Keuntungan:
- Mengenali bahaya kualitas, kerahasiaan, dan interpretasi saat bekerja dengan data dan menetapkan alur analisis yang aman.
- Ia memilih indikator yang tepat untuk suatu tujuan, membedakan antara indikator tunggal yang menyesatkan dan pengukuran yang dapat dimanipulasi.
- Ia mengenali teknik grafik yang menyesatkan (sumbu tidak dimulai dari nol, rentang yang dipilih) dan mengamati visualisasi yang jujur.
Publik menghasilkan data setiap hari: nomor permohonan, waktu penyelesaian, item anggaran, pergerakan populasi, permintaan layanan, hasil audit, survei kepuasan. Sebagian besar data ini tersimpan dalam spreadsheet, formulir, dan sistem pencatatan Excel, namun tidak diterjemahkan ke dalam keputusan — karena menganalisisnya memerlukan keahlian dan waktu. Pengambilan keputusan berdasarkan data (sebuah pendekatan untuk mengalokasikan sumber daya dan menetapkan kebijakan berdasarkan bukti terukur, bukan opini atau kebiasaan) meningkatkan efisiensi dan keadilan di sektor publik: sumber daya disalurkan ke tempat yang paling dibutuhkan berdasarkan jumlah. Di sini, AI adalah asisten yang ampuh dalam memahami tabel, menemukan pola dan anomali, mengekstrak ringkasan statistik, dan menerjemahkan temuan ke dalam kalimat sederhana. Dalam unit ini, Anda akan melihat cara mempersingkat jalur dari data publik mentah ke keputusan yang dapat dipertahankan dengan AI dan tetap disiplin dalam aspek yang paling penting—interpretasi angka yang benar.
Tiga bahaya bekerja dengan data
Data sangat berguna, namun memiliki tiga jebakan, dan AI dapat mengurangi dan memperbesar jebakan ini:
- Korelasi ≠ sebab-akibat. Hanya karena dua hal berubah bersamaan bukan berarti yang satu menyebabkan yang lain. Penjualan es krim dan kasus tenggelam sedang meningkat — karena keduanya terkait dengan panasnya musim panas, dan tidak ada penyebab yang satu sama lain. AI dengan lancar menyusun kalimat “karena”; Pertanyakan setiap klaim kausalitas.
- Data yang bias/hilang. Dari siapa dan bagaimana data dikumpulkan? Data pengaduan hanya mencerminkan pihak yang dapat menyampaikan pengaduan; data aplikasi digital mereka yang memiliki akses ke internet. Jika Anda tidak melihat kelompok yang hilang, keputusan akan menjadi bias.
- Angka tanpa konteks. “Meningkat 30%” saja tidak ada artinya: menurut apa, pada periode berapa, berapa angka mutlaknya? Tanyakan konteksnya kepada AI.
Perhatian: Saat AI menganalisis tabel yang Anda berikan, terkadang AI menambahkan angka yang "masuk akal" namun fiktif dari luar tabel atau secara diam-diam mengisi sel yang hilang. Bandingkan setiap nomor keluaran dengan tabel sumber; Berikan aturan pada AI "gunakan hanya nilai pada tabel yang saya berikan, jika hilang katakan 'tidak ada data'".
Alur analisis data langkah demi langkah
- Perjelas pertanyaannya. Pertanyaan apa yang kita cari jawabannya untuk pengambilan keputusan? (“Di lingkungan manakah waktu penyelesaian paling lama?”)
- Ketahui datanya. Apa kolomnya, apa satuannya, berapa periodenya, apakah ada nilai yang hilang/salah?
- Ekstrak data pribadi. Anonimkan/agregat jika identifikasi individu tidak diperlukan untuk analisis (lihat Unit 11).
- Ringkasan dan pola muncul. Minta AI melakukan statistik dasar, pengelompokan, dan penandaan anomali.
- Pertanyakan komentarnya. Korelasi atau sebab akibat? Penjelasan alternatif? Grup hilang?
- Visualisasikan dan sederhanakan. Ringkasan dan grafik sederhana yang dapat dipahami oleh pengambil keputusan.
- Dokumentasikan keputusan dan alasannya. Keputusan apa yang diambil berdasarkan data apa? jejak audit.
tiga kasus mini
Kasus 1 — Sumbernya mengarah ke tempat yang tepat. Di masa lalu, sebuah kotamadya mendistribusikan anggaran pemeliharaan tamannya "secara merata ke setiap lingkungan". Ketika data permintaan dan penggunaan selama 18 bulan dianalisis dengan AI, permintaan per kapita di tiga lingkungan tersebut adalah 2,4 kali rata-rata. Anggaran didistribusikan kembali sesuai kebutuhan; kepuasan keseluruhan meningkat, tanpa biaya tambahan.
Kasus 2 - Data yang bias ditemukan. Sebuah lembaga akan melihat data aplikasi digital dan menyimpulkan bahwa “warga negara tidak lagi datang ke pintu tol.” Namun ketika rincian usia diminta dalam analisis, terlihat bahwa lamaran di atas usia 65 tahun sebagian besar masih berasal dari loket. Jika hanya data digital saja yang diteliti, kelompok ini akan diabaikan; layanan box office dipertahankan.
Kasus 3 - Sebab-akibat yang dibuat-buat dihentikan. Saat menafsirkan tabel, YZ mengatakan, “Kecelakaan menurun karena jumlah pemeriksaan meningkat.” Analis mengingatkan bahwa cuaca juga berubah dan lalu lintas menurun pada periode yang sama; Mengaitkannya pada satu penyebab saja adalah tindakan yang menyesatkan. Laporan tersebut dikoreksi dengan mengatakan "ada hubungan tetapi sebab akibat belum terbukti."
Empat templat yang dapat disalin
1) Mengenal tabel:
Peran Anda: analis data. Periksa tabel di bawah ini dan, HANYA berdasarkan nilai dalam tabel ini: (1) rangkum setiap kolom, satuan dan periodenya, (2) sel mana pun yang tampak hilang/salah, (3) rangkum 3 pola teratas yang menonjol. Menambah angka dari luar tabel; jika hilang, ucapkan "tidak ada data".TABEL: [tempel data]
2) Ringkasan statistik dengan konteks:
Jawablah pertanyaan berikut dari tabel di bawah ini: [pertanyaan]. HARUS memberikan hasil dengan konteks: angka absolut + tarif + periode perbandingan. Saat Anda mengatakan "meningkat sebesar X%", tentukan sejauh mana dan dalam periode berapa. Gunakan saja data yang diberikan. TABEL: [data] PERTANYAAN: [pertanyaan]
3) Penanya kausalitas:
Tafsirkan temuan berikut, namun PERHATIAN: jangan bingung antara korelasi dan sebab-akibat. Hasilkan setidaknya 3 penjelasan alternatif untuk hubungan ini (variabel ketiga, arah sebaliknya, kebetulan). Beri tahu saya data tambahan apa yang diperlukan untuk membuktikan hubungan sebab dan akibat. MENEMUKAN: [hubungan]
4) Ringkasan sederhana untuk keputusan tersebut:
Sederhanakan analisis berikut untuk pengambil keputusan yang bukan ahli data: tidak lebih dari 5 item, setiap item merupakan temuan dan penjelasan “apa maksudnya”. Tuliskan juga ketidakpastian dan batasan data dengan jelas. Menambahkan informasi baru. ANALISIS: [teks]
Perintah lemah / Perintah kuat
Lemah: "Analisis grafik ini dan beri tahu kami apa yang harus kami lakukan."
Kuat: "Peran Anda adalah analis data. HANYA gunakan tabel di bawah ini; jangan menambahkan angka dari luar, ucapkan 'tidak ada data' pada sel yang hilang. Kenali terlebih dahulu kolom, satuan, dan periodenya. Lalu jawab pertanyaan 'lingkungan mana yang memiliki waktu penyelesaian paling lama' dengan bilangan absolut + rasio + periode perbandingan. Jika Anda menemukan suatu pola, berikan 3 penjelasan alternatif sebelum menjelaskannya dengan kausalitas. Terakhir, buatlah daftar poin dan batasan data (kelompok yang hilang, periode pendek) yang menyerahkan keputusan kepada kami."
Perbedaan: dorongan kuat menetapkan kesetiaan data, konteks, disiplin kausalitas, dan batasan keputusan secara bersamaan; Outputnya adalah analisis yang dapat dipertahankan.
Di manakah AI bisa dipercaya dalam bisnis data?
bisnis
kepercayaan AI
aturan
Ringkasan tabel, pengelompokan
tinggi
Hanya data yang diberikan
Penandaan anomali/pola
sedang
konfirmasi manusia
Interpretasi kausalitas
rendah
Penjelasan alternatif diperlukan
Mengisi data yang hilang
terlalu rendah
Jangan mewujudkannya; "tidak ada datanya"
Penyederhanaan/ringkasan visual
tinggi
Maknanya harus dilestarikan
Desain indikator dan jebakan grafik yang menyesatkan
Langkah paling penting dalam mengambil keputusan terkait data adalah memilih indikator yang tepat (ekspresi numerik yang membuat suatu fenomena dapat diukur—misalnya, “waktu pemrosesan rata-rata” atau “biaya per aplikasi”). Indikator yang salah akan menghasilkan keputusan yang salah, bahkan dengan data yang akurat: meskipun “jumlah total klaim yang diselesaikan” tampaknya meningkat, “waktu tunggu per warga” mungkin semakin buruk. AI dapat membuat daftar indikator kandidat untuk suatu topik dan apa yang diukur dan disembunyikan; namun Andalah yang memutuskan indikator mana yang benar-benar mewakili kepentingan publik. Waspadai juga risiko visualisasi yang menyesatkan (mendistorsi persepsi dengan teknik seperti sumbu tidak dimulai dari nol, skala yang tidak proporsional, interval waktu yang dipilih) pada grafik yang disarankan atau dijelaskan oleh AI; visual yang jujur dalam data publik adalah bagian dari tata kelola.
Kasus mini — tanda salah, bualan salah. Satu unit memecahkan rekor dalam indikator "jumlah file yang ditutup per bulan"; namun keluhan warga meningkat. Melihat indikator yang akurat, “tingkat resolusi kontak pertama”, angka tersebut turun dari 58 persen menjadi 44 persen — file ditutup dan dibuka kembali dengan cepat. Ketika indikatornya berubah, prioritas pengelolaannya pun ikut berubah.
Mini case — sumbu yang tidak dimulai dari nol. Pada grafik AI yang dijelaskan dalam presentasi, sumbu vertikal dimulai dari 40, peningkatan sebesar 2 persen tampak seperti lompatan yang dramatis. Ketika sumbu dipindahkan ke nol, gambaran nyata muncul dan keputusan dihilangkan dari persepsi yang berlebihan.
Templat yang mendukung pemilihan indikator:
Tugas: Menyarankan 5 kandidat indikator untuk tujuan berikut. Tujuan: [mis. meningkatkan kualitas layanan masyarakat]Untuk setiap indikator: apa yang diukur | apa yang bisa disembunyikan | keterbukaan terhadap manipulasi | frekuensi membaca yang disarankan.Selanjutnya: tulis 3 peringatan (yang menyesatkan) untuk membaca indikator-indikator ini bersama-sama.Peraturan: Jangan menghasilkan angka; cukup sarankan desain indikator.
Perhatian: Jangan salah paham bahwa “angka itu objektif”. Berapa angka yang Anda ukur, bagaimana Anda menampilkannya, dan kisaran apa yang Anda pilih, semuanya bergantung pada penafsiran. Interpretasi publik yang transparan dan jujur sama pentingnya dengan memiliki data yang akurat.
Kesalahan umum
- Salah mengira korelasi sebagai sebab akibat. “Bertambah bersama-sama” bukanlah penyebabnya; Carilah penjelasan alternatif.
- Meminta AI mengisi data yang hilang. Analisis tersebut runtuh dengan nilai yang dibuat-buat; biarkan yang hilang hilang.
- Menggeneralisasi data yang bias. Pengaduan/data digital tidak mewakili semua orang; Kueri grup yang hilang.
- Menyajikan angka tanpa konteks. Di sebelah rasio harus ada angka absolut dan periode perbandingan.
- Menganalisis data pribadi yang tidak perlu. Jangan gunakan identifikasi individu jika data gabungan sudah mencukupi.
- Tidak mendokumentasikan keputusan tersebut. Keputusan apa yang diambil berdasarkan data apa yang harus dicatat untuk audit.
Singkatnya
Pengambilan keputusan berbasis data adalah cara paling ampuh untuk mendistribusikan sumber daya secara adil dan efisien di sektor publik; AI adalah asisten cepat dalam bisnis ini yang memahami gambaran, menemukan pola, dan menyederhanakan temuan. Tapi jangan jadikan AI mengada-ada, jangan buat mengisi data yang hilang, jangan sampai mengacaukan korelasi dengan kausalitas, dan hindari menggeneralisasi data yang bias/tidak lengkap. Ada kekuatan dalam jumlah; Orang yang menafsirkan keputusan dengan benar dan mendokumentasikan keputusannya adalah orang yang lebih kuat.
Tugas aplikasi
Dapatkan tabel nyata (data pribadi dihilangkan) dari unit Anda. Perkenalkan data dengan templat "Mengenal tabel", lalu jawab pertanyaan penting untuk pengambilan keputusan dengan templat "Statistik ringkasan kontekstual". Terapkan templat "Penanya pertanyaan sebab-akibat" pada hubungan yang sedang berkembang dan temukan setidaknya satu penjelasan alternatif. Periksa apakah AI menambahkan angka dari luar tabel.
daftar periksa
- [ ] AI hanya menggunakan tabel yang diberikan; Dia tidak menambahkan nomor dari luar.
- [ ] Saya tidak mengisi data yang hilang; Saya membiarkannya sebagai "tidak ada data".
- [ ] Saya menyajikan setiap hasil dengan konteks (angka absolut + tarif + periode).
- [ ] Saya menghasilkan penjelasan alternatif terhadap klaim kausalitas.
- [ ] Saya mengevaluasi risiko data yang bias/hilang dan kelompok yang hilang.
- [ ] Saya mendokumentasikan keputusan tersebut dan data yang menjadi dasarnya.