Nyereség:
- Képes döntésorientált betekintést előállítani szórt adatokból az adat-információ-betekintés-döntési létra megértésével és a mesterséges intelligencia lépésről lépésre történő végrehajtásával
- Képes felfedni a teljes számok által rejtett igazságot a szegmensbontáson keresztül, és megkülönböztetni a korrelációt az ok-okozati összefüggéstől
- Képes arra, hogy a mesterséges intelligencia által javasolt okokat tesztelendő hipotézisekként kezelje, és a végső döntést igazolt betekintésre alapozza
Naponta tucatnyi szám érkezik egy menedzser asztalára: eladási adatok, költségek, vásárlói panaszok, készletszintek, alkalmazottak fluktuációi. De nem a szám önmagában dönt. A döntés a szám jelentésének meglátásával kezdődik. „Az eladások 8 százalékkal csökkentek a múlt hónaphoz képest” – ez adott; „Az eladások csökkenése annak tudható be, hogy az égei-tengeri régióban két nagy ügyfél elhalasztotta a rendeléseit” – derül ki a betekintésből. Itt a döntéstámogatás – az a folyamat, amely értelmet ad az adatoknak a menedzser számára, hogy jobb döntéseket hozhasson – az a híd, amely az adatokat betekintést nyeri. Ebben az egységben megtanuljuk, hogyan kell használni az AI-t ezen a hídon. A határ kezdettől fogva egyértelmű: az AI vázlatos betekintést készít; A menedzser dönti el, hogy melyik belátás valós, és mit tegyen.
Négy lépés az adatoktól a betekintésig
A döntéstámogatás egy létra. Első számjegy — adatok: nyers számok (1240 rendelés érkezett ebben a hónapban). Második számjegy – információ: szerkesztett, összehasonlított számok (8 százalékos csökkenés a múlt hónaphoz képest). Harmadik szint – betekintés: a csökkenés okának megértése (két fő ügyfél késése). Negyedik lépés – döntés: mit tegyünk (interjúzzunk ezekkel az ügyfelekkel, és célozzuk meg az új ügyfeleket). Az AI nagyon gyors az első és a második lépésben, jó segítő a harmadikon, csak a negyedikben kínál lehetőségeket.
Fontos tudni ezt a létrát, mert a legtöbb menedzser közvetlenül arra kéri az AI-t, hogy „döntse el helyettem”, és frusztrált lesz. Ha azonban lépésről lépésre hajtja végre a mesterséges intelligenciát - először összegzi, majd összehasonlítja, majd megkérdőjelezi a lehetséges okokat, és végül maga hozza meg a döntést -, akkor gyors és megbízható lesz.
Tipp: Kérdezd meg az AI-t „mire következtetsz ezekből az adatokból?” Ahelyett, hogy egyszerre kérdezne, haladjon lépésről lépésre azzal, hogy "először összegezze, majd mutassa meg a 3 legjelentősebb változást, majd javasoljon 2 lehetséges okot mindegyikre." A lépcsőzetes gondolkodás pontosabb eredményt ad.
A korreláció és oksági csapda
A döntéstámogatás legveszélyesebb buktatója a korreláció összetévesztése az okozati összefüggéssel. Az összefüggés az, ha két dolog együtt mozog (nyáron együtt nő a fagylalt és a vízbefulladás). Az ok-okozati összefüggés az, amikor az egyik a másikhoz vezet (a fagylalt nem okoz fulladást, a meleg időjárás a gyakori ok). Az AI nagyon jó abban, hogy megtalálja azokat a dolgokat, amelyek együtt mozognak az adatokban, de nem tudja megállapítani, hogy mi a valódi ok. Az, hogy „növekedtek a hirdetési kiadások és nőttek az eladások”, nem bizonyítja, hogy a reklámok növelték az eladásokat; talán mindkettőre hatással volt az ünnepi időszak.
Tehát amikor a mesterséges intelligencia okot javasol, kezelje azt hipotézisként (bizonyítandó feltételezésként), ne tényként. "Hogyan teszteljem ezt?" kérdez. A jó menedzser terepen vagy adatokkal teszteli az MI által javasolt okot.
három mini tok
1. eset – A titkos esés elkapása. Egy e-kereskedelmi cégnél stabilnak tűnt a teljes forgalom, senki sem riadt meg. A menedzser átadja az anonim havi adatokat az MI-nek, és megkérdezi: "Melyik szegmens növekszik és melyik csökken kategóriánként?" – kérdezte. Az YZ kimutatta, hogy bár a teljes forgalom állandó volt, a nagy profitot hozó elektronikai kategória valójában 22 százalékkal esett vissza, az alacsony profittal járó tartozékeladások ezt elfedték. A menedzser megerősítette ezt, és az elektronikai kategóriára összpontosított. A teljes számot eltitkolták; A szünet feltárta az igazságot.
2. eset – Rossz okra futva. Egy kávézólánc menedzsere értékesítési adatokat adott át az AI-nak. "A hétvégi eladások az időjárási hőmérséklettel együtt mozognak" - mondta YZ. A menedzser ezt úgy olvasta, hogy "a meleg időjárás növeli az eladásokat", és lekapcsolta a légkondicionálókat. Az igazi ok azonban a hétvégén megnövekedett ügyfélforgalom volt; A hőmérséklet véletlenül ugyanabba az irányba mozdult el. A menedzser félreértette a korrelációt az okozati összefüggéssel. Megtanulta a leckét, és mostantól minden okot tesztelt.
3. eset – Az összehasonlítás helyes megállapítása. Egy termelő vállalkozás két gyárának hatékonyságát hasonlították össze. A menedzser megkérdezi az MI-t: „Az A gyár hatékonyabb, mint a B?” – kérdezte, de az AI nem tudta, hogy az A gyár újabb és kisebb. A menedzser kijavította a felszólítást: "hasonlítsa össze az egységenkénti hozamot, figyelembe véve a méretet és a korkülönbséget." Ezúttal korrekt volt az elemzés, és kiderült a valódi különbség.
Négy másolható sablon
1) Lépésenkénti betekintés kinyerése:
Az Ön szerepe: a vezetőt segítő üzleti elemző. Használja a mellékelt anonim adatokat (időszak, kategória, értékesítés, költség). Folytassa lépésről lépésre: 1) Foglalja össze az adatokat 4 tételben. 2) Mutassa be a 3 legjelentősebb változást az elmúlt időszakhoz képest. 3) Javasoljon legfeljebb 2 LEHETSÉGES okot minden változtatáshoz, és jelezze, hogy ezek hipotézisek, és bizonyítékokra van szükség. Ne találjon ki olyan számokat, amelyek nem szerepelnek az általam közölt adatokban.
2) Lebontás (szegmens) elemzés:
Még ha a teljes számok stabilnak tűnnek is, tudni akarom, mi történik odabent. Bontsa fel a csatolt adatokat kategória/régió/ügyfélszegmens szerint. Mutassa meg egy táblázatban, hogy melyik szegmens növekszik és melyik csökken. Különösen jelölje meg azokat a megfordításokat, amelyek elfedik a teljes összeget.
3) Korrelációs-oksági vizsgálat:
Ezt a kapcsolatot találtam: [A és B együtt mozog]. Segíts felismerni, hogy ez valódi ok és okozat, vagy csak közös cselekvés. Sorolja fel a lehetséges GYAKORI okokat, és javasoljon 3 gyakorlati ellenőrzést, amellyel tesztelhetem ezt a kapcsolatot.
