データに基づいた意思決定と公開データ分析

利益:

データを扱う際の品質、機密性、解釈上の危険性を認識し、安全な分析フローを確立します。
目的に応じて適切な指標を選択し、誤解を招く単一の指標と改ざんされやすい測定値を区別します。
誤解を招くチャート手法 (軸がゼロから始まらない、選択された範囲) を認識し、誠実な視覚化を観察します。

一般の人々は、申請件数、解決時間、予算項目、人口移動、サービス要求、監査結果、満足度調査などのデータを毎日生成しています。このデータのほとんどは Excel スプレッドシート、フォーム、記録システムに保存されていますが、分析には専門知識と時間が必要なため、意思決定には変換されません。データに基づいた意思決定 (意見や習慣ではなく、測定された証拠に基づいてリソースを割り当て、政策を設定するアプローチ) により、公共部門の効率と公平性の両方が向上します。リソースは、数字に基づいて最も必要な場所に行きます。ここで AI は、表の意味を理解し、パターンや異常を見つけ、要約統計を抽出し、結果を簡単な文に翻訳する強力なアシスタントです。この単元では、生の公開データから AI を使用して防御可能な決定に至るまでのパスを短縮し、最も重要な側面、つまり数値の正しい解釈において規律を保つ方法を学びます。

データを扱う際の 3 つの危険性

データは強力ですが、データには 3 つの罠があり、AI はこれらの罠を軽減することも拡大することもできます。

相関関係≠因果関係。 2 つのものが一緒に変化するからといって、一方が他方を引き起こすとは限りません。アイスクリームの売り上げと溺死は増加傾向にある。それは、どちらも夏の暑さが原因であり、一方がもう一方の原因ではないからだ。 AI は「なぜなら」という文を流暢に構築します。因果関係に関するあらゆる主張に疑問を持ちましょう。
データに偏りがある/欠落している。データは誰からどのように収集されましたか?苦情データには、苦情を申し立てることができる人のみが反映されます。インターネットにアクセスできるデジタルアプリケーションデータ。欠落しているグループが表示されないと、決定に偏りが生じます。
文脈のない数字。「30％増加」だけでは意味がありません。どの期間の何を基準にして、絶対的な数字は何ですか？ AI にコンテキストを尋ねます。

注意: AI は、提供された表を分析する際に、表の外から「合理的」ではあるが架空の数値を追加したり、欠落しているセルを黙って埋めたりすることがあります。各出力数値をソーステーブルと比較します。 AIに「私が提供したテーブルの値のみを使用し、不足している場合は『データなし』と言う」というルールを与えます。

段階的なデータ分析フロー

質問を明確にしてください。決定を下すために私たちはどのような質問への答えを求めているのでしょうか? (「どの近傍で解決に最も時間がかかりますか?」)
データを知る。列は何ですか、単位は何ですか、期間は何ですか、欠落または不正な値はありますか?
個人データを抽出します。分析に個人の特定が必要ない場合は、匿名化/集計します (ユニット 11 を参照)。
概要とパターンが浮かび上がります。 AI に基本的な統計、グループ化、異常マーキングを実行させます。
コメントに質問してください。相関関係か因果関係か？別の説明は？グループがありませんか?
視覚化して簡素化します。意思決定者が理解できるシンプルな概要と図。
決定とその理由を文書化します。どのようなデータに基づいてどのような決定が下されたのでしょうか?監査証跡。

ミニケース3個

ケース 1 — 情報源は正しい場所にありました。かつて自治体は公園維持予算を「各地域に均等に」配分していた。 18 か月分の需要と使用状況のデータを AI で分析したところ、3 つの地区の 1 人当たりの需要は平均の 2.4 倍でした。予算は必要に応じて再配分された。追加費用をかけずに全体的な満足度が向上しました。

ケース 2 — 偏ったデータが見つかった。政府機関はデジタル申請データを調べて、「国民が料金所に来なくなった」と結論付けるでしょう。しかし、分析で年齢の内訳を求めたところ、依然として65歳以上の申請のほとんどが窓口から来ていることが判明した。デジタルデータのみを検討する場合、このグループは無視されます。興行収入は維持された。

ケース 3 — 不自然な因果関係は停止しました。 YZさんは表を通訳しながら「検査数が増えたので事故が減った」と語った。アナリストは、同じ期間に天気も変わり、交通量も減少したことを思い出させた。それを単一の原因に帰することは誤解を招きました。報告書は「関連性はあるが因果関係は証明されていない」と訂正された。

コピー可能な 4 つのテンプレート

1) テーブルについて理解する:

あなたの役割: データアナリスト。以下の表を調べて、この表の値のみに基づいて、(1) 各列の内容、その単位と期間を要約します。(2) 欠落している/間違っていると思われるセルをすべて要約します。(3) 目立つ上位 3 つのパターンを要約します。テーブルの外から数字を追加する。見つからない場合は、「データなし」と言います。TABLE: [データを貼り付け]

2) コンテキストを含む要約統計:

以下の表から次の質問に答えてください: [質問]。コンテキスト付きの結果を提供しなければなりません: 絶対数 + 割合 + 比較期間。「○％増加」という場合は、どの期間でどの程度増加したかを具体的に明記してください。指定されたデータを使用するだけです。TABLE: [データ] QUESTION: [質問]

3) 因果関係質問者:

次の結果を解釈してください。ただし、注意: 相関関係と因果関係を混同しないでください。この関係について少なくとも 3 つの代替説明を生成します (3 番目の変数、逆方向、偶然)。因果関係を証明するにはどのような追加データが必要か教えてください。発見: [関係]

4) 決定の簡単な要約:

データの専門家ではない意思決定者のために、次の分析を簡素化します。項目は 5 つ以内で、各項目には結果と「これが何を意味するか」の説明が含まれます。データの不確実性と限界も明確に書き留めてください。新しい情報を追加します。分析: [テキスト]

弱いプロンプト / 強いプロンプト

弱者: 「このチャートを分析して、私たちが何をすべきかを教えてください。」

Strong: 「あなたの役割はデータアナリストです。下の表のみを使用してください。外部から数値を追加しないでください。欠落しているセルに「データなし」と言ってください。まず、列、単位、期間を理解します。次に、絶対数 + 比率 + 比較期間で「どの近傍の解決時間が最も長いか」という質問に答えます。パターンを見つけたら、それを因果関係で説明する前に、3 つの代替説明を考え出します。最後に、決定を下すデータ (欠落グループ、短い期間) のポイントと境界をリストします。私たち。」

違い: 強力なプロンプトにより、データの忠実性、コンテキスト、因果律の規律、および意思決定の境界が同時に確立されます。出力は防御可能な分析です。

データビジネスにおいて AI を信頼できるのはどこでしょうか?

ビジネス

AIの信頼

ルール

テーブルの概要、グループ化

高い

与えられたデータのみ

異常/パターンマーキング

中程度

人間の確認

因果関係の解釈

低い

代替説明が必要です

不足しているデータを埋める

低すぎる

それを実現させないでください。「データがありません」

簡略化/視覚的な概要

高い

意味は守られなければならない

インジケーターの設計と誤解を招くチャートの罠

データを使用して意思決定を行う際の最も重要なステップは、適切な指標 (現象を測定可能にする数値表現、たとえば「平均処理時間」や「アプリケーションあたりのコスト」) を選択することです。たとえ正確なデータがあっても、間違った指標は間違った決定につながります。「解決された請求の総数」は増加しているように見える一方で、「国民 1 人あたりの待ち時間」は悪化している可能性があります。 AI は、トピックの候補指標と、それぞれが何を測定し、何を隠蔽するかをリスト化できます。しかし、どの指標が公共の利益を真に表すかを決めるのはあなたです。また、AI が提案または説明するグラフでは、誤解を招く視覚化 (ゼロから始まらない軸、不均衡なスケール、選択された時間間隔などの手法により認識を歪める) のリスクにも注意してください。公開データにおける正直なビジュアルはガバナンスの一部です。

