ನಿರ್ಧಾರ ಬೆಂಬಲ: ಡೇಟಾವನ್ನು ಒಳನೋಟಕ್ಕೆ ಪರಿವರ್ತಿಸುವುದು

ಲಾಭಗಳು:

• ಡೇಟಾ-ಮಾಹಿತಿ-ಒಳನೋಟ-ನಿರ್ಧಾರದ ಏಣಿಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮೂಲಕ ಮತ್ತು ಹಂತ ಹಂತವಾಗಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೂಲಕ ಚದುರಿದ ಡೇಟಾದಿಂದ ನಿರ್ಧಾರ-ಆಧಾರಿತ ಒಳನೋಟವನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯ
• ವಿಭಾಗ ವಿಭಜನೆಯ ಮೂಲಕ ಒಟ್ಟು ಸಂಖ್ಯೆಗಳಿಂದ ಮರೆಮಾಡಲಾಗಿರುವ ಸತ್ಯವನ್ನು ಬಹಿರಂಗಪಡಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಕಾರಣದಿಂದ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಪ್ರತ್ಯೇಕಿಸುವ ಸಾಮರ್ಥ್ಯ
• ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸೂಚಿಸಿದ ಕಾರಣಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಊಹೆಗಳಾಗಿ ಪರಿಗಣಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪರಿಶೀಲಿಸಿದ ಒಳನೋಟದ ಮೇಲೆ ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ಆಧರಿಸಿದೆ

ಪ್ರತಿದಿನ ನಿರ್ವಾಹಕರ ಮೇಜಿನ ಮೇಲೆ ಡಜನ್ಗಟ್ಟಲೆ ಸಂಖ್ಯೆಗಳು ಬರುತ್ತವೆ: ಮಾರಾಟ ಅಂಕಿಅಂಶಗಳು, ವೆಚ್ಚಗಳು, ಗ್ರಾಹಕರ ದೂರುಗಳು, ದಾಸ್ತಾನು ಮಟ್ಟಗಳು, ಉದ್ಯೋಗಿ ವಹಿವಾಟು ದರಗಳು. ಆದರೆ ಸಂಖ್ಯೆ ಮಾತ್ರ ನಿರ್ಧಾರವಲ್ಲ. ಸಂಖ್ಯೆಯೊಳಗಿನ ಅರ್ಥವನ್ನು ನೋಡುವುದರೊಂದಿಗೆ ನಿರ್ಧಾರವು ಪ್ರಾರಂಭವಾಗುತ್ತದೆ. "ಕಳೆದ ತಿಂಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಮಾರಾಟವು ಶೇಕಡಾ 8 ರಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ" ಎಂದು ನೀಡಲಾಗಿದೆ; "ಏಜಿಯನ್ ಪ್ರದೇಶದ ಇಬ್ಬರು ದೊಡ್ಡ ಗ್ರಾಹಕರು ತಮ್ಮ ಆದೇಶಗಳನ್ನು ಮುಂದೂಡುವುದರಿಂದ ಮಾರಾಟದಲ್ಲಿನ ಇಳಿಕೆ" ಒಂದು ಒಳನೋಟವಾಗಿದೆ. ಇಲ್ಲಿ, ನಿರ್ಧಾರ ಬೆಂಬಲ - ಮ್ಯಾನೇಜರ್‌ಗೆ ಉತ್ತಮ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಡೇಟಾವನ್ನು ಅರ್ಥಪೂರ್ಣವಾಗಿಸುವ ಪ್ರಕ್ರಿಯೆ - ಡೇಟಾವನ್ನು ಒಳನೋಟಕ್ಕೆ ಪರಿವರ್ತಿಸುವ ಸೇತುವೆಯಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ಈ ಸೇತುವೆಯಲ್ಲಿ AI ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಎಂದು ನಾವು ಕಲಿಯುತ್ತೇವೆ. ಪ್ರಾರಂಭದಿಂದಲೂ ಗಡಿಯು ಸ್ಪಷ್ಟವಾಗಿದೆ: AI ಡ್ರಾಫ್ಟ್ ಒಳನೋಟಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಯಾವ ಒಳನೋಟ ನಿಜ ಮತ್ತು ಏನು ಮಾಡಬೇಕೆಂದು ನಿರ್ವಾಹಕರು ನಿರ್ಧರಿಸುತ್ತಾರೆ.

