ಡೇಟಾ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ವ್ಯಾಖ್ಯಾನ: ಕೋಷ್ಟಕ ಡೇಟಾದೊಂದಿಗೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ

ಲಾಭಗಳು:

• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಮಾರಾಟ, ವೆಚ್ಚ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ಕೋಷ್ಟಕಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳು, ವಿರಾಮಗಳು ಮತ್ತು ಹೊರಗಿನವರನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಸಾಮರ್ಥ್ಯ
• ಪ್ರತಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಪುನಃ ಮಾಡುವ ಮೂಲಕ ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುವ ಮೂಲಕ ಅಂಕಗಣಿತದ ದೋಷಗಳು ಮತ್ತು ಭ್ರಮೆಗಳ ವಿರುದ್ಧ ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಕಾರಣದಿಂದ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ವ್ಯಾಖ್ಯಾನದ ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟ ಮತ್ತು ಮಾದರಿ ಮಿತಿಗಳನ್ನು ಪ್ರಶ್ನಿಸುವುದು

ನಿರ್ವಹಣಾ ಸಲಹಾದಲ್ಲಿ ಹೆಚ್ಚು ಪುನರಾವರ್ತಿತ ನುಡಿಗಟ್ಟುಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ: "ಸಂಖ್ಯೆಗಳು ಏನು ಹೇಳುತ್ತವೆ?" ಗ್ರಾಹಕರ ಮಾರಾಟದ ಡೇಟಾ, ವೆಚ್ಚದ ಕೋಷ್ಟಕ, ಗ್ರಾಹಕರ ವಿಭಾಗಗಳು ಅಥವಾ ಕಾರ್ಯಾಚರಣೆಯ ಮೆಟ್ರಿಕ್‌ಗಳು; ಅವರೆಲ್ಲರೂ ಒಂದು ಕಥೆಯನ್ನು ಹೇಳುತ್ತಾರೆ. ಸಲಹೆಗಾರನ ಕೆಲಸವೆಂದರೆ ಆ ಕಥೆಯನ್ನು ಕಂಡುಹಿಡಿಯುವುದು, ಅದನ್ನು ಸಾಬೀತುಪಡಿಸುವುದು ಮತ್ತು ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವವರಿಗೆ ಸ್ಪಷ್ಟವಾಗಿ ತೋರಿಸುವುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಚಾರ್ಟ್ ಅನ್ನು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಅರ್ಥೈಸುತ್ತದೆ, ಪ್ರವೃತ್ತಿಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ, ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮಾಡುತ್ತದೆ ಮತ್ತು ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಕೋಡ್ (ಪೈಥಾನ್, ಎಕ್ಸೆಲ್ ಫಾರ್ಮುಲಾ) ಅನ್ನು ಸಹ ಉತ್ಪಾದಿಸುತ್ತದೆ. ಆದರೆ ಇಲ್ಲಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ಅಪಾಯವಿದೆ: AI ಅಂಕಗಣಿತದಲ್ಲಿ ಮೌನವಾಗಿ ತಪ್ಪುಗಳನ್ನು ಮಾಡಬಹುದು ಮತ್ತು ಸರಿಯಾದ ವಿಶ್ವಾಸದೊಂದಿಗೆ ತಪ್ಪು ಸಂಖ್ಯೆಯನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಬಹುದು. ಆದ್ದರಿಂದ, ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಸುವರ್ಣ ನಿಯಮವು ಪ್ರತಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಪುನಃ ಮಾಡುವುದು ಅಥವಾ ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುವುದು.

ಡೇಟಾದೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಎರಡು ಮಾರ್ಗಗಳು

AI ಯೊಂದಿಗೆ ಡೇಟಾ ವಿಶ್ಲೇಷಣೆಯ ಎರಡು ಪ್ರಾಥಮಿಕ ವಿಧಾನಗಳಿವೆ, ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ನಿಖರತೆಗೆ ನಿರ್ಣಾಯಕವಾಗಿದೆ.

