Nyereség:
- Képes az értékesítési, költség- és működési táblázatok mesterséges intelligenciával történő elemzésére, valamint trendek, törések és kiugró értékek észlelésére
- Számtani hibák és hallucinációk elleni igazolás képessége minden számítás újbóli elvégzésével vagy manuális ellenőrzésével
- Képes megkülönböztetni a korrelációt az ok-okozattól, és megkérdőjelezni az adatok minőségét és a mintahatárokat az értelmezés előtt
A vezetési tanácsadásban az egyik leggyakrabban ismételt kifejezés: "Mit mondanak a számok?" Az ügyfél értékesítési adatai, költségtáblázata, ügyfélszegmensei vagy működési mutatói; mindegyik egy történetet mesél el. A tanácsadó feladata az, hogy megtalálja a történetet, bebizonyítsa, és világosan megmutassa a döntéshozónak. A mesterséges intelligencia másodpercek alatt értelmez egy diagramot, rámutat a trendekre, számításokat végez, és még kódot is generál (Python, Excel képlet) elemzéshez. De itt van egy különös veszély: a mesterséges intelligencia csendben hibázhat az aritmetikában, és rossz számot mutathat be megfelelő bizalommal. Ezért az adatelemzés aranyszabálya az, hogy minden számítást újra vagy manuálisan ellenőrizzünk.
Az adatokkal való munka két módja
Az AI-val két elsődleges adatelemzési módszer létezik, és a különbség ismerete kritikus a pontosság szempontjából.
- A modell szöveges értelmezése: Közvetlenül beilleszted az adatokat a chatbe, és azt mondod, hogy "megjegyzés". A modell olvassa a mintákat, de "mentálisan" elvégzi a számításokat; Ez a legnagyobb hibakockázatú út. Kis táblázatokra és minőségi értelmezésre alkalmas, precíz elszámolásra nem.
- Kód/eszköz generálás: Elemző kódot (Python/pandas) vagy Excel képletet nyomtat a modellre; A kód végzi a számítást, nem a modell. Ez a módszer sokkal megbízhatóbb, mert az aritmetika determinisztikus eszközben működik. Inkább nagy adatokhoz és pontos számokhoz.
Tipp: Ha pontos számra van szüksége (teljes forgalom, átlag, növekedési ütem), kérje meg a modellt, hogy "írja meg az Excel képletet/Python kódot, amely ezt kiszámítja", futtassa le az eredményt. Soha ne tekintse véglegesnek a modell által megadott számot.
Az elemzési prompt beállítása
A jó elemzési felszólítás tartalmazza az adatokat, a feltett kérdést és az érvényesítési szabályt.
Az Ön szerepe: adatelemző. Az alábbiakban egy 24 hónapos értékesítési diagram látható (hónap, régió, termék, mennyiség, forgalom). Feladat: 1) Foglalja össze a teljes és a havi forgalom alakulását! 2) Keresse meg a 3 leggyorsabban növekvő és leggyorsabban csökkenő régió-termék bontást. 3) Jelölje meg, ha vannak kiugró értékek (váratlan ugrás/esés). Szabályok:- Írja mellé az egyes számításokat elvégző Excel-képletet; Ellenőrizni fogom.- Válassza le az értelmezést az adatoktól: először „az adat mondja”, majd „lehetséges jelentés”.- Ne állítson ok-okozati összefüggést; csak mintát mutasson.
Ennek a kérésnek három kritikus eleme van: a képlet megkövetelése (ellenőrizhetőség), az adatok elkülönítése az értelmezéstől (integritás), valamint az ok-okozati összefüggés megtiltása (a következő szakasz tárgya).
A korreláció nem okozati összefüggés
A leggyakoribb és legköltségesebb logikai hiba az elemzésben az, ha feltételezzük, hogy két dolog együttes fellépése egyike okozza a másikat. Csak azért, mert két változó együtt növekszik (korreláció), nem bizonyítja, hogy az egyik okozza a másikat (ok-okozati összefüggés); Lehet, hogy van egy harmadik tényező vagy egybeesés. Klasszikus példa: ahogy nő a fagylalt eladás, úgy nőnek a vízbefulladások is; Az ok nem a fagyi, a meleg idő mindkettőt feldobja.
A mesterséges intelligencia könnyen írhat összefüggést, mivel „X növeli Y-t”. Amikor a tanácsadó ezt a mondatot látja, meg kell állnia és megkérdeznie: "Valóban ez az oka, vagy van valami rejtett tényező?" Az okozati összefüggés állítása; a kontrollált összehasonlításhoz az idősor és a tartomány ismerete szükséges.
Az Ön szerepe: kritikus adatelemző.A következő elemzés egy "X növeli Y" állítást tartalmaz.Feladat:- Értékelje ki, hogy ez a kapcsolat összefüggés vagy indokolt ok-okozati összefüggés.- Soroljon fel 3 lehetséges látens (harmadik) tényezőt, amely mindkettőt befolyásolhatja.- Mondja el, milyen további bizonyítékok (összehasonlító csoport, idősor) szükségesek az ok-okozati összefüggés alátámasztásához.Használjon szigorú ok-okozati nyelvezetet; Írd be, hogy „lehetséges” és „tesztelni kell”.
Adatminőség megkérdőjelezése értelmezés előtt
A jó elemzés nem származik rossz adatokból. Tegye fel a következő kérdéseket minden diagramon, mielőtt hozzászólna:
irányítani
Miért fontos?
Hogyan kell törődni
hiányzó adatok
Az üres cellák torzítják az átlagot
Számolja üres/nulla arányt
kiugró értékek
Egyetlen kiugró érték torzítja a trendet
Nézd meg a min-max-ot és az eloszlást
Definíció konzisztenciája
A "forgalom" minden hónapban azonos?
Erősítse meg az oszlop meghatározását
időtartomány
A szezonalitás félrevezet?
Hasonlítsa össze évről évre
minta
Az adatok az egész univerzumot reprezentálják?
Kérje a fedezet mértékét
A táblázat ÉRTELMEZÉSE előtt végezzen adatminőség-ellenőrzést:- Mekkora a hiányzó/nulla cella arány?- Mely sorokban vannak a szélső (kiugró) értékek?- Konzisztensek az oszlopdefiníciók, vannak-e gyanúsak? Csak adjon könyvvizsgálói jelentést; Még ne kommentelj.
három mini tok
1. eset – Néma aritmetikai hiba. Egy tanácsadó a modell 12 havi forgalmát gyűjti össze; a modell szerint „142,6 millió”. A tanácsadó Excelben ellenőrzi: tényleges összesen 128,4 millió; A modell helytelenül adott hozzá két hónapot. Ha a fejszámolás helyett egy képletet kértek volna, nem történt volna hiba. Ha rossz számot adtak volna be az előadásba, az ügyfelek bizalma megrendült volna.
2. eset – Hamis ok-okozati összefüggés. Egy kiskereskedőnél a modell azt mondja: "A forgalom azokban a hónapokban nőtt, amikor a kedvezményt felajánlották, tehát a kedvezmény növeli a forgalmat." Megáll a tanácsadó: már az ünnepek alatt is kedvezményeket adnak; A fő mozgatórugó az üdülési kereslet. A kedvezmény hatásának méréséhez össze kell hasonlítani a kedvezmény nélküli nyaralással. A hamis következtetés megakadályozza az olyan árréseket égető javaslatokat, mint a „minden hónapban engedményezzünk”.
3. eset – Kiugró csapda. A zóna átlagos rendelési értéke abnormálisan magasnak tűnik. A modell ezt "prémium zónaként" értelmezi. A tanácsadó nyitja a sort: egyetlen 4,2 milliós vállalati megrendelés feldobta az átlagot; Ha ezt a vonalat eltávolítjuk, a régió közönséges. A medián használata eleve elkerülné ezt a csapdát.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Elemezze ezt az értékesítési diagramot, és mondja el a legfontosabb megállapításokat.
A modell előre kalkulál, ok-okozati összefüggést állít fel, és ellenőrizhetetlen megállapításokat ad.
Erőteljes felszólítás:
Az Ön szerepe: aprólékos adatelemző. Először végezzen adatminőségi auditot (hiányzó, kiugró érték, definíciókonzisztencia). Ezután: havi trend, top 3 bontás, kiugró értékek.- Írja meg az Excel képletet minden fiókhoz; Ellenőrzöm.- Adja meg a mediánt is az átlag helyett (a kiugró hatás megtekintéséhez).- Különítse el az "adat mondja" a "lehetséges jelentés"-től; NE KÖVETELJEN ok-okozati összefüggést. - Ha nem vagy biztos benne, jelöld meg a "nem világos"-t.
Szegmentáció: az igazság, amit az átlag rejt
A tanácsadói elemzés egyik legerősebb lépése a szegmentálás: az összes szám értelmes alcsoportokra bontása. Az „átlagos vásárló” gyakran nem létező konstrukció; Az igazság az alcsoportokban rejtőzik. Például míg az átlagos haszonkulcs 8-nak tűnik, az ügyfelek 20%-a hozhat 25%-os haszonkulcsot és 30%-a veszteséget; átlag teljesen elrejti ezt a tényt. A mesterséges intelligencia segítségével gyorsan lebonthatja a diagramot különböző tengelyekre (ügyféltípus, régió, termék, csatorna), és megtalálhatja, hogy melyik bontás mutatja a legszembetűnőbb különbséget.
Az Ön szerepe: adatelemző. A táblázat az alábbi.Feladat: Törje meg ezeket az adatokat a következő tengelyen: [vevőtípus / régió / termék].Minden csoporthoz: összesen, részesedés (%), átlag ÉS medián, csoport mérete (n).Szabályok:- Ha csoport n<30, jelölje be a "kis minta - figyelem".- Írja le az egyes fiókokhoz tartozó képletet; Ellenőrizni fogom.- Mutasd a legmagasabb és legalacsonyabb csoportot; Értékelje, hogy a különbség valós-e, vagy egyetlen kiugró értéknek köszönhető. Először is hadd mondjam el, melyik bontásra számítok: [hipotézis].
Gyakori hibák
- A modell fejszámítására támaszkodva. Az aritmetika kiszervezése a determinisztikus eszközre (Excel/Python); Ellenőrizze az eredményt függetlenül.
- Az ok-okozati összefüggés összetévesztése. Ne írja le az "X növeli Y" mondatot bizonyíték nélkül; Kérdezzen a rejtett tényezőről.
- Vakon az átlagot nézve. Az egyetlen kiugró érték felfújja az átlagot; Lásd még a mediánt és az eloszlást.
- Az adatminőség megkerülése. A hiányos, ismétlődő vagy ellentmondó adatokból származó értelmezések félrevezetőek; először ellenőrizze.
- A példát elfelejtve. Egy kis vagy elfogult mintáról a teljes sokaságra történő általánosítás hibás eredményekhez vezet.
- Zavaros adatok az értelmezéssel. Mutasd meg külön, mi a mérés és mi a következtetés!
Figyelem: Ha a pénzügyi, egészségügyi vagy üzembiztonsági adatok elemzésének eredménye lesz a döntés alapja, a számításokat és az értelmezést az illetékes szakértővel (pénzügyi tanácsadó, aktuárius, terepszakértő) meg kell erősíteni. A mesterséges intelligencia előzetes elemzést készít; A végső értékelés és a felelősség az embereké.
Összefoglalva
A mesterséges intelligencia hatékony segítség a táblázatos adatok értelmezésében, a trendek és bontások megtalálásában, valamint az elemző kód létrehozásában. De mivel csendben hibázhat az aritmetikában, minden számítást újra kell végezni egy determinisztikus eszközzel, és manuálisan ellenőrizni kell. A korreláció és az ok-okozati összefüggés elkülönítése, az átlag melletti medián vizsgálata, az adatminőség értelmezés előtti ellenőrzése, a mintahatárok betartása a tanácsadás alapvető tudománya. A modell mintát mutat; Az emberek értelmet és felelősséget teremtenek.
Pályázati feladat
Válasszon egy tényleges vagy reprezentatív értékesítési/költségkimutatást. Először futtassa az adatminőség-ellenőrzési promptot, és keressen legalább egy hibát (hiányzó, kiugró érték, definíciós inkonzisztencia). Ezután kivonja a trendeket és a kitöréseket a hatékony elemzési prompt segítségével; Manuálisan is ellenőrizze az egyes fiókok képletét. Hasonlítsa össze az átlagot a mediánnal, és fedezze fel a kiugró hatást. Végül keressen egy oksági állítást, amelyet a modell ír le, és fogalmazza meg „korrelációként”.
ellenőrző lista
- [ ] Minden pontos számítást újra lefuttattam a determinisztikus eszközzel (Excel/Python).
- [ ] A kommentálás előtt adatminőség-ellenőrzést végeztem.
- [ ] Az átlagon kívül a mediánt és az eloszlást is megnéztem.
- [ ] Megőriztem a korreláció-okozati megkülönböztetést.
- [ ] Megkérdőjeleztem a minta és az időtartam határait.
- [ ] Elválasztottam az "adat mondja" és a "lehetséges jelentés" kifejezést.
- [ ] Döntéskritikai elemzésben terveztem szakértői jóváhagyást.