Pelnas:
- Gebėjimas pateikti į sprendimus orientuotą įžvalgą iš išsklaidytų duomenų, suprantant duomenų-informacijos-įžvalgos-sprendimo laiptus ir žingsnis po žingsnio įgyvendinant dirbtinį intelektą
- Gebėjimas atskleisti tiesą, kurią slepia bendrieji skaičiai per segmentų skaidymą ir atskirti koreliaciją nuo priežastingumo
- Gebėjimas dirbtinio intelekto siūlomas priežastis traktuoti kaip hipotezes, kurias reikia patikrinti, ir pagrįsti galutinį sprendimą patikrinta įžvalga
Kasdien ant vadovo stalo atkeliauja dešimtys skaičių: pardavimo duomenys, išlaidos, klientų skundai, atsargų lygis, darbuotojų kaitos rodikliai. Tačiau vien skaičius nėra sprendimas. Sprendimas prasideda nuo reikšmės matymo skaičiuje. „Pardavimai sumažėjo 8 procentais, palyginti su praėjusiu mėnesiu“, yra duota; „Pardavimų sumažėjimą lėmė du stambūs klientai Egėjo jūros regione, atidėję savo užsakymus“, – tokia įžvalga. Čia sprendimų palaikymas – procesas, dėl kurio duomenys tampa prasmingi, kad vadovas galėtų priimti geresnius sprendimus – yra tiltas, paverčiantis duomenis įžvalga. Šiame skyriuje išmoksime naudoti AI ant šio tilto. Riba aiški nuo pat pradžių: AI sukuria juodraščius įžvalgas; Vadovas nusprendžia, kuri įžvalga yra tikra ir ką daryti.
Keturi žingsniai nuo duomenų iki įžvalgos
Sprendimų parama yra kopėčios. Pirmasis skaitmuo – duomenys: neapdoroti skaičiai (šį mėnesį gauta 1 240 užsakymų). Antras skaitmuo – informacija: redaguoti, palyginti skaičiai (8 proc. mažiau nei praėjusį mėnesį). Trečioji pakopa – įžvalga: nuosmukio priežasties supratimas (dviejų pagrindinių klientų delsimas). Ketvirtas žingsnis – sprendimas: ką daryti (paklausti šiuos klientus ir nukreipti naujus klientus). AI yra labai greitas pirmame ir antrame žingsnyje, yra geras pagalbininkas trečiajame, siūlo tik keturias galimybes.
Žinoti šias kopėčias svarbu, nes dauguma vadovų tiesiogiai prašo AI „apspręsti už mane“ ir nusivilia. Tačiau jei AI vykdysite žingsnis po žingsnio – iš pradžių apibendrinkite, tada palyginkite, tada kvestionuokite galimas priežastis ir galiausiai patys priimsite sprendimą – būsite ir greiti, ir patikimi.
Užuomina: paklauskite AI „ką jūs darote išvadą iš šių duomenų? Užuot klausę visų iš karto, tęskite žingsnis po žingsnio sakydami „pirmiausia apibendrinkite, tada parodykite 3 svarbiausius pakeitimus, tada pasiūlykite 2 galimas priežastis kiekvienam“. Laipsniškas mąstymas duoda tikslesnius rezultatus.
Koreliacijos ir priežastingumo spąstai
Pavojingiausia sprendimų palaikymo spąsta yra koreliacijos sumaišymas su priežastiniu ryšiu. Koreliacija yra tada, kai du dalykai juda kartu (vasarą kartu didėja ledų pardavimas ir skendimų skaičius). Priežastinis ryšys yra tada, kai vienas veda prie kito (ledai nesukelia uždusimo; karštas oras yra dažna priežastis). Dirbtinis intelektas labai gerai suranda dalykus, kurie juda kartu jūsų duomenyse, bet negali pasakyti, kas yra tikroji priežastis. Sakymas „Reklamos išlaidos padidėjo ir pardavimai padidėjo“ neįrodo, kad reklama padidino pardavimus; galbūt abiems įtakos turėjo šventinis laikotarpis.
Taigi, kai AI pasiūlo priežastį, traktuokite ją kaip hipotezę (prielaidą, kurią reikia įrodyti), o ne kaip faktą. "Kaip tai patikrinti?" paklausti. Geras vadovas patikrina priežastį, kurią AI siūlo lauke arba su duomenimis.
trys mini dėklai
1 atvejis – slapto kritimo gaudymas. Elektroninės prekybos įmonėje bendra apyvarta atrodė stabili, niekas nesijaudino. Vadovas AI pateikia anoniminius mėnesinius duomenis ir klausia: „Kuris segmentas auga, o kuris mažėja pagal kategorijas? – paklausė jis. YZ parodė, kad nors bendra apyvarta buvo pastovi, didelio pelno elektronikos kategorija iš tikrųjų sumažėjo 22 proc., o mažo pelno priedų pardavimas tai slėpė. Vadovas tai patvirtino ir didžiausią dėmesį skyrė elektronikos kategorijai. Visas skaičius buvo nuslėptas; Pertrauka atskleidė tiesą.