1. ಮಾದರಿಯ ಪಠ್ಯ ವ್ಯಾಖ್ಯಾನ: ನೀವು ಡೇಟಾವನ್ನು ನೇರವಾಗಿ ಚಾಟ್‌ಗೆ ಅಂಟಿಸಿ ಮತ್ತು "ಕಾಮೆಂಟ್" ಎಂದು ಹೇಳಿ. ಮಾದರಿಯು ಮಾದರಿಗಳನ್ನು ಓದುತ್ತದೆ ಆದರೆ "ಮಾನಸಿಕವಾಗಿ" ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ಮಾಡುತ್ತದೆ; ಇದು ದೋಷದ ಹೆಚ್ಚಿನ ಅಪಾಯವನ್ನು ಹೊಂದಿರುವ ಮಾರ್ಗವಾಗಿದೆ. ಸಣ್ಣ ಕೋಷ್ಟಕಗಳು ಮತ್ತು ಗುಣಾತ್ಮಕ ವ್ಯಾಖ್ಯಾನಕ್ಕೆ ಸೂಕ್ತವಾಗಿದೆ, ನಿಖರವಾದ ಲೆಕ್ಕಪತ್ರ ನಿರ್ವಹಣೆಗೆ ಅಲ್ಲ.
2. ಕೋಡ್ / ಟೂಲ್ ಉತ್ಪಾದನೆ: ನೀವು ವಿಶ್ಲೇಷಣೆ ಕೋಡ್ (ಪೈಥಾನ್ / ಪಾಂಡಾಗಳು) ಅಥವಾ ಎಕ್ಸೆಲ್ ಸೂತ್ರವನ್ನು ಮಾದರಿಗೆ ಮುದ್ರಿಸುತ್ತೀರಿ; ಕೋಡ್ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡುತ್ತದೆ, ಮಾದರಿಯಲ್ಲ. ಈ ವಿಧಾನವು ಹೆಚ್ಚು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿದೆ ಏಕೆಂದರೆ ಅಂಕಗಣಿತವು ನಿರ್ಣಾಯಕ ಸಾಧನದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ದೊಡ್ಡ ಡೇಟಾ ಮತ್ತು ನಿಖರ ಸಂಖ್ಯೆಗಾಗಿ ಇದನ್ನು ಆದ್ಯತೆ ನೀಡಿ.

ಸಲಹೆ: ನಿಮಗೆ ನಿಖರವಾದ ಸಂಖ್ಯೆಯ ಅಗತ್ಯವಿದ್ದರೆ (ಒಟ್ಟು ವಹಿವಾಟು, ಸರಾಸರಿ, ಬೆಳವಣಿಗೆ ದರ) "ಇದನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವ ಎಕ್ಸೆಲ್ ಸೂತ್ರ/ಪೈಥಾನ್ ಕೋಡ್ ಅನ್ನು ಬರೆಯಲು" ಮಾದರಿಯನ್ನು ಕೇಳಿ, ಫಲಿತಾಂಶವನ್ನು ನೀವೇ ಚಲಾಯಿಸಿ. ಮಾದರಿ ನೀಡಿದ ಸಂಖ್ಯೆಯನ್ನು ಎಂದಿಗೂ ಅಂತಿಮ ಎಂದು ಪರಿಗಣಿಸಬೇಡಿ.

ವಿಶ್ಲೇಷಣೆ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಹೇಗೆ ಹೊಂದಿಸುವುದು

ಉತ್ತಮ ವಿಶ್ಲೇಷಣೆ ಪ್ರಾಂಪ್ಟ್ ಡೇಟಾ, ಕೇಳಿದ ಪ್ರಶ್ನೆ ಮತ್ತು ಮೌಲ್ಯೀಕರಣ ನಿಯಮವನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ.

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ವಿಶ್ಲೇಷಕ. ಕೆಳಗೆ 24-ತಿಂಗಳ ಮಾರಾಟ ಚಾರ್ಟ್ ಇದೆ (ತಿಂಗಳು, ಪ್ರದೇಶ, ಉತ್ಪನ್ನ, ಪ್ರಮಾಣ, ವಹಿವಾಟು). ಕಾರ್ಯ: 1) ಒಟ್ಟು ಮತ್ತು ಮಾಸಿಕ ವಹಿವಾಟು ಪ್ರವೃತ್ತಿಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ. 2) 3 ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವ ಮತ್ತು ವೇಗವಾಗಿ ಕುಗ್ಗುತ್ತಿರುವ ಪ್ರದೇಶ-ಉತ್ಪನ್ನ ಸ್ಥಗಿತವನ್ನು ಹುಡುಕಿ. 3) ಯಾವುದೇ ಔಟ್ಲೈಯರ್ಗಳು (ಅನಿರೀಕ್ಷಿತ ಜಿಗಿತ/ಪತನ) ಇದ್ದರೆ ಗುರುತಿಸಿ. ನಿಯಮಗಳು:- ಪ್ರತಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ಅದರ ಪಕ್ಕದಲ್ಲಿ ಮಾಡುವ ಎಕ್ಸೆಲ್ ಸೂತ್ರವನ್ನು ಬರೆಯಿರಿ; ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.- ಡೇಟಾದಿಂದ ವ್ಯಾಖ್ಯಾನವನ್ನು ಪ್ರತ್ಯೇಕಿಸಿ: ಮೊದಲು "ಡೇಟಾ ಹೇಳುತ್ತದೆ", ನಂತರ "ಸಂಭವನೀಯ ಅರ್ಥ".- ಕಾರಣವನ್ನು ಹೇಳಿಕೊಳ್ಳಬೇಡಿ; ಮಾದರಿಯನ್ನು ಮಾತ್ರ ತೋರಿಸು.

ಈ ವಿನಂತಿಯು ಮೂರು ನಿರ್ಣಾಯಕ ಅಂಶಗಳನ್ನು ಹೊಂದಿದೆ: ಸೂತ್ರದ ಅಗತ್ಯತೆ (ಪರಿಶೀಲನೆ), ವ್ಯಾಖ್ಯಾನದಿಂದ ಡೇಟಾವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವುದು (ಸಮಗ್ರತೆ), ಮತ್ತು ಕಾರಣದ ಹಕ್ಕು (ಮುಂದಿನ ವಿಭಾಗದ ವಿಷಯ) ನಿಷೇಧಿಸುವುದು.

ಪರಸ್ಪರ ಸಂಬಂಧವು ಕಾರಣವಲ್ಲ

ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿನ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಮತ್ತು ದುಬಾರಿ ತಾರ್ಕಿಕ ದೋಷವೆಂದರೆ ಎರಡು ವಿಷಯಗಳಲ್ಲಿ ಒಂದು ಒಟ್ಟಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದರಿಂದ ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಊಹಿಸುವುದು. ಎರಡು ಅಸ್ಥಿರಗಳು ಒಟ್ಟಿಗೆ ಹೆಚ್ಚಾಗುವುದರಿಂದ (ಪರಸ್ಪರ ಸಂಬಂಧ) ಒಂದು ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗುತ್ತದೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ (ಕಾರಣ); ಮೂರನೇ ಅಂಶ ಅಥವಾ ಕಾಕತಾಳೀಯ ಇರಬಹುದು. ಕ್ಲಾಸಿಕ್ ಉದಾಹರಣೆ: ಐಸ್ ಕ್ರೀಮ್ ಮಾರಾಟವು ಹೆಚ್ಚಾದಂತೆ, ಮುಳುಗುವಿಕೆಗಳು ಹೆಚ್ಚಾಗುತ್ತವೆ; ಕಾರಣ ಐಸ್ ಕ್ರೀಮ್ ಅಲ್ಲ, ಬಿಸಿ ವಾತಾವರಣ ಎರಡನ್ನೂ ಹೆಚ್ಚಿಸುತ್ತದೆ.

"X Y ಅನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ" ಎಂದು AI ಸುಲಭವಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಬರೆಯಬಹುದು. ಸಲಹೆಗಾರನು ಈ ವಾಕ್ಯವನ್ನು ನೋಡಿದಾಗ, ಅವನು ನಿಲ್ಲಿಸಿ ಕೇಳಬೇಕು: "ಇದು ನಿಜವಾಗಿಯೂ ಕಾರಣವೇ ಅಥವಾ ಗುಪ್ತ ಅಂಶವಿದೆಯೇ?" ಕಾರಣದ ಹಕ್ಕು; ನಿಯಂತ್ರಿತ ಹೋಲಿಕೆಗೆ ಸಮಯ ಅನುಕ್ರಮ ಮತ್ತು ಡೊಮೇನ್‌ನ ಜ್ಞಾನದ ಅಗತ್ಯವಿದೆ.

ನಿಮ್ಮ ಪಾತ್ರ: ನಿರ್ಣಾಯಕ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಕ. ಕೆಳಗಿನ ವಿಶ್ಲೇಷಣೆಯು "X ಹೆಚ್ಚಿಸುತ್ತದೆ Y" ಹಕ್ಕು ಹೊಂದಿದೆ. ಕಾರ್ಯ:- ಈ ಸಂಬಂಧವು ಪರಸ್ಪರ ಸಂಬಂಧವೇ ಅಥವಾ ಸಮರ್ಥನೀಯ ಕಾರಣವೇ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ.- ಎರಡನ್ನೂ ಪ್ರಭಾವಿಸಬಹುದಾದ 3 ಸಂಭವನೀಯ ಸುಪ್ತ (ಮೂರನೇ) ಅಂಶಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.- ಕಾರಣವನ್ನು ಬೆಂಬಲಿಸಲು ಯಾವ ಹೆಚ್ಚುವರಿ ಪುರಾವೆಗಳು (ಹೋಲಿಕೆ ಗುಂಪು, ಸಮಯ ಅನುಕ್ರಮ) ಅಗತ್ಯವಿದೆ ಎಂಬುದನ್ನು ಹೇಳಿ. "ಸಾಧ್ಯ" ಮತ್ತು "ಪರೀಕ್ಷೆ ಮಾಡಬೇಕು" ಎಂದು ಬರೆಯಿರಿ.

ವ್ಯಾಖ್ಯಾನದ ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಪ್ರಶ್ನಿಸುವುದು

ಉತ್ತಮ ವಿಶ್ಲೇಷಣೆಯು ಕೆಟ್ಟ ಡೇಟಾದಿಂದ ಬರುವುದಿಲ್ಲ. ಕಾಮೆಂಟ್ ಮಾಡುವ ಮೊದಲು ಪ್ರತಿ ಚಾರ್ಟ್‌ಗೆ ಈ ಪ್ರಶ್ನೆಗಳನ್ನು ಕೇಳಿ:

ನಿಯಂತ್ರಣ

ಇದು ಏಕೆ ಮುಖ್ಯ?

ಕಾಳಜಿ ಹೇಗೆ

ಡೇಟಾ ಕಾಣೆಯಾಗಿದೆ

ಖಾಲಿ ಕೋಶಗಳು ಸರಾಸರಿಯನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತವೆ

ಖಾಲಿ/ಶೂನ್ಯ ಅನುಪಾತವನ್ನು ಎಣಿಸಿ

ಹೊರಗಿನವರು

ಒಂದೇ ಹೊರಹರಿವು ಪ್ರವೃತ್ತಿಯನ್ನು ವಿರೂಪಗೊಳಿಸುತ್ತದೆ

ಕನಿಷ್ಠ-ಗರಿಷ್ಠ ಮತ್ತು ವಿತರಣೆಯನ್ನು ನೋಡಿ

ವ್ಯಾಖ್ಯಾನದ ಸ್ಥಿರತೆ

ಪ್ರತಿ ತಿಂಗಳು "ವಹಿವಾಟು" ಒಂದೇ ಆಗಿರುತ್ತದೆಯೇ?

ಕಾಲಮ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ದೃಢೀಕರಿಸಿ

ಸಮಯ ಶ್ರೇಣಿ

ಋತುಮಾನವು ತಪ್ಪುದಾರಿಗೆಳೆಯುತ್ತದೆಯೇ?

ವರ್ಷದಿಂದ ವರ್ಷಕ್ಕೆ ಹೋಲಿಕೆ ಮಾಡಿ

ಮಾದರಿ

ಡೇಟಾವು ಇಡೀ ವಿಶ್ವವನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆಯೇ?

ಕವರೇಜ್ ದರವನ್ನು ಕೇಳಿ

ಈ ಕೋಷ್ಟಕವನ್ನು ಅರ್ಥೈಸುವ ಮೊದಲು, ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಪರಿಶೀಲಿಸಿ:- ಕಾಣೆಯಾದ/ಶೂನ್ಯ ಸೆಲ್ ಅನುಪಾತ ಏನು?- ಯಾವ ಸಾಲುಗಳಲ್ಲಿ ವಿಪರೀತ (ಹೊರಗಿನ) ಮೌಲ್ಯಗಳಿವೆ?- ಕಾಲಮ್ ವ್ಯಾಖ್ಯಾನಗಳು ಸ್ಥಿರವಾಗಿದೆಯೇ, ಯಾವುದೇ ಅನುಮಾನಾಸ್ಪದವಾದವುಗಳಿವೆಯೇ? ಕೇವಲ ಆಡಿಟ್ ವರದಿ ನೀಡಿ; ಇನ್ನೂ ಕಾಮೆಂಟ್ ಮಾಡಬೇಡಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಸೈಲೆಂಟ್ ಅಂಕಗಣಿತದ ದೋಷ. ಸಲಹೆಗಾರನು ಮಾದರಿಯನ್ನು 12 ತಿಂಗಳ ವಹಿವಾಟು ಸಂಗ್ರಹಿಸುತ್ತಾನೆ; ಮಾದರಿಯು "142.6 ಮಿಲಿಯನ್" ಎಂದು ಹೇಳುತ್ತದೆ. ಸಲಹೆಗಾರರು ಎಕ್ಸೆಲ್ ನಲ್ಲಿ ಪರಿಶೀಲಿಸುತ್ತಾರೆ: ನಿಜವಾದ ಒಟ್ಟು 128.4 ಮಿಲಿಯನ್; ಮಾದರಿಯು ಎರಡು ತಿಂಗಳುಗಳನ್ನು ತಪ್ಪಾಗಿ ಸೇರಿಸಿದೆ. ಮನಸಿನ ಲೆಕ್ಕಾಚಾರದ ಬದಲು ಸೂತ್ರ ಕೇಳಿದ್ದರೆ ತಪ್ಪಾಗುತ್ತಿರಲಿಲ್ಲ. ಪ್ರೆಸೆಂಟೇಶನ್‌ನಲ್ಲಿ ತಪ್ಪು ನಂಬರ್ ನಮೂದಿಸಿದ್ದರೆ ಗ್ರಾಹಕರ ವಿಶ್ವಾಸಕ್ಕೆ ಧಕ್ಕೆಯಾಗುತ್ತಿತ್ತು.

ಪ್ರಕರಣ 2 - ನಕಲಿ ಕಾರಣ. ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಯಲ್ಲಿ, ಮಾದರಿಯು ಹೇಳುತ್ತದೆ, "ಡಿಸ್ಕೌಂಟ್ ನೀಡಿದ ತಿಂಗಳುಗಳಲ್ಲಿ ವಹಿವಾಟು ಹೆಚ್ಚಾಗಿದೆ, ಆದ್ದರಿಂದ ರಿಯಾಯಿತಿಯು ವಹಿವಾಟನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ." ಸಲಹೆಗಾರನು ನಿಲ್ಲುತ್ತಾನೆ: ರಜಾದಿನಗಳಲ್ಲಿ ಈಗಾಗಲೇ ರಿಯಾಯಿತಿಗಳನ್ನು ಮಾಡಲಾಗಿದೆ; ಮುಖ್ಯ ಚಾಲಕ ರಜೆಯ ಬೇಡಿಕೆಯಾಗಿದೆ. ರಿಯಾಯಿತಿ ಪರಿಣಾಮವನ್ನು ಅಳೆಯಲು, ರಿಯಾಯಿತಿ ಇಲ್ಲದೆ ರಜೆಯೊಂದಿಗೆ ಹೋಲಿಕೆ ಅಗತ್ಯವಿದೆ. ತಪ್ಪು ತೀರ್ಮಾನವು "ಪ್ರತಿ ತಿಂಗಳು ರಿಯಾಯಿತಿಯನ್ನು ನೀಡೋಣ" ನಂತಹ ಮಾರ್ಜಿನ್-ಬರ್ನಿಂಗ್ ಸಲಹೆಯನ್ನು ತಡೆಯುತ್ತದೆ.

ಕೇಸ್ 3 - ಔಟ್ಲೈಯರ್ ಟ್ರ್ಯಾಪ್. ವಲಯದ ಸರಾಸರಿ ಆರ್ಡರ್ ಮೌಲ್ಯವು ಅಸಹಜವಾಗಿ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ. ಮಾದರಿಯು ಇದನ್ನು "ಪ್ರೀಮಿಯಂ ವಲಯ" ಎಂದು ಅರ್ಥೈಸುತ್ತದೆ. ಸಲಹೆಗಾರನು ರೇಖೆಯನ್ನು ತೆರೆಯುತ್ತಾನೆ: 4.2 ಮಿಲಿಯನ್‌ನ ಏಕೈಕ ಕಾರ್ಪೊರೇಟ್ ಆದೇಶವು ಸರಾಸರಿಯನ್ನು ಹೆಚ್ಚಿಸಿತು; ಆ ರೇಖೆಯನ್ನು ತೆಗೆದುಹಾಕಿದಾಗ, ಪ್ರದೇಶವು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಮೀಡಿಯನ್ ಅನ್ನು ಬಳಸುವುದರಿಂದ ಈ ಬಲೆಯನ್ನು ಮೊದಲ ಸ್ಥಾನದಲ್ಲಿ ತಪ್ಪಿಸಬಹುದು.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಮಾರಾಟದ ಚಾರ್ಟ್ ಅನ್ನು ವಿಶ್ಲೇಷಿಸಿ ಮತ್ತು ಪ್ರಮುಖ ಸಂಶೋಧನೆಗಳನ್ನು ತಿಳಿಸಿ.

ಮಾದರಿಯು ಹೆಡ್-ಆನ್ ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ, ಕಾರಣವನ್ನು ಹೇಳುತ್ತದೆ ಮತ್ತು ಪರಿಶೀಲಿಸಲಾಗದ ಸಂಶೋಧನೆಗಳನ್ನು ನೀಡುತ್ತದೆ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ನಿಖರವಾದ ಡೇಟಾ ವಿಶ್ಲೇಷಕ. ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟದ ಆಡಿಟ್ ಮಾಡಿ (ಕಾಣೆಯಾದ, ಔಟ್‌ಲೈಯರ್, ವ್ಯಾಖ್ಯಾನದ ಸ್ಥಿರತೆ). ನಂತರ: ಮಾಸಿಕ ಟ್ರೆಂಡ್, ಟಾಪ್ 3 ಬ್ರೇಕ್‌ಡೌನ್‌ಗಳು, ಔಟ್‌ಲೈಯರ್‌ಗಳು.- ಪ್ರತಿ ಖಾತೆಗೆ ಎಕ್ಸೆಲ್ ಸೂತ್ರವನ್ನು ಬರೆಯಿರಿ; ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.- ಮೀನ್ ಬದಲಿಗೆ ಮೀಡಿಯನ್ ಅನ್ನು ಸಹ ನೀಡಿ (ಹೊರಗಿನ ಪರಿಣಾಮವನ್ನು ನೋಡಲು).- "ಸಾಧ್ಯವಾದ ಅರ್ಥ" ದಿಂದ "ಡೇಟಾ ಹೇಳುತ್ತದೆ" ಎಂದು ಪ್ರತ್ಯೇಕಿಸಿ; ಕಾರಣವನ್ನು ಕ್ಲೈಮ್ ಮಾಡಬೇಡಿ. - ನೀವು ಖಚಿತವಾಗಿಲ್ಲದಿರುವಲ್ಲಿ "ಅಸ್ಪಷ್ಟ" ಎಂದು ಗುರುತಿಸಿ.

ವಿಭಜನೆ: ಸರಾಸರಿ ಮರೆಮಾಚುವ ಸತ್ಯ

ಸಲಹಾ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿನ ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿ ಚಲನೆಯೆಂದರೆ ವಿಭಜನೆ: ಒಟ್ಟು ಸಂಖ್ಯೆಯನ್ನು ಅರ್ಥಪೂರ್ಣ ಉಪಗುಂಪುಗಳಾಗಿ ವಿಭಜಿಸುವುದು. "ಸರಾಸರಿ ಗ್ರಾಹಕ" ಸಾಮಾನ್ಯವಾಗಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ರಚನೆಯಾಗಿದೆ; ಸತ್ಯವನ್ನು ಉಪಗುಂಪುಗಳಲ್ಲಿ ಮರೆಮಾಡಲಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, ಸರಾಸರಿ ಲಾಭಾಂಶವು 8% ಎಂದು ಕಂಡುಬಂದರೆ, 20% ಗ್ರಾಹಕರು 25% ಮಾರ್ಜಿನ್ ಅನ್ನು ತರಬಹುದು ಮತ್ತು 30% ನಷ್ಟವನ್ನು ಉಂಟುಮಾಡಬಹುದು; ಸರಾಸರಿ ಈ ಸತ್ಯವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಮರೆಮಾಡುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವಿವಿಧ ಅಕ್ಷಗಳಲ್ಲಿ (ಗ್ರಾಹಕರ ಪ್ರಕಾರ, ಪ್ರದೇಶ, ಉತ್ಪನ್ನ, ಚಾನಲ್) ಚಾರ್ಟ್ ಅನ್ನು ತ್ವರಿತವಾಗಿ ಒಡೆಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಮತ್ತು ಯಾವ ಸ್ಥಗಿತವು ಹೆಚ್ಚು ಗಮನಾರ್ಹ ವ್ಯತ್ಯಾಸವನ್ನು ತೋರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ವಿಶ್ಲೇಷಕ. ಟೇಬಲ್ ಕೆಳಗಿದೆ.ಕಾರ್ಯ: ಈ ಡೇಟಾವನ್ನು ಈ ಕೆಳಗಿನ ಅಕ್ಷದಲ್ಲಿ ಮುರಿಯಿರಿ: [ಗ್ರಾಹಕರ ಪ್ರಕಾರ / ಪ್ರದೇಶ / ಉತ್ಪನ್ನ]. ಪ್ರತಿ ಗುಂಪಿಗೆ: ಒಟ್ಟು, ಹಂಚಿಕೆ (%), ಸರಾಸರಿ ಮತ್ತು ಮಧ್ಯಮ, ಗುಂಪಿನ ಗಾತ್ರ (n).ನಿಯಮಗಳು:- ಗುಂಪು n<30 ಆಗಿದ್ದರೆ, "ಸಣ್ಣ ಮಾದರಿ - ಗಮನ" ಎಂದು ಗುರುತಿಸಿ.- ಪ್ರತಿ ಖಾತೆಗೆ ಸೂತ್ರವನ್ನು ಬರೆಯಿರಿ; ನಾನು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.- ಹೆಚ್ಚಿನ ಮತ್ತು ಕಡಿಮೆ ಗುಂಪನ್ನು ತೋರಿಸಿ; ವ್ಯತ್ಯಾಸವು ನೈಜವಾಗಿದೆಯೇ ಅಥವಾ ಒಂದೇ ಹೊರಗಿನಿಂದಾಗಿ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ. ಮೊದಲಿಗೆ ನಾನು ಯಾವ ಸ್ಥಗಿತವನ್ನು ನಿರೀಕ್ಷಿಸುತ್ತೇನೆ ಎಂದು ಹೇಳುತ್ತೇನೆ: [ಊಹೆ].

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಮಾದರಿಯ ತಲೆಯ ಲೆಕ್ಕಾಚಾರದ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಅಂಕಗಣಿತವನ್ನು ಡಿಟರ್ಮಿನಿಸ್ಟಿಕ್ ಟೂಲ್‌ಗೆ (ಎಕ್ಸೆಲ್/ಪೈಥಾನ್) ಹೊರಗುತ್ತಿಗೆ ನೀಡಿ; ಸ್ವತಂತ್ರವಾಗಿ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಿ.
• ಕಾರಣಕ್ಕಾಗಿ ತಪ್ಪಾದ ಪರಸ್ಪರ ಸಂಬಂಧ. ಪುರಾವೆಗಳಿಲ್ಲದೆ "X ಹೆಚ್ಚಿಸುತ್ತದೆ Y" ಎಂಬ ವಾಕ್ಯವನ್ನು ಬರೆಯಬೇಡಿ; ಗುಪ್ತ ಅಂಶದ ಬಗ್ಗೆ ಕೇಳಿ.
• ಕುರುಡಾಗಿ ಸರಾಸರಿಯನ್ನು ನೋಡುವುದು. ಏಕ ಹೊರಹರಿವು ಸರಾಸರಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ; ಮಧ್ಯಮ ಮತ್ತು ವಿತರಣೆಯನ್ನೂ ನೋಡಿ.
• ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಅಪೂರ್ಣ, ನಕಲಿ ಅಥವಾ ಅಸಮಂಜಸವಾದ ಡೇಟಾದಿಂದ ಉಂಟಾಗುವ ವ್ಯಾಖ್ಯಾನಗಳು ತಪ್ಪುದಾರಿಗೆಳೆಯುವಂತಿವೆ; ಮೊದಲು ಪರಿಶೀಲಿಸಿ.
• ಉದಾಹರಣೆಯನ್ನು ಮರೆತುಬಿಡುವುದು. ಸಣ್ಣ ಅಥವಾ ಪಕ್ಷಪಾತದ ಮಾದರಿಯಿಂದ ಇಡೀ ಜನಸಂಖ್ಯೆಗೆ ಸಾಮಾನ್ಯೀಕರಿಸುವುದು ತಪ್ಪಾದ ಫಲಿತಾಂಶಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ.
• ವ್ಯಾಖ್ಯಾನದೊಂದಿಗೆ ಗೊಂದಲಮಯ ಡೇಟಾ. ಮಾಪನ ಯಾವುದು ಮತ್ತು ನಿರ್ಣಯ ಯಾವುದು ಎಂದು ಪ್ರತ್ಯೇಕವಾಗಿ ತೋರಿಸಿ.