ಡೇಟಾದಿಂದ ಒಳನೋಟಕ್ಕೆ ನಾಲ್ಕು ಹಂತಗಳು

ನಿರ್ಧಾರ ಬೆಂಬಲವು ಒಂದು ಏಣಿಯಾಗಿದೆ. ಮೊದಲ ಅಂಕೆ — ಡೇಟಾ: ಕಚ್ಚಾ ಸಂಖ್ಯೆಗಳು (ಈ ತಿಂಗಳು 1,240 ಆರ್ಡರ್‌ಗಳು ಬಂದಿವೆ). ಎರಡನೇ ಅಂಕಿ — ಮಾಹಿತಿ: ಸಂಪಾದಿಸಿದ, ಹೋಲಿಸಿದ ಸಂಖ್ಯೆಗಳು (ಕಳೆದ ತಿಂಗಳಿಗಿಂತ 8 ಪ್ರತಿಶತ ಕಡಿಮೆ). ಮೂರನೇ ಹಂತ - ಒಳನೋಟ: ಅವನತಿಗೆ ಕಾರಣವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು (ಎರಡು ಪ್ರಮುಖ ಗ್ರಾಹಕರಿಂದ ವಿಳಂಬ). ಹಂತ ನಾಲ್ಕು - ನಿರ್ಧಾರ: ಏನು ಮಾಡಬೇಕು (ಈ ಗ್ರಾಹಕರನ್ನು ಸಂದರ್ಶಿಸಿ ಮತ್ತು ಹೊಸ ಗ್ರಾಹಕರನ್ನು ಗುರಿಯಾಗಿಸಿ). ಮೊದಲ ಮತ್ತು ಎರಡನೆಯ ಹಂತಗಳಲ್ಲಿ AI ತುಂಬಾ ವೇಗವಾಗಿರುತ್ತದೆ, ಮೂರನೆಯದರಲ್ಲಿ ಉತ್ತಮ ಸಹಾಯಕವಾಗಿದೆ, ನಾಲ್ಕನೆಯದರಲ್ಲಿ ಮಾತ್ರ ಆಯ್ಕೆಗಳನ್ನು ನೀಡುತ್ತದೆ.

ಈ ಏಣಿಯನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದು ಮುಖ್ಯವಾಗಿದೆ ಏಕೆಂದರೆ ಹೆಚ್ಚಿನ ವ್ಯವಸ್ಥಾಪಕರು ನೇರವಾಗಿ AI ಅನ್ನು "ನನಗಾಗಿ ನಿರ್ಧರಿಸಿ" ಮತ್ತು ನಿರಾಶೆಗೊಳ್ಳುವಂತೆ ಕೇಳುತ್ತಾರೆ. ಆದಾಗ್ಯೂ, ನೀವು AI ಅನ್ನು ಹಂತ ಹಂತವಾಗಿ ನಿರ್ವಹಿಸಿದರೆ - ಮೊದಲು ಸಾರಾಂಶ ಮಾಡಿ, ನಂತರ ಹೋಲಿಕೆ ಮಾಡಿ, ನಂತರ ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಪ್ರಶ್ನಿಸಿ ಮತ್ತು ಅಂತಿಮವಾಗಿ ನಿರ್ಧಾರವನ್ನು ನೀವೇ ಮಾಡಿ - ನೀವು ವೇಗವಾಗಿ ಮತ್ತು ವಿಶ್ವಾಸಾರ್ಹರಾಗಿರುತ್ತೀರಿ.

ಸುಳಿವು: AI ಅನ್ನು ಕೇಳಿ "ಈ ಡೇಟಾದಿಂದ ನೀವು ಏನನ್ನು ಊಹಿಸುತ್ತೀರಿ?" ಎಲ್ಲವನ್ನೂ ಒಂದೇ ಬಾರಿಗೆ ಕೇಳುವ ಬದಲು, "ಮೊದಲು ಸಾರಾಂಶಗೊಳಿಸಿ, ನಂತರ 3 ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಗಳನ್ನು ತೋರಿಸಿ, ನಂತರ ಪ್ರತಿಯೊಂದಕ್ಕೂ 2 ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಸೂಚಿಸಿ" ಎಂದು ಹೇಳುವ ಮೂಲಕ ಹಂತ ಹಂತವಾಗಿ ಮುಂದುವರಿಯಿರಿ. ಹಂತ ಹಂತದ ಚಿಂತನೆಯು ಹೆಚ್ಚು ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ.

ಪರಸ್ಪರ ಸಂಬಂಧ ಮತ್ತು ಕಾರಣದ ಬಲೆ

ನಿರ್ಧಾರದ ಬೆಂಬಲದ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಅಪಾಯವೆಂದರೆ ಕಾರಣಕ್ಕಾಗಿ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಪರಸ್ಪರ ಸಂಬಂಧವೆಂದರೆ ಎರಡು ವಸ್ತುಗಳು ಒಟ್ಟಿಗೆ ಚಲಿಸುವಾಗ (ಬೇಸಿಗೆಯಲ್ಲಿ ಐಸ್ ಕ್ರೀಮ್ ಮಾರಾಟ ಮತ್ತು ಮುಳುಗುವಿಕೆಗಳು ಒಟ್ಟಿಗೆ ಹೆಚ್ಚಾಗುತ್ತವೆ). ಒಂದು ಇನ್ನೊಂದಕ್ಕೆ ಕಾರಣವಾಗುವುದು (ಐಸ್ ಕ್ರೀಮ್ ಉಸಿರುಗಟ್ಟುವಿಕೆಗೆ ಕಾರಣವಾಗುವುದಿಲ್ಲ; ಬಿಸಿ ವಾತಾವರಣವು ಸಾಮಾನ್ಯ ಕಾರಣವಾಗಿದೆ). ನಿಮ್ಮ ಡೇಟಾದಲ್ಲಿ ಒಟ್ಟಿಗೆ ಚಲಿಸುವ ವಿಷಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವಲ್ಲಿ AI ತುಂಬಾ ಉತ್ತಮವಾಗಿದೆ, ಆದರೆ ನಿಜವಾದ ಕಾರಣ ಯಾವುದು ಎಂದು ಹೇಳಲು ಸಾಧ್ಯವಿಲ್ಲ. "ಜಾಹೀರಾತು ವೆಚ್ಚ ಹೆಚ್ಚಾಗಿದೆ ಮತ್ತು ಮಾರಾಟ ಹೆಚ್ಚಾಗಿದೆ" ಎಂದು ಹೇಳುವುದು ಜಾಹೀರಾತು ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸಿದೆ ಎಂದು ಸಾಬೀತುಪಡಿಸುವುದಿಲ್ಲ; ಬಹುಶಃ ಎರಡೂ ಹಬ್ಬದ ಋತುವಿನಿಂದ ಪ್ರಭಾವಿತವಾಗಿವೆ.

ಆದ್ದರಿಂದ AI ಒಂದು ಕಾರಣವನ್ನು ಸೂಚಿಸಿದಾಗ, ಅದನ್ನು ಒಂದು ಊಹೆಯಾಗಿ ಪರಿಗಣಿಸಿ (ಸಾಬೀತುಪಡಿಸಬೇಕಾದ ಊಹೆ), ವಾಸ್ತವವಲ್ಲ. "ನಾನು ಇದನ್ನು ಹೇಗೆ ಪರೀಕ್ಷಿಸಲಿ?" ಕೇಳು. ಕ್ಷೇತ್ರದಲ್ಲಿ ಅಥವಾ ಡೇಟಾದೊಂದಿಗೆ AI ಸೂಚಿಸುವ ಕಾರಣವನ್ನು ಉತ್ತಮ ವ್ಯವಸ್ಥಾಪಕರು ಪರೀಕ್ಷಿಸುತ್ತಾರೆ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ರಹಸ್ಯ ಪತನವನ್ನು ಹಿಡಿಯುವುದು. ಇ-ಕಾಮರ್ಸ್ ಕಂಪನಿಯಲ್ಲಿ, ಒಟ್ಟು ವಹಿವಾಟು ಸ್ಥಿರವಾಗಿ ಕಾಣುತ್ತದೆ, ಯಾರೂ ಗಾಬರಿಯಾಗಲಿಲ್ಲ. ನಿರ್ವಾಹಕರು AI ಗೆ ಅನಾಮಧೇಯ ಮಾಸಿಕ ಡೇಟಾವನ್ನು ನೀಡುತ್ತಾರೆ ಮತ್ತು "ಯಾವ ವಿಭಾಗವು ಬೆಳೆಯುತ್ತಿದೆ ಮತ್ತು ಯಾವ ವರ್ಗದ ಆಧಾರದ ಮೇಲೆ ಕುಗ್ಗುತ್ತಿದೆ?" ಎಂದು ಕೇಳಿದರು. YZ ಒಟ್ಟು ವಹಿವಾಟು ಸ್ಥಿರವಾಗಿದ್ದಾಗ, ಹೆಚ್ಚಿನ ಲಾಭದಾಯಕ ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್ ವರ್ಗವು ವಾಸ್ತವವಾಗಿ 22 ಪ್ರತಿಶತದಷ್ಟು ಕುಸಿಯಿತು, ಕಡಿಮೆ-ಲಾಭದ ಪರಿಕರಗಳ ಮಾರಾಟವು ಇದನ್ನು ಮರೆಮಾಚುತ್ತದೆ. ಮ್ಯಾನೇಜರ್ ಇದನ್ನು ದೃಢಪಡಿಸಿದರು ಮತ್ತು ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್ ವರ್ಗದ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದರು. ಒಟ್ಟು ಸಂಖ್ಯೆಯನ್ನು ಮರೆಮಾಡಲಾಗಿದೆ; ಬ್ರೇಕ್ ಸತ್ಯವನ್ನು ಬಹಿರಂಗಪಡಿಸಿತು.

ಪ್ರಕರಣ 2 - ತಪ್ಪು ಕಾರಣಕ್ಕೆ ಓಡುವುದು. ಕೆಫೆ ಸರಣಿಯ ವ್ಯವಸ್ಥಾಪಕರು AI ಗೆ ಮಾರಾಟದ ಡೇಟಾವನ್ನು ನೀಡಿದರು. "ವಾರಾಂತ್ಯದ ಮಾರಾಟವು ಹವಾಮಾನ ತಾಪಮಾನದೊಂದಿಗೆ ಚಲಿಸುತ್ತದೆ" ಎಂದು YZ ಹೇಳಿದರು. ಮ್ಯಾನೇಜರ್ ಇದನ್ನು "ಬಿಸಿ ವಾತಾವರಣವು ಮಾರಾಟವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ" ಎಂದು ಓದಿ ಹವಾನಿಯಂತ್ರಣಗಳನ್ನು ತಿರಸ್ಕರಿಸಿದರು. ಆದಾಗ್ಯೂ, ವಾರಾಂತ್ಯದಲ್ಲಿ ಹೆಚ್ಚಿದ ಗ್ರಾಹಕರ ದಟ್ಟಣೆಯೇ ನಿಜವಾದ ಕಾರಣ; ತಾಪಮಾನವು ಕಾಕತಾಳೀಯವಾಗಿ ಅದೇ ದಿಕ್ಕಿನಲ್ಲಿ ಚಲಿಸಿತು. ಮ್ಯಾನೇಜರ್ ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಕಾರಣಕ್ಕಾಗಿ ತಪ್ಪಾಗಿ ಗ್ರಹಿಸಿದರು. ಅವನು ತನ್ನ ಪಾಠವನ್ನು ಕಲಿತನು ಮತ್ತು ಇಂದಿನಿಂದ ಪ್ರತಿಯೊಂದು ಕಾರಣವನ್ನು ಪರೀಕ್ಷಿಸಿದನು.

ಪ್ರಕರಣ 3 - ಹೋಲಿಕೆಯನ್ನು ಸರಿಯಾಗಿ ಸ್ಥಾಪಿಸುವುದು. ಉತ್ಪಾದನಾ ಉದ್ಯಮದಲ್ಲಿ ಎರಡು ಕಾರ್ಖಾನೆಗಳ ದಕ್ಷತೆಯನ್ನು ಹೋಲಿಸಲಾಗುತ್ತಿದೆ. ಮ್ಯಾನೇಜರ್ AI ಅನ್ನು ಕೇಳುತ್ತಾರೆ, "B ಗಿಂತ ಫ್ಯಾಕ್ಟರಿ A ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆಯೇ?" ಅವರು ಕೇಳಿದರು, ಆದರೆ AI ಗೆ ಕಾರ್ಖಾನೆ A ಹೊಸದು ಮತ್ತು ಚಿಕ್ಕದಾಗಿದೆ ಎಂದು ತಿಳಿದಿರಲಿಲ್ಲ. ನಿರ್ವಾಹಕರು ಪ್ರಾಂಪ್ಟ್ ಅನ್ನು ಸರಿಪಡಿಸಿದ್ದಾರೆ: "ಪ್ರತಿ ಯೂನಿಟ್ಗೆ ಇಳುವರಿಯನ್ನು ಹೋಲಿಸಿ, ಗಾತ್ರ ಮತ್ತು ವಯಸ್ಸಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು." ಈ ಬಾರಿ ವಿಶ್ಲೇಷಣೆ ನ್ಯಾಯೋಚಿತವಾಗಿದ್ದು, ನಿಜವಾದ ವ್ಯತ್ಯಾಸ ಬಯಲಾಗಿದೆ.

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಹಂತ ಹಂತದ ಒಳನೋಟ ಹೊರತೆಗೆಯುವಿಕೆ:

ನಿಮ್ಮ ಪಾತ್ರ: ವ್ಯವಸ್ಥಾಪಕರಿಗೆ ಸಹಾಯ ಮಾಡುವ ವ್ಯಾಪಾರ ವಿಶ್ಲೇಷಕ. ಲಗತ್ತಿಸಲಾದ ಅನಾಮಧೇಯ ಡೇಟಾವನ್ನು ಬಳಸಿ (ಅವಧಿ, ವರ್ಗ, ಮಾರಾಟ, ವೆಚ್ಚ). ಹಂತ ಹಂತವಾಗಿ ಮುಂದುವರಿಯಿರಿ: 1) 4 ಐಟಂಗಳಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ. 2) ಕಳೆದ ಅವಧಿಗೆ ಹೋಲಿಸಿದರೆ 3 ಗಮನಾರ್ಹ ಬದಲಾವಣೆಗಳನ್ನು ತೋರಿಸಿ. 3) ಪ್ರತಿ ಬದಲಾವಣೆಗೆ 2 ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಇವುಗಳು ಊಹೆಗಳು ಮತ್ತು ಪುರಾವೆಗಳ ಅಗತ್ಯವಿದೆ ಎಂದು ತಿಳಿಸಿ. ನಾನು ಒದಗಿಸುವ ಡೇಟಾದಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಯಾವುದೇ ಸಂಖ್ಯೆಗಳನ್ನು ಮಾಡಬೇಡಿ.

2) ವಿಭಜನೆ (ವಿಭಾಗ) ವಿಶ್ಲೇಷಣೆ:

ಒಟ್ಟು ಸಂಖ್ಯೆಗಳು ಸ್ಥಿರವಾಗಿರುವಂತೆ ತೋರುತ್ತಿದ್ದರೂ, ಒಳಗೆ ಏನು ನಡೆಯುತ್ತಿದೆ ಎಂಬುದನ್ನು ನಾನು ತಿಳಿದುಕೊಳ್ಳಲು ಬಯಸುತ್ತೇನೆ. ವರ್ಗ/ಪ್ರದೇಶ/ಗ್ರಾಹಕ ವಿಭಾಗದ ಮೂಲಕ ಲಗತ್ತಿಸಲಾದ ಡೇಟಾವನ್ನು ಮುರಿಯಿರಿ. ಯಾವ ವಿಭಾಗವು ಬೆಳೆಯುತ್ತಿದೆ ಮತ್ತು ಯಾವುದು ಕುಗ್ಗುತ್ತಿದೆ ಎಂಬುದನ್ನು ಕೋಷ್ಟಕದಲ್ಲಿ ತೋರಿಸಿ. ವಿಶೇಷವಾಗಿ ಒಟ್ಟು ಮರೆಮಾಚುವ ರಿವರ್ಸಲ್‌ಗಳನ್ನು ಗುರುತಿಸಿ.

3) ಪರಸ್ಪರ ಸಂಬಂಧ-ಕಾರಣ ಪರೀಕ್ಷೆ:

ನಾನು ಈ ಸಂಬಂಧವನ್ನು ಕಂಡುಕೊಂಡಿದ್ದೇನೆ: [ಎ ಮತ್ತು ಬಿ ಒಟ್ಟಿಗೆ ಚಲಿಸುತ್ತವೆ]. ಇದು ನಿಜವಾದ ಕಾರಣ ಮತ್ತು ಪರಿಣಾಮವೇ ಅಥವಾ ಒಟ್ಟಿಗೆ ಕ್ರಿಯೆಯೇ ಎಂಬುದನ್ನು ವಿವೇಚಿಸಲು ನನಗೆ ಸಹಾಯ ಮಾಡಿ. ಸಂಭವನೀಯ ಸಾಮಾನ್ಯ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ ಮತ್ತು ಈ ಸಂಬಂಧವನ್ನು ಪರೀಕ್ಷಿಸಲು ನಾನು ಮಾಡಬಹುದಾದ 3 ಪ್ರಾಯೋಗಿಕ ಪರಿಶೀಲನೆಗಳನ್ನು ಸೂಚಿಸಿ.

4) ನಿರ್ಧಾರ ಆಯ್ಕೆಯ ಉತ್ಪಾದನೆ:

ನಾನು ಈ ಒಳನೋಟವನ್ನು ದೃಢಪಡಿಸಿದೆ: [ಒಳನೋಟ]. ನನಗಾಗಿ ನಿರ್ಧರಿಸಬೇಡಿ; ಬದಲಿಗೆ, 3 ವಿಭಿನ್ನ ಕ್ರಿಯೆಯ ಆಯ್ಕೆಗಳನ್ನು ರಚಿಸಿ. ಪ್ರತಿ ಆಯ್ಕೆಗೆ: ನಿರೀಕ್ಷಿತ ಪ್ರಯೋಜನ, ಅಂದಾಜು ವೆಚ್ಚ/ಪ್ರಯತ್ನ, ಪ್ರಮುಖ ಅಪಾಯ, ಮತ್ತು ಯಾವ ಪರಿಸ್ಥಿತಿಗೆ ಆದ್ಯತೆ ನೀಡಬೇಕು. ಆಯ್ಕೆಗಳನ್ನು ತಟಸ್ಥವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸಿ; ಯಾರನ್ನಾದರೂ ಹೇರಬೇಡಿ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಮಾರಾಟ ಏಕೆ ಕುಸಿಯಿತು?

ಡೇಟಾ ಇಲ್ಲ, ಅವಧಿ ಇಲ್ಲ, ಸಂದರ್ಭವಿಲ್ಲ. AI ಸಾಮಾನ್ಯ ಕಾರಣಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡುತ್ತದೆ (ಆರ್ಥಿಕತೆ, ಸ್ಪರ್ಧೆ, ಋತು); ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ನಿಮ್ಮ ಪರಿಸ್ಥಿತಿಗೆ ನಿರ್ದಿಷ್ಟವಾಗಿಲ್ಲ ಮತ್ತು ಪರಿಶೀಲಿಸಲಾಗುವುದಿಲ್ಲ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ಚಿಲ್ಲರೆ ವಿಶ್ಲೇಷಕ. ಲಗತ್ತಿಸಲಾದ ಅನಾಮಧೇಯ 6-ತಿಂಗಳ ಡೇಟಾವನ್ನು ಬಳಸಿ (ತಿಂಗಳು, ಪ್ರದೇಶ, ವರ್ಗ, ಮಾರಾಟದ ಸಂಖ್ಯೆ, ವಹಿವಾಟು). ಕಳೆದ ತಿಂಗಳಲ್ಲಿ ಒಟ್ಟು ವಹಿವಾಟು ಶೇ.8ರಷ್ಟು ಕಡಿಮೆಯಾಗಿದೆ. ಪ್ರದೇಶ ಮತ್ತು ವರ್ಗದಿಂದ ಇದನ್ನು ಒಡೆಯಿರಿ; ಕುಸಿತವು ಯಾವ ವಿಭಾಗದಿಂದ ಬರುತ್ತಿದೆ ಎಂಬುದನ್ನು ಕಂಡುಹಿಡಿಯಿರಿ. ನೀವು ಕಂಡುಕೊಂಡ ಪ್ರತಿ ಕುಸಿತಕ್ಕೆ 2 ಪರೀಕ್ಷಿಸಬಹುದಾದ ಊಹೆಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸಿ. ನಾನು ನಿಮಗೆ ನೀಡಿದ ಸಂಖ್ಯೆಗಳನ್ನು ಬಳಸಿ.

ಗಾತ್ರ

ಕಳಪೆ ವಿಧಾನ

ಬಲವಾದ ವಿಧಾನ

ಡೇಟಾ

ಯಾವುದೂ ಇಲ್ಲ

ಅನಾಮಧೇಯ ಮತ್ತು ಲಗತ್ತಿಸಲಾಗಿದೆ

ಪ್ರಶ್ನೆ

ಸಾಮಾನ್ಯ "ಏಕೆ?"

ವಕ್ರೀಭವನ ಮತ್ತು ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ

ಔಟ್ಪುಟ್

ಸಾಮಾನ್ಯ ಕಾರಣಗಳು

ಪರೀಕ್ಷಿಸಬಹುದಾದ ಊಹೆಗಳು

ಪರಿಶೀಲನೆ

ಕಡಿಮೆ

ಹೆಚ್ಚು

ನಿರ್ಧಾರದ ಮೌಲ್ಯ

ಕಡಿಮೆ

ಹೆಚ್ಚು

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಒಟ್ಟು ಸಂಖ್ಯೆಯ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಒಟ್ಟು ಸ್ಥಿರವಾಗಿರುವಾಗ, ಒಳಗೆ ದೊಡ್ಡ ಹಿಮ್ಮುಖಗಳು ಇರಬಹುದು; ಸ್ಥಗಿತವನ್ನು ನೋಡಲು ಮರೆಯದಿರಿ.
• ಕಾರಣಕ್ಕಾಗಿ ತಪ್ಪಾದ ಪರಸ್ಪರ ಸಂಬಂಧ. AI ಕಂಡುಹಿಡಿದ ಸಂಬಂಧವನ್ನು ಪರೀಕ್ಷಿಸಲು ಒಂದು ಊಹೆಯಂತೆ ವೀಕ್ಷಿಸಿ, ಸಾಕ್ಷಿಯಾಗಿ ಅಲ್ಲ.
• ಅನ್ಯಾಯದ ಹೋಲಿಕೆ. ವಿಭಿನ್ನ ಗಾತ್ರಗಳು/ವಯಸ್ಸು/ಸ್ಥಿತಿಗಳ ಘಟಕಗಳನ್ನು ಸಾಮಾನ್ಯೀಕರಿಸದೆ ಹೋಲಿಕೆ ಮಾಡಬೇಡಿ.
• AI ನಿಂದ ನೇರವಾಗಿ ನಿರ್ಧಾರಗಳನ್ನು ವಿನಂತಿಸುವುದು. AI ಆಯ್ಕೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ನೀವು ನಿರ್ಧಾರ ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ಹೊರುತ್ತೀರಿ.
• ಏಕ ಅವಧಿಯ ಡೇಟಾದೊಂದಿಗೆ ತೀರ್ಮಾನಗಳನ್ನು ಬರೆಯುವುದು. ಟ್ರೆಂಡಿಂಗ್‌ಗಾಗಿ ಸಾಕಷ್ಟು ಐತಿಹಾಸಿಕ ಡೇಟಾ ಅಗತ್ಯವಿದೆ.

ಎಚ್ಚರಿಕೆ: ಒಳನೋಟವು ಎಷ್ಟೇ ಬುದ್ಧಿವಂತಿಕೆ ತೋರಿದರೂ, ನಿಮ್ಮ ಡೇಟಾದಿಂದ ಅದನ್ನು ಪರಿಶೀಲಿಸಲಾಗದಿದ್ದರೆ ಅದು ನಿರ್ಧಾರವಾಗಬಾರದು. "AI ಹೀಗೆ ಹೇಳಿದೆ" ಎಂಬುದು ಸಮರ್ಥನೆ ಅಲ್ಲ; "ನಾನು ಅದನ್ನು ಡೇಟಾದೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿದೆ ಮತ್ತು ಅದನ್ನು ಮೌಲ್ಯೀಕರಿಸಲಾಗಿದೆ" ಎಂಬುದು ಸಮರ್ಥನೆಯಾಗಿದೆ.

ಸಾರಾಂಶದಲ್ಲಿ

ನಿರ್ಧಾರ ಬೆಂಬಲವು ಡೇಟಾವನ್ನು ಒಳನೋಟಕ್ಕೆ ಪರಿವರ್ತಿಸುವ ಏಣಿಯಾಗಿದೆ: ಡೇಟಾ, ಮಾಹಿತಿ, ಒಳನೋಟ, ನಿರ್ಧಾರ. ಮೊದಲ ಎರಡು ಹಂತಗಳಲ್ಲಿ AI ತುಂಬಾ ವೇಗವಾಗಿದೆ, ಮೂರನೆಯದರಲ್ಲಿ ಉತ್ತಮ ಸಹಾಯಕ ಮತ್ತು ನಾಲ್ಕನೇ ಹಂತದಲ್ಲಿ ಕೇವಲ ಆಯ್ಕೆ ಒದಗಿಸುವವರು. ಸ್ಥಗಿತಗಳನ್ನು ನೋಡಿ, ಒಟ್ಟು ಸಂಖ್ಯೆಗಳಲ್ಲ; ಪರಸ್ಪರ ಸಂಬಂಧವನ್ನು ಕಾರಣಕ್ಕಾಗಿ ತಪ್ಪಾಗಿ ಗ್ರಹಿಸಬೇಡಿ; AI ಸೂಚಿಸುವ ಕಾರಣಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಊಹೆಗಳನ್ನು ವೀಕ್ಷಿಸಿ. ಹಂತ ಹಂತದ ಚಿಂತನೆಯು ಹೆಚ್ಚು ನಿಖರವಾದ ಫಲಿತಾಂಶಗಳನ್ನು ನೀಡುತ್ತದೆ. ಮೌಲ್ಯೀಕರಿಸಿದ ಒಳನೋಟದ ಆಧಾರದ ಮೇಲೆ ನಿರ್ವಾಹಕರ ಅಂತಿಮ ನಿರ್ಧಾರ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ನಿಮ್ಮ ವ್ಯಾಪಾರದಿಂದ ಅನಾಮಧೇಯ ಡೇಟಾ ಸೆಟ್ ಅನ್ನು ತಯಾರಿಸಿ (ಉದಾ. ಕಳೆದ 6 ತಿಂಗಳುಗಳ ವರ್ಗ ಆಧಾರಿತ ಮಾರಾಟ). ಮೇಲಿನ "ಬ್ರೇಕ್‌ಡೌನ್ ವಿಶ್ಲೇಷಣೆ" ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ AI ವಿಭಾಗದ ಸ್ಥಗಿತವನ್ನು ನಿರ್ವಹಿಸುವಂತೆ ಮಾಡಿ. ನೀವು ಕಂಡುಕೊಂಡ ದೊಡ್ಡ ಬದಲಾವಣೆಗಾಗಿ "ಸಹಸಂಬಂಧ-ಕಾರಣ ಪರೀಕ್ಷೆ" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಒಂದು ಊಹೆಯನ್ನು ರಚಿಸಿ ಮತ್ತು 3 ಐಟಂಗಳಲ್ಲಿ ಕ್ಷೇತ್ರದಲ್ಲಿ ಈ ಊಹೆಯನ್ನು ನೀವು ಹೇಗೆ ಪರೀಕ್ಷಿಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ಬರೆಯಿರಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆಯೇ?
• [ ] ನಾನು ಒಟ್ಟು ಮೊತ್ತಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಸ್ಥಗಿತವನ್ನು (ವಿಭಾಗ) ನೋಡಿದ್ದೇನೆಯೇ?
• [] AI ಸೂಚಿಸಿದ ಕಾರಣವನ್ನು ನಾನು ಊಹೆಯಾಗಿ ಪರಿಗಣಿಸಿದ್ದೇನೆಯೇ?
• [ ] ನಾನು ಹೋಲಿಕೆಗಳನ್ನು ತಕ್ಕಮಟ್ಟಿಗೆ (ಸಾಮಾನ್ಯೀಕರಿಸಿದ) ಹೊಂದಿಸಿದ್ದೇನೆಯೇ?
• [ ] ಪರಿಶೀಲಿಸಿದ ಒಳನೋಟದ ಆಧಾರದ ಮೇಲೆ ನಾನೇ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಂಡಿದ್ದೇನೆಯೇ?