ミニケース — 間違ったサイン、間違った自慢。あるユニットは、「1 か月あたりにクローズされたファイルの数」指標で記録を破っていました。しかし、住民の苦情は増加した。正確な指標である「ファーストコンタクト解決率」を見ると、その率は 58 パーセントから 44 パーセントに低下しました。ファイルはすぐに閉じられ、すぐに再度開かれました。指標が変わると、管理の優先順位も変わります。

ミニケース — ゼロから始まらない軸。 AI がプレゼンテーションで説明したグラフでは、縦軸は 40 から始まり、2 パーセントの増加は劇的なジャンプのように見えました。軸をゼロに移動すると、本当の姿が浮かび上がり、誇張された認識から意思決定が排除されます。

インジケーターの選択をサポートするテンプレート:

タスク: 次の目的のために 5 つの指標の候補を提案します。目的: [例:市民サービスの質の向上] 各指標: 何を測定するか |何を隠せるのか |操作に対するオープンさ |推奨される読み取り頻度。次に、これらの指標を一緒に読むために 3 つの警告 (単独では誤解を招くもの) を書き込みます。ルール: 数値を生成しないでください。インジケーターのデザインを提案するだけです。

注意：「数値は客観的である」という誤解に陥らないようにしてください。どの数値を測定するか、それをどのように表示するか、どの範囲を選択するかはすべて解釈の問題です。透明で正直な国民の解釈は、正確なデータを持つことと同じくらい重要です。

よくある間違い

相関関係を因果関係と勘違いする。「一緒に増えた」ことが原因ではありません。別の説明を探してください。
欠落したデータをAIに補完させる。分析はでっち上げられた値で崩壊します。欠けているものを欠けたままにしておきます。
偏ったデータの一般化。苦情/デジタルデータはすべての人を代表するものではありません。欠落しているグループをクエリします。
文脈なしに数字を提示する。比率の横に絶対数と比較期間があるはずです。
個人データを不必要に分析する。集計されたデータで十分な場合は、個人の特定を使用しないでください。
決定を文書化していない。監査のためにどのデータを記録する必要があるかに基づいて、どのような決定が行われたか。

要約すれば

データに基づいた意思決定は、公共部門でリソースを公平かつ効率的に分配する最も強力な方法です。 AI は、このビジネスにおいて、全体像を理解し、パターンを見つけ、発見を簡素化する高速アシスタントです。ただし、AI に数字を作らせたり、欠落したデータを埋めさせたり、相関関係と因果関係を混同させたり、偏ったデータや不完全なデータを一般化させたりしないでください。数には力がある。それを正しく解釈し、決定を文書化した人はより強いです。

アプリケーションタスク

ユニットから実際の (個人データが削除された) テーブルを取得します。「表について知る」テンプレートを使用してデータを紹介し、次に「状況に応じた概要統計」テンプレートを使用して、意思決定のための重要な質問に答えてもらいます。「因果関係を問う質問者」テンプレートを新たな関係に適用し、少なくとも 1 つの別の説明を見つけます。 AIが表の外から数字を加えているかどうかを確認します。

チェックリスト

[ ] AI は指定されたテーブルのみを使用しました。外から数字を加えなかった。
[ ] 不足しているデータを入力しませんでした。「データなし」のままにしておきました。
[ ] 各結果をコンテキスト (絶対数 + 割合 + 期間) とともに示しました。
[ ] 私は因果関係の主張に対する別の説明を作成しました。
[ ] データの偏り/欠損と欠損グループのリスクを評価しました。
[ ] 私は決定とその根拠となったデータを文書化しました。