ಗಮನ: ಹಣಕಾಸಿನ, ಆರೋಗ್ಯ ಅಥವಾ ಕಾರ್ಯಾಚರಣೆಯ ಸುರಕ್ಷತೆಯ ಡೇಟಾದ ವಿಶ್ಲೇಷಣೆಯ ಫಲಿತಾಂಶವು ನಿರ್ಧಾರಕ್ಕೆ ಆಧಾರವಾಗಿದ್ದರೆ, ಲೆಕ್ಕಾಚಾರಗಳು ಮತ್ತು ವ್ಯಾಖ್ಯಾನವನ್ನು ಸಂಬಂಧಿತ ತಜ್ಞರು (ಹಣಕಾಸು ಸಲಹೆಗಾರ, ವಿಮಾಗಣಕ, ಕ್ಷೇತ್ರ ತಜ್ಞರು) ದೃಢೀಕರಿಸಬೇಕು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಪ್ರಾಥಮಿಕ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಅಂತಿಮ ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಜವಾಬ್ದಾರಿ ಮನುಷ್ಯರಿಗೆ ಸೇರಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ಕೋಷ್ಟಕ ಡೇಟಾವನ್ನು ಅರ್ಥೈಸುವಲ್ಲಿ, ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಸ್ಥಗಿತಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವಲ್ಲಿ ಮತ್ತು ವಿಶ್ಲೇಷಣೆ ಕೋಡ್ ಅನ್ನು ರಚಿಸುವಲ್ಲಿ ಪ್ರಬಲವಾದ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ಇದು ಅಂಕಗಣಿತದಲ್ಲಿ ಮೌನವಾಗಿ ತಪ್ಪುಗಳನ್ನು ಮಾಡಬಹುದಾದ್ದರಿಂದ, ಪ್ರತಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ನಿರ್ಣಾಯಕ ಸಾಧನದೊಂದಿಗೆ ಮರು-ಮಾಡುವುದು ಮತ್ತು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸುವುದು ಅವಶ್ಯಕ. ಸಾಂದರ್ಭಿಕತೆಯಿಂದ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಬೇರ್ಪಡಿಸುವುದು, ಸರಾಸರಿ ಪಕ್ಕದ ಮಧ್ಯವನ್ನು ನೋಡುವುದು, ವ್ಯಾಖ್ಯಾನದ ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಪರಿಶೀಲಿಸುವುದು ಮತ್ತು ಮಾದರಿ ಮಿತಿಗಳನ್ನು ಗಮನಿಸುವುದು ಸಲಹಾದ ಮೂಲ ವಿಭಾಗಗಳಾಗಿವೆ. ಮಾದರಿಯು ಮಾದರಿಯನ್ನು ತೋರಿಸುತ್ತದೆ; ಜನರು ಅರ್ಥ ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತಾರೆ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಜವಾದ ಅಥವಾ ಪ್ರತಿನಿಧಿ ಮಾರಾಟ/ವೆಚ್ಚದ ಹೇಳಿಕೆಯನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟ ಚೆಕ್ ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ರನ್ ಮಾಡಿ ಮತ್ತು ಕನಿಷ್ಠ ಒಂದು ಸಮಸ್ಯೆಯನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ (ಕಾಣೆಯಾಗಿದೆ, ಔಟ್‌ಲೈಯರ್, ವ್ಯಾಖ್ಯಾನ ಅಸಂಗತತೆ). ನಂತರ ಶಕ್ತಿಯುತ ವಿಶ್ಲೇಷಣೆ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ಬ್ರೇಕ್‌ಔಟ್‌ಗಳನ್ನು ಹೊರತೆಗೆಯಿರಿ; ಪ್ರತಿ ಖಾತೆಗೆ ಸೂತ್ರವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಪರಿಶೀಲಿಸಿ. ಸರಾಸರಿಯನ್ನು ಸರಾಸರಿಗೆ ಹೋಲಿಸಿ ಮತ್ತು ಹೊರಗಿನ ಪರಿಣಾಮವನ್ನು ಪತ್ತೆ ಮಾಡಿ. ಅಂತಿಮವಾಗಿ, ಮಾದರಿಯು ಬರೆಯುವ ಕಾರಣವನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ ಮತ್ತು ಅದನ್ನು "ಪರಸ್ಪರ ಸಂಬಂಧ" ಎಂದು ಮರುಹೊಂದಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಪ್ರತಿ ನಿಖರವಾದ ಲೆಕ್ಕಾಚಾರವನ್ನು ನಿರ್ಣಾಯಕ ಸಾಧನದೊಂದಿಗೆ (ಎಕ್ಸೆಲ್/ಪೈಥಾನ್) ಮರು-ಚಾಲನೆ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಕಾಮೆಂಟ್ ಮಾಡುವ ಮೊದಲು ಡೇಟಾ ಗುಣಮಟ್ಟ ಪರಿಶೀಲನೆ ನಡೆಸಿದ್ದೇನೆ.
• [ ] ಸರಾಸರಿ ಜೊತೆಗೆ, ನಾನು ಸರಾಸರಿ ಮತ್ತು ವಿತರಣೆಯನ್ನು ನೋಡಿದೆ.
• [ ] ನಾನು ಪರಸ್ಪರ ಸಂಬಂಧ-ಕಾರಣ ವ್ಯತ್ಯಾಸವನ್ನು ಸಂರಕ್ಷಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು ಮಾದರಿ ಮತ್ತು ಸಮಯದ ಅವಧಿಯ ಮಿತಿಗಳನ್ನು ಪ್ರಶ್ನಿಸಿದೆ.
• [ ] ನಾನು "ಡೇಟಾ ಹೇಳುತ್ತದೆ" ಮತ್ತು "ಸಂಭವನೀಯ ಅರ್ಥ" ಎಂದು ಪ್ರತ್ಯೇಕಿಸಿದೆ.
• [ ] ನಾನು ನಿರ್ಧಾರ-ನಿರ್ಣಾಯಕ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ತಜ್ಞರ ಅನುಮೋದನೆಯನ್ನು ಯೋಜಿಸಿದೆ.