन इसमें तीन जाल हैं, और एआई इन जालों को कम और बढ़ा सकता है:
- सहसंबंध ≠ कारण. सिर्फ इसलिए कि दो चीजें एक साथ बदलती हैं इसका मतलब यह नहीं है कि एक दूसरे का कारण बनती है। आइसक्रीम की बिक्री और डूबना बढ़ रहा है - क्योंकि ये दोनों गर्मी की गर्मी से जुड़े हैं, न कि एक दूसरे के कारण। एआई धाराप्रवाह "क्योंकि" वाक्य बनाता है; कार्य-कारण के प्रत्येक दावे पर प्रश्न उठाएँ।
- पक्षपातपूर्ण/अनुपलब्ध डेटा. डेटा किससे और कैसे एकत्र किया गया? शिकायत डेटा केवल उन लोगों को दर्शाता है जो शिकायत कर सकते हैं; डिजिटल एप्लिकेशन डेटा जिनके पास इंटरनेट तक पहुंच है। यदि आप लापता समूह को नहीं देखते हैं, तो निर्णय पक्षपातपूर्ण होगा।
- संदर्भ के बिना संख्या. अकेले "30% की वृद्धि" अर्थहीन है: किसके अनुसार, किस अवधि में, पूर्ण संख्या क्या है? संदर्भ के लिए एआई से पूछें।
ध्यान दें: जबकि एआई आपके द्वारा प्रदान की गई तालिका का विश्लेषण करता है, यह कभी-कभी तालिका के बाहर से "उचित" लेकिन काल्पनिक संख्याएं जोड़ता है या गायब कोशिकाओं को चुपचाप भर देता है। प्रत्येक आउटपुट संख्या की तुलना स्रोत तालिका से करें; एआई को नियम दें "मेरे द्वारा दी गई तालिका में केवल मानों का उपयोग करें, यदि गायब हो तो कहें 'कोई डेटा नहीं'"।
चरण दर चरण डेटा विश्लेषण प्रवाह
- प्रश्न स्पष्ट करें. फैसले के लिए हम किस सवाल का जवाब तलाश रहे हैं? ("किस पड़ोस में समाधान का समय सबसे अधिक समय लगता है?")
- जानिए डेटा. कॉलम क्या हैं, इकाई क्या है, अवधि क्या है, क्या कोई लुप्त/गलत मान हैं?
- व्यक्तिगत डेटा निकालें. यदि विश्लेषण के लिए व्यक्तिगत पहचान की आवश्यकता नहीं है तो अज्ञात/एकत्रित करें (इकाई 11 देखें)।
- सारांश और पैटर्न उभर कर आता है। एआई से बुनियादी आँकड़े, समूहीकरण और विसंगति अंकन करने को कहें।
- टिप्पणी पर सवाल उठायें. सहसंबंध या कारण? वैकल्पिक स्पष्टीकरण? गुम समूह?
- कल्पना करें और सरल बनाएं. एक सरल सारांश और ग्राफ़िक जिसे निर्णय लेने वाला समझ सके।
- निर्णय और उसके तर्क का दस्तावेजीकरण करें। किस डेटा के आधार पर क्या निर्णय लिया गया? लेखापरीक्षा।
तीन मिनी मामले
केस 1 - स्रोत सही जगह पर गया। अतीत में, नगर पालिका अपने पार्क रखरखाव बजट को "प्रत्येक पड़ोस में समान रूप से" वितरित करती थी। जब 18 महीने की मांग और उपयोग डेटा का एआई के साथ विश्लेषण किया गया, तो तीन पड़ोस की प्रति व्यक्ति मांग औसत से 2.4 गुना थी। आवश्यकता के अनुसार बजट का पुनर्वितरण किया गया; अतिरिक्त खर्च के बिना, समग्र संतुष्टि में वृद्धि हुई।
केस 2 - पक्षपातपूर्ण डेटा देखा गया। एक एजेंसी डिजिटल एप्लिकेशन डेटा को देखेगी और निष्कर्ष निकालेगी कि "नागरिक अब टोल बूथ पर नहीं आ रहे हैं।" लेकिन जब विश्लेषण में आयु विभाजन का अनुरोध किया गया, तो यह देखा गया कि 65 वर्ष से अधिक आयु के आवेदन अभी भी ज्यादातर काउंटर से आ रहे थे। यदि केवल डिजिटल डेटा पर ध्यान दिया जाता, तो इस समूह को नजरअंदाज कर दिया जाता; बॉक्स ऑफिस सेवा को संरक्षित रखा गया।
केस 3 - कल्पित कारण रोक दिया गया। एक तालिका की व्याख्या करते हुए, YZ ने कहा, "दुर्घटनाओं में कमी आई क्योंकि निरीक्षणों की संख्या बढ़ गई।" विश्लेषक ने याद दिलाया कि उसी अवधि में मौसम भी बदला और यातायात में कमी आई; इसे किसी एक कारण से जोड़ना भ्रामक था। रिपोर्ट को यह कहते हुए सही किया गया कि "एक रिश्ता है लेकिन कार्य-कारण सिद्ध नहीं हुआ है।"
चार प्रतिलिपि योग्य टेम्पलेट
1) तालिका को जानना:
आपकी भूमिका: डेटा विश्लेषक. नीचे दी गई तालिका की जाँच करें और, केवल इस तालिका के मानों के आधार पर: (1) संक्षेप में बताएं कि प्रत्येक कॉलम क्या है, इसकी इकाई और अवधि, (2) कोई भी कोशिका जो गायब/गलत दिखाई देती है, (3) शीर्ष 3 पैटर्न को सारांशित करें जो सामने आते हैं। तालिका के बाहर से संख्याएँ जोड़ना; यदि गायब है, तो कहें "कोई डेटा नहीं"। तालिका: [डेटा चिपकाएँ]
2) संदर्भ सहित सारांश आँकड़े:
नीचे दी गई तालिका से निम्नलिखित प्रश्न का उत्तर दें: [प्रश्न]। संदर्भ के साथ परिणाम अवश्य दें: पूर्ण संख्या + दर + तुलना अवधि। जब आप कहते हैं "X% की वृद्धि", निर्दिष्ट करें कि किस हद तक और किस अवधि में। बस दिए गए डेटा का उपयोग करें। तालिका: [डेटा] प्रश्न: [प्रश्न]
3)कारण प्रश्नकर्ता:
निम्नलिखित निष्कर्ष की व्याख्या करें, लेकिन सावधानी: कार्य-कारण के साथ सहसंबंध को भ्रमित न करें। इस संबंध के लिए कम से कम 3 वैकल्पिक स्पष्टीकरण उत्पन्न करें (तीसरा चर, विपरीत दिशा, संयोग)। मुझे बताएं कि कार्य-कारण सिद्ध करने के लिए किस अतिरिक्त डेटा की आवश्यकता है। खोज: [संबंध]
4) निर्णय के लिए सरल सारांश:
किसी निर्णय निर्माता के लिए जो डेटा विशेषज्ञ नहीं है, निम्नलिखित विश्लेषण को सरल बनाएं: 5 से अधिक आइटम नहीं, प्रत्येक आइटम एक निष्कर्ष और एक "इसका क्या मतलब है" स्पष्टीकरण। डेटा की अनिश्चितताओं और सीमाओं को भी स्पष्ट रूप से लिखें। नई जानकारी जोड़ना।विश्लेषण: [पाठ]
कमजोर संकेत/मजबूत संकेत
कमज़ोर: "इस चार्ट का विश्लेषण करें और हमें बताएं कि हमें क्या करना चाहिए।"
मजबूत: "आपकी भूमिका डेटा विश्लेषक है। केवल नीचे दी गई तालिका का उपयोग करें; बाहर से संख्याएं न जोड़ें, लापता सेल में 'कोई डेटा नहीं' कहें। सबसे पहले, कॉलम, इकाइयों और अवधि को जानें। फिर प्रश्न का उत्तर दें 'किस पड़ोस में सबसे लंबा समाधान समय है' पूर्ण संख्या + अनुपात + तुलना अवधि के साथ। यदि आपको कोई पैटर्न मिलता है, तो इसे कार्य-कारण के साथ समझाने से पहले 3 वैकल्पिक स्पष्टीकरण के साथ आएं। अंत में, डेटा (लापता समूह, छोटी अवधि) के बिंदुओं और सीमाओं को सूचीबद्ध करें जो निर्णय पर छोड़ देते हैं हमें।"
अंतर: मजबूत संकेत डेटा निष्ठा, संदर्भ, कार्य-कारण अनुशासन और निर्णय-सीमा को एक साथ स्थापित करता है; आउटपुट एक रक्षात्मक विश्लेषण है।
डेटा व्यवसाय में AI पर कहां भरोसा किया जा सकता है?
व्यापार
एआई भरोसा
नियम
तालिका सारांश, समूहीकरण
उच्च
केवल डेटा दिया गया है
विसंगति/पैटर्न अंकन
मध्यम
मानव पुष्टि
कारणता व्याख्या
कम
वैकल्पिक स्पष्टीकरण की आवश्यकता है
छूटे हुए डेटा को भरना
बहुत कम
ऐसा मत करो; "कोई डेटा नहीं"
सरलीकरण/दृश्य सारांश
उच्च
अर्थ की रक्षा होनी चाहिए
संकेतक डिज़ाइन और भ्रामक चार्ट जाल
डेटा के साथ निर्णय लेने में सबसे महत्वपूर्ण कदम सही संकेतक चुनना है (संख्यात्मक अभिव्यक्ति जो किसी घटना को मापने योग्य बनाती है - उदाहरण के लिए, "औसत प्रसंस्करण समय" या "प्रति एप्लिकेशन लागत")। गलत संकेतक सटीक डेटा के साथ भी गलत निर्णय की ओर ले जाता है: जबकि "समाधान किए गए दावों की कुल संख्या" बढ़ती दिख रही है, "प्रति नागरिक प्रतीक्षा समय" खराब हो सकता है। एआई किसी विषय के लिए उम्मीदवार संकेतकों को सूचीबद्ध कर सकता है और प्रत्येक क्या मापता है और क्या छुपाता है; लेकिन आप तय करें कि कौन सा संकेतक वास्तव में सार्वजनिक हित का प्रतिनिधित्व करता है। इसके अलावा, एआई द्वारा सुझाए या वर्णित ग्राफ़ में भ्रामक विज़ुअलाइज़ेशन (शून्य से शुरू नहीं होने वाली धुरी, अनुपातहीन पैमाने, चयनित समय अंतराल जैसी तकनीकों के साथ धारणा को विकृत करना) के जोखिम से अवगत रहें; सार्वजनिक डेटा में ईमानदार दृश्य शासन का हिस्सा है।
मिनी केस - गलत संकेत, गलत शेखी बघारना। एक इकाई "प्रति माह बंद की गई फ़ाइलों की संख्या" संकेतक में रिकॉर्ड तोड़ रही थी; लेकिन नागरिक शिकायतें बढ़ीं। सटीक संकेतक, "प्रथम संपर्क समाधान दर" को देखते हुए, दर 58 प्रतिशत से गिरकर 44 प्रतिशत हो गई - फ़ाइलें जल्दी से बंद और फिर से खोली जा रही थीं। जब संकेतक बदला तो प्रबंधन की प्राथमिकता भी बदल गई।
मिनी केस - अक्ष जो शून्य से शुरू नहीं होता है। एक प्रेजेंटेशन में वर्णित ग्राफ एआई पर, ऊर्ध्वाधर अक्ष 40 से शुरू होता है, 2 प्रतिशत की वृद्धि एक नाटकीय छलांग की तरह लगती है। जब अक्ष को शून्य पर ले जाया गया, तो वास्तविक तस्वीर सामने आई और निर्णय को अतिरंजित धारणा से हटा दिया गया।
टेम्प्लेट जो संकेतक चयन का समर्थन करता है:
कार्य: निम्नलिखित उद्देश्य के लिए 5 उम्मीदवार संकेतक सुझाएं। उद्देश्य: [उदा। नागरिक सेवा गुणवत्ता में सुधार] प्रत्येक संकेतक के लिए: यह क्या मापता है | यह क्या छुपा सकता है | हेरफेर के लिए खुलापन | अनुशंसित पढ़ने की आवृत्ति। अगला: इन संकेतकों को एक साथ पढ़ने के लिए 3 चेतावनियाँ (जो स्वयं भ्रामक हैं) लिखें। नियम: संख्याएँ उत्पन्न न करें; बस संकेतक डिज़ाइन का सुझाव दें।
सावधानी: इस ग़लतफ़हमी में न रहें कि "संख्या वस्तुनिष्ठ है"। आप कौन सी संख्या मापते हैं, आप इसे कैसे प्रदर्शित करते हैं, और आप कौन सी सीमा चुनते हैं, यह सब व्याख्या का विषय है। पारदर्शी और ईमानदार सार्वजनिक व्याख्या उतनी ही महत्वपूर्ण है जितना सटीक डेटा होना।
सामान्य गलतियाँ
- सहसंबंध को कार्य-कारण समझने की भूल करना। "एक साथ वृद्धि" इसका कारण नहीं है; वैकल्पिक स्पष्टीकरण खोजें.
- एआई का उपयोग करके गुम डेटा भरना। विश्लेषण एक बने-बनाए मूल्य के साथ ढह जाता है; लापता को लापता छोड़ दो.
- पक्षपातपूर्ण डेटा का सामान्यीकरण। शिकायत/डिजिटल डेटा हर किसी का प्रतिनिधित्व नहीं करता है; लुप्त समूह से पूछताछ करें.
- बिना सन्दर्भ के संख्या प्रस्तुत करना। अनुपात के आगे एक पूर्ण संख्या और तुलना अवधि होनी चाहिए।
- व्यक्तिगत डेटा का अनावश्यक रूप से विश्लेषण करना। यदि एकत्रित डेटा पर्याप्त है तो व्यक्तिगत पहचान का उपयोग न करें।
- निर्णय का दस्तावेजीकरण नहीं किया जा रहा है। ऑडिटिंग के लिए कौन सा डेटा रिकॉर्ड किया जाना चाहिए, इसके आधार पर क्या निर्णय लिया गया।
सारांश
सार्वजनिक क्षेत्र में संसाधनों को निष्पक्ष और कुशलतापूर्वक वितरित करने के लिए डेटा-आधारित निर्णय लेना सबसे शक्तिशाली तरीका है; एआई इस व्यवसाय में एक तेज़ सहायक है जो तस्वीर को समझता है, पैटर्न ढूंढता है और खोज को सरल बनाता है। लेकिन एआई को संख्याएं न बनाने दें, इसे लापता डेटा भरने के लिए न कहें, इसे कार्य-कारण के साथ सहसंबंध को भ्रमित न करने दें, और पक्षपातपूर्ण/अपूर्ण डेटा को सामान्य बनाने से बचें। संख्या में बल होता है; जो व्यक्ति इसकी सही व्याख्या करता है और निर्णय का दस्तावेजीकरण करता है वह अधिक मजबूत होता है।
आवेदन कार्य
अपनी इकाई से एक वास्तविक (व्यक्तिगत डेटा छीन लिया गया) तालिका प्राप्त करें। "तालिका को जानना" टेम्पलेट के साथ डेटा का परिचय दें, फिर "प्रासंगिक सारांश सांख्यिकी" टेम्पलेट के साथ निर्णय के लिए एक महत्वपूर्ण प्रश्न का उत्तर दें। उभरते रिश्ते पर "कारण प्रश्नकर्ता" टेम्पलेट लागू करें और कम से कम एक वैकल्पिक स्पष्टीकरण ढूंढें। जाँचें कि क्या AI तालिका के बाहर से संख्याएँ जोड़ रहा है।
चेकलिस्ट
- [ ] एआई ने केवल दी गई तालिका का उपयोग किया; उन्होंने बाहर से नंबर नहीं जोड़े.
- [ ] मैंने छूटा हुआ डेटा नहीं भरा; मैंने इसे "कोई डेटा नहीं" के रूप में छोड़ दिया।
- [ ] मैंने प्रत्येक परिणाम को संदर्भ (पूर्ण संख्या + दर + अवधि) के साथ प्रस्तुत किया।
- [ ] मैंने कार्य-कारण संबंधी दावों के लिए एक वैकल्पिक स्पष्टीकरण प्रस्तुत किया।
- [ ] मैंने पक्षपातपूर्ण/लापता डेटा और लापता समूह के जोखिम का मूल्यांकन किया।
- [ ] मैंने निर्णय और उस डेटा का दस्तावेजीकरण किया जिस पर यह आधारित था।