2 atvejis – bėgimas dėl netinkamos priežasties. Kavinių tinklo vadovas AI pateikė pardavimo duomenis. „Savaitgalio išpardavimai keičiasi atsižvelgiant į oro temperatūrą“, – sakė YZ. Vadovas tai perskaitė kaip „karštas oras padidina pardavimus“ ir išjungė oro kondicionierius. Tačiau tikroji priežastis buvo savaitgalį išaugęs klientų srautas; Temperatūra atsitiktinai pasislinko ta pačia kryptimi. Vadovas koreliaciją supainiojo su priežastiniu ryšiu. Jis išmoko pamoką ir nuo šiol išbandė visas priežastis.
3 atvejis. Teisingas palyginimo nustatymas. Buvo lyginamas dviejų gamybinės įmonės gamyklų efektyvumas. Vadovas klausia AI: „Ar gamykla A yra efektyvesnė nei B? Jis paklausė, bet AI nežinojo, kad gamykla A yra naujesnė ir mažesnė. Vadovas pataisė raginimą: „palyginkite derlių iš vieneto, atsižvelgdami į dydį ir amžiaus skirtumą“. Šį kartą analizė buvo teisinga ir paaiškėjo tikrasis skirtumas.
Keturi kopijuojami šablonai
1) Laipsniškas įžvalgos išgavimas:
Jūsų vaidmuo: verslo analitikas, padedantis vadovui. Naudokite pridedamus anoniminius duomenis (laikotarpis, kategorija, pardavimai, kaina). Tęskite žingsnis po žingsnio: 1) Apibendrinkite duomenis į 4 elementus. 2) Parodykite 3 ryškiausius pokyčius, palyginti su praėjusiu laikotarpiu. 3) Pasiūlykite iki 2 GALIMŲ kiekvieno pakeitimo priežasčių ir nurodykite, kad tai yra hipotezės ir reikia įrodymų. Nesugalvokite skaičių, kurių nėra mano pateiktuose duomenyse.
2) Suskirstymo (segmentų) analizė:
Net jei bendri skaičiai atrodo stabilūs, noriu žinoti, kas vyksta viduje. Prisegtus duomenis išskaidykite pagal kategoriją/regioną/kliento segmentą. Lentelėje parodykite, kuris segmentas auga, o kuris mažėja. Ypač pažymėkite apvertimus, kurie užmaskuoja bendrą sumą.
3) Koreliacijos ir priežastinio ryšio testas:
Radau tokį ryšį: [A ir B juda kartu]. Padėkite man suprasti, ar tai tikroji priežastis ir pasekmė, ar tik veiksmai kartu. Išvardykite galimas BENDRAS priežastis ir pasiūlykite 3 praktinius patikrinimus, kuriuos galiu atlikti, kad patikrinčiau šį ryšį.
4) Sprendimo pasirinkimo generavimas:
Aš patvirtinau šią įžvalgą: [įžvalga]. NESPRENDKITE už mane; vietoj to sugeneruokite 3 skirtingas veiksmų parinktis. Kiekvienam pasirinkimui: numatoma nauda, numatomos išlaidos / pastangos, pagrindinė rizika ir kokiai situacijai reikėtų teikti pirmenybę. Neutraliai pateikite parinktis; neprimesk kam nors.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Kodėl sumažėjo pardavimai?
Nėra duomenų, nėra laikotarpio, nėra konteksto. AI išvardija bendrąsias priežastis (ekonomika, konkurencija, sezonas); Nė vienas iš jų nėra susijęs su jūsų situacija ir negali būti patikrintas.
Galingas raginimas:
Jūsų vaidmuo: mažmeninės prekybos analitikas. Naudokite pridedamus anoniminius 6 mėnesių duomenis (mėnuo, regionas, kategorija, pardavimų skaičius, apyvarta). Bendra apyvarta per pastarąjį mėnesį sumažėjo 8 proc. Suskirstykite tai pagal regioną ir kategoriją; sužinoti, iš kurio segmento kilo nuosmukis. Pasiūlykite iki 2 patikrinamų hipotezių kiekvienam aptiktam nuosmukiui. Tiesiog naudok skaičius, kuriuos tau daviau.
Dydis
prastas požiūris
Stiprus požiūris
Duomenys
Nėra
Anonimas ir prisegtas
Klausimas
Bendras „kodėl?
Sulaužyta ir sutelkta
išvestis
Bendrