Pelnas:
- Pripažįsta darbo su duomenimis kokybei, konfidencialumui ir interpretavimo pavojus ir sukuria saugų analizės srautą.
- Jis parenka tinkamą rodiklį tam tikslui, atskirdamas klaidinančius pavienius rodiklius ir matavimus, kuriais galima manipuliuoti.
- Jis atpažįsta klaidinančius diagramų metodus (ašis neprasideda nuo nulio, pasirinktas diapazonas) ir stebi sąžiningą vizualizaciją.
Visuomenė kasdien gamina duomenis: paraiškų skaičius, sprendimo laikas, biudžeto punktai, gyventojų judėjimai, paslaugų užklausos, audito rezultatai, pasitenkinimo tyrimai. Dauguma šių duomenų yra „Excel“ skaičiuoklėse, formose ir įrašymo sistemose, bet nevirsta sprendimais, nes jų analizei reikia patirties ir laiko. Duomenimis pagrįstas sprendimų priėmimas (požiūris į išteklių paskirstymą ir politikos nustatymą remiantis išmatuotais įrodymais, o ne nuomone ar įpročiu) didina ir efektyvumą, ir teisingumą viešajame sektoriuje: ištekliai patenka ten, kur jų labiausiai reikia, remiantis skaičiais. Čia AI yra galingas asistentas, padedantis suprasti lentelę, rasti modelius ir anomalijas, išgauti suvestinę statistiką ir paversti išvadas paprastais sakiniais. Šiame skyriuje pamatysite, kaip sutrumpinti kelią nuo neapdorotų viešųjų duomenų iki pagrįsto sprendimo naudojant AI ir išlaikyti drausmę svarbiausiu aspektu – teisingu skaičiaus interpretavimu.
Trys pavojai dirbant su duomenimis
Duomenys yra galingi, tačiau juose yra trys spąstai, o AI gali šiuos spąstus sušvelninti ir padidinti:
- Koreliacija ≠ priežastinis ryšys. Tai, kad du dalykai keičiasi kartu, nereiškia, kad vienas sukelia kitą. Ledų pardavimas ir skendimų daugėja, nes abu jie yra susiję su vasaros karščiu, o ne vienas sukelia kitą. AI sklandžiai konstruoja „dėl“ sakinius; Suabejokite kiekvienu teiginiu apie priežastinį ryšį.
- Šališki / trūksta duomenų. Iš ko ir kaip buvo surinkti duomenys? Skundų duomenys atspindi tik tuos, kurie gali skųstis; skaitmeninių programų duomenis, turinčius prieigą prie interneto. Jei nematote trūkstamos grupės, sprendimas bus šališkas.
- Skaičius be konteksto. Vien „padidino 30%“ beprasmiška: pagal ką, kokiu laikotarpiu koks yra absoliutus skaičius? Paklauskite AI konteksto.
Dėmesio: AI analizuoja jūsų pateiktą lentelę, tačiau kartais prideda „pagrįstų“, bet fiktyvių skaičių iš už lentelės ribų arba tyliai užpildo trūkstamus langelius. Palyginkite kiekvieną išvesties numerį su šaltinio lentele; Suteikite AI taisyklę „naudokite tik mano pateiktos lentelės reikšmes, jei jų trūksta, pasakykite „nėra duomenų“.
Žingsnis po žingsnio duomenų analizės srautas
- Patikslinkite klausimą. Į kokį klausimą ieškome atsakymų priimant sprendimą? („Kuriame rajone sprendimo laikas užtrunka ilgiausiai?“)
- Žinokite duomenis. Kokie yra stulpeliai, kas yra vienetas, koks yra laikotarpis, ar nėra kokių nors / neteisingų reikšmių?
- Išskleiskite asmens duomenis. Anonimizuoti / agreguoti, jei analizei nereikia asmens tapatybės (žr. 11 skyrių).
- Atsiranda santrauka ir modelis. Tegul AI atlieka pagrindinę statistiką, grupavimą ir anomalijų žymėjimą.
- Klauskite komentaro. Koreliacija ar priežastinis ryšys? Alternatyvus paaiškinimas? Trūksta grupės?
- Vizualizuokite ir supaprastinkite. Paprasta santrauka ir grafika, kurią gali suprasti sprendimų priėmėjas.
- Dokumentuokite sprendimą ir jo motyvus. Koks sprendimas buvo priimtas remiantis kokiais duomenimis? audito seka.
trys mini dėklai
1 atvejis – šaltinis pateko į reikiamą vietą. Anksčiau savivaldybė savo parko priežiūros biudžetą skirstydavo „polygiai kiekvienam mikrorajonui“. Išanalizavus 18 mėnesių paklausos ir naudojimo duomenis naudojant AI, trijų rajonų paklausa vienam gyventojui buvo 2,4 karto didesnė už vidurkį. Biudžetas buvo perskirstytas pagal poreikį; bendras pasitenkinimas padidėjo, be papildomų išlaidų.
2 atvejis – pastebėti šališki duomenys. Agentūra pažvelgtų į skaitmeninių paraiškų duomenis ir padarytų išvadą, kad „piliečiai nebeateina į rinkliavos punkto“. Tačiau kai analizėje buvo paprašyta suskirstyti pagal amžių, buvo pastebėta, kad vyresni nei 65 metų amžiaus prašymai vis tiek dažniausiai gaunami iš kasos. Jei būtų žiūrima tik į skaitmeninius duomenis, ši grupė būtų ignoruojama; kasos paslauga buvo išsaugota.
3 atvejis. Sugalvotas priežastinis ryšys sustabdytas. Aiškindamas lentelę YZ sakė: „Avarijų sumažėjo, nes padaugėjo patikrinimų“. Analitikas priminė, kad per tą patį laikotarpį keitėsi ir orai, sumažėjo eismas; Priskirti tai vienai priežasčiai buvo klaidinanti. Ataskaita buvo pataisyta taip, kad „yra ryšys, bet priežastinis ryšys neįrodytas“.
Keturi kopijuojami šablonai
1) Susipažinimas su lentele:
Jūsų vaidmuo: duomenų analitikas. Išnagrinėkite toliau pateiktą lentelę ir, remdamiesi TIK šioje lentelėje pateiktomis reikšmėmis: (1) apibendrinkite, kas yra kiekvienas stulpelis, jo vienetas ir laikotarpis, (2) visi langeliai, kurių trūksta arba kurie yra neteisingi, (3) apibendrinkite 3 geriausius išsiskiriančius modelius. Skaičių pridėjimas iš lentelės ribų; jei trūksta, pasakykite "nėra duomenų". LENTELĖ: [įklijuoti duomenis]
2) Suvestinė statistika su kontekstu:
Toliau pateiktoje lentelėje atsakykite į klausimą: [klausimas]. PRIVALO pateikti rezultatą su kontekstu: absoliutus skaičius + norma + palyginimo laikotarpis. Kai sakote „padidėjo X %“, nurodykite, kiek ir kokiu laikotarpiu. Tiesiog naudokite duotus duomenis.LENTELĖ: [duomenys] KLAUSIMAS: [klausimas]
3) Priežastingumo klausėjas:
Interpretuokite šią išvadą, bet ATSARGIAI: nepainiokite koreliacijos su priežastiniu ryšiu. Sugeneruokite bent 3 alternatyvius šio ryšio paaiškinimus (trečiasis kintamasis, atvirkštinė kryptis, sutapimas). Pasakykite man, kokių papildomų duomenų reikia norint įrodyti priežastinį ryšį. RASTI: [santykiai]
4) Paprasta sprendimo santrauka:
Supaprastinkite šią analizę sprendimus priimančiam asmeniui, kuris nėra duomenų ekspertas: ne daugiau kaip 5 elementai, kiekvienas punktas – išvada ir paaiškinimas „ką tai reiškia“. Taip pat aiškiai užrašykite duomenų neapibrėžtumus ir ribas. Pridedama naujos informacijos.ANALIZĖ: [tekstas]
Silpnas raginimas / Stiprus raginimas
Silpnas: „Išanalizuokite šią diagramą ir pasakykite mums, ką turėtume daryti“.
Stiprus: "Jūsų vaidmuo yra duomenų analitikas. Naudokite TIK žemiau esančią lentelę; nepridėkite skaičių iš išorės, nesakykite "nėra duomenų" į trūkstamą langelį. Pirmiausia susipažinkite su stulpeliais, vienetais ir tašku. Tada atsakykite į klausimą "kuris rajonas turi ilgiausią sprendimo laiką" nurodydamas absoliutų skaičių + santykį + palyginimo laikotarpį. Jei randate modelį, prieš paaiškindami, galiausiai pateikite 3 alternatyvius paaiškinimus, susijusius su priežastimis ir prielaidomis. (trūksta grupės, trumpas laikotarpis), kurie palieka sprendimą mums.
Skirtumas: stiprus raginimas kartu nustato duomenų tikslumą, kontekstą, priežastingumo discipliną ir sprendimo ribas; Rezultatas yra pagrįsta analizė.
Kur galima pasitikėti AI duomenų versle?
verslui
AI pasitikėjimas
taisyklė
Lentelės santrauka, grupavimas
aukštas
Pateikiami tik duomenys
Anomalijos / rašto žymėjimas
vidutinis
žmogaus patvirtinimas
Priežastingumo aiškinimas
žemas
Reikalingas alternatyvus paaiškinimas
Trūkstamų duomenų pildymas
per žemas
Nedarykite to; "nėra duomenų"
Supaprastinimas/vaizdinė santrauka
aukštas
Reikšmė turi būti išsaugota
Indikatoriaus dizainas ir klaidinančios diagramos gaudyklė
Svarbiausias žingsnis priimant sprendimus naudojant duomenis yra tinkamo rodiklio pasirinkimas (skaitinė išraiška, leidžianti išmatuoti reiškinį, pavyzdžiui, „vidutinis apdorojimo laikas“ arba „kaina už programą“). Netinkamas rodiklis lemia neteisingą sprendimą, net ir turint tikslius duomenis: nors atrodo, kad „bendras išspręstų skundų skaičius“ didėja, „vieno piliečio laukimo laikas“ gali pablogėti. AI gali išvardyti temos kandidatinius rodiklius ir tai, ką kiekvienas matuoja ir slepia; bet jūs nuspręsite, kuris rodiklis iš tikrųjų atspindi viešąjį interesą. Taip pat atkreipkite dėmesį į klaidinančios vizualizacijos riziką (suvokimo iškraipymas naudojant tokias technikas kaip ašis, kuri neprasideda nuo nulio, neproporcinga skalė, pasirinktas laiko intervalas) PG siūlomuose ar aprašomuose grafikuose; sąžiningas vaizdas viešuosiuose duomenyse yra valdymo dalis.
Mini dėklas - neteisingas ženklas, neteisingas pasigyrimas. Vienas vienetas mušė rekordus pagal rodiklį „uždarytų bylų skaičius per mėnesį“; tačiau piliečių skundų padaugėjo. Žvelgiant į tikslų rodiklį, „pirmojo kontakto skyros rodiklį“, rodiklis sumažėjo nuo 58 procentų iki 44 procentų – failai buvo greitai uždaromi ir vėl atidaromi. Pasikeitus rodikliui, pasikeitė ir valdymo prioritetas.
Mini dėklas – ašis, kuri neprasideda nuo nulio. Pristatyme aprašytame grafike AI vertikali ašis prasideda nuo 40, o 2 procentų padidėjimas atrodė kaip dramatiškas šuolis. Kai ašis buvo perkelta į nulį, išryškėjo tikras vaizdas ir sprendimas buvo pašalintas iš perdėto suvokimo.
Šablonas, palaikantis indikatoriaus pasirinkimą:
Užduotis: Pasiūlykite 5 kandidatų rodiklius tokiam tikslui.Tikslas: [pvz. gerinant piliečių paslaugų kokybę]Kiekvienam rodikliui: ką jis matuoja | ką jis gali paslėpti | atvirumas manipuliacijoms | rekomenduojamas skaitymo dažnis.Kitas: parašykite 3 įspėjimus (tuos, kurie patys savaime yra klaidinantys), kad kartu skaitytumėte šiuos rodiklius.Taisyklė: nekurkite skaičių; tiesiog pasiūlykite indikatoriaus dizainą.
Atsargiai: nepakliūkite į klaidingą nuomonę, kad „skaičius yra objektyvus“. Kokį skaičių matuojate, kaip jį rodote ir kokį diapazoną pasirenkate, yra interpretacijos reikalas. Skaidrus ir sąžiningas viešas aiškinimas yra toks pat svarbus kaip tikslių duomenų turėjimas.
Dažnos klaidos
- Klaidinga koreliacija ir priežastinis ryšys. „Padidėjo kartu“ nėra priežastis; Ieškokite alternatyvių paaiškinimų.
- AI užpildo trūkstamus duomenis. Analizė žlunga su išgalvota verte; palikti dingusius dingusius.
- Apibendrinant šališkus duomenis. Skundai / skaitmeniniai duomenys atstovauja ne visiems; Paklauskite trūkstamos grupės.
- Numerio pateikimas be konteksto. Šalia santykio turi būti absoliutus skaičius ir palyginimo laikotarpis.
- Be reikalo analizuoja asmeninius duomenis. Nenaudokite individualaus identifikavimo, jei pakanka suvestinių duomenų.
- Neįformino sprendimo dokumentais. Koks sprendimas buvo priimtas remiantis kokius duomenis reikia fiksuoti auditui.
Apibendrinant
Duomenimis pagrįstas sprendimų priėmimas yra galingiausias būdas teisingai ir efektyviai paskirstyti išteklius viešajame sektoriuje; AI yra greitas asistentas šiame versle, kuris įprasmina vaizdą, randa modelius ir supaprastina radimą. Tačiau neverskite dirbtinio intelekto sudaryti skaičių, neverskite jo užpildyti trūkstamų duomenų, neleiskite jam supainioti koreliacijos su priežastiniu ryšiu ir venkite apibendrinti šališkų / neišsamių duomenų. Skaičiuose yra stiprybės; Asmuo, kuris teisingai interpretuoja ir dokumentuoja sprendimą, yra stipresnis.
Taikymo užduotis
Iš savo įrenginio gaukite tikrą lentelę (su pašalintais asmeniniais duomenimis). Įveskite duomenis naudodami šabloną „Susipažinkite su lentele“, tada gaukite atsakymą į svarbų klausimą, kad galėtumėte priimti sprendimą naudodami šabloną „Kontekstinė suvestinė statistika“. Taikykite „priežastinio ryšio klausimo“ šabloną besikuriantiems santykiams ir raskite bent vieną alternatyvų paaiškinimą. Patikrinkite, ar AI neprideda skaičių iš lentelės ribų.
kontrolinis sąrašas
- [ ] AI naudojo tik nurodytą lentelę; Skaičių iš išorės jis nepridėjo.
- [ ] aš neužpildžiau trūkstamų duomenų; Palikau kaip "nėra duomenų".
- [ ] Kiekvieną rezultatą pateikiau su kontekstu (absoliutus skaičius + norma + laikotarpis).
- [ ] Pateikiau alternatyvų priežastinio ryšio teiginių paaiškinimą.
- [ ] Įvertinau šališkų / trūkstamų duomenų ir trūkstamos grupės riziką.
- [ ] Sprendimą ir duomenis, kuriais jis buvo grindžiamas, dokumentavau.