4) Döntési opció generálása:
Megerősítettem ezt a meglátást: [betekintés]. NE dönts helyettem; ehelyett hozzon létre 3 különböző műveleti lehetőséget. Mindegyik lehetőségnél: a várt haszon, a becsült költség/ráfordítás, a fő kockázat, és melyik helyzetet kell előnyben részesíteni. A lehetőségeket semlegesen mutassa be; ne kényszeríts ki senkit.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Miért csökkentek az eladások?
Nincs adat, nincs időszak, nincs kontextus. Az AI általános okokat sorol fel (gazdaság, verseny, szezon); Egyik sem az Ön helyzetére vonatkozik, és nem ellenőrizhető.
Erőteljes felszólítás:
Az Ön szerepe: kiskereskedelmi elemző. Használja a mellékelt anonim 6 hónapos adatokat (hónap, régió, kategória, eladások száma, forgalom). A teljes forgalom 8%-kal csökkent az elmúlt hónapban. Bontsa le ezt régiók és kategóriák szerint; megtudja, melyik szegmensből származik a csökkenés. Javasoljon legfeljebb 2 tesztelhető hipotézist minden egyes talált visszaeséshez. Csak használd a számokat, amiket adtam.
Méret
rossz megközelítés
Erős megközelítés
Adatok
Egyik sem
Névtelen és csatolt
kérdés
Az általános „miért?”
Megtört és fókuszált
kimenet
Általános okok
Tesztelhető hipotézisek
Ellenőrizhetőség
alacsony
magas
döntési érték
Kevesebbet
magas
Gyakori hibák
- A teljes számra támaszkodva. Míg a végösszeg állandó, belül nagy fordulatok lehetnek; Mindenképpen nézze meg a bontást.
- Az ok-okozati összefüggés összetévesztése. Tekintse a mesterséges intelligencia által talált kapcsolatot tesztelendő hipotézisnek, ne bizonyítéknak.
- Tisztességtelen összehasonlítás. Ne hasonlítsa össze a különböző méretű/korú/állapotú egységeket azok normalizálása nélkül.
- Döntések kérése közvetlenül az MI-től. Az AI opciókat generál; Te viseled a döntést és a felelősséget.
- Következtetések levonása egyetlen időszaki adatokkal. A trendekhez elegendő előzményadatra van szükség.
Vigyázat: Bármilyen okosnak is tűnik egy betekintés, nem lehet döntés, ha nem ellenőrizhető az adataiból. „Az AI mondta” nem indoklás; "Adatokkal teszteltem és érvényesítették" indoklás.
Összefoglalva
A döntéstámogatás az a létra, amely az adatokat betekintést nyújt: adat, információ, betekintés, döntés. Az AI nagyon gyors az első két lépésben, jó segítő a harmadikban, és csak egy opció szolgáltató a negyedikben. A bontásokat nézze, ne a teljes számokat; Ne tévessze össze a korrelációt az oksággal; Tekintse meg az AI által javasolt okokat tesztelendő hipotézisekként. A lépcsőzetes gondolkodás pontosabb eredményt ad. A végső döntést a menedzser hozza meg, az érvényesített betekintés alapján.
Pályázati feladat
Készítsen névtelen adatkészletet a vállalkozásáról (pl. kategóriaalapú értékesítés az elmúlt 6 hónapban). A mesterséges intelligencia végezzen szegmensbontást a fenti „Lebontási elemzés” sablon segítségével. Hozzon létre egy hipotézist a „Korrelációs-oksági vizsgálat” sablon segítségével a legnagyobb talált változáshoz, és írja le, hogyan teszteli ezt a hipotézist a terepen 3 tételben.
ellenőrző lista
- [ ] Anonimizáltam az adatokat?
- [ ] A bontást (szegmenst) néztem az összeg helyett?
- [ ] Hipotézisként kezeltem az AI által javasolt okot?
- [ ] Tisztességesen (normalizáltan) állítottam be az összehasonlításokat?
- [ ] Magam hoztam meg a döntést ellenőrzött betekintés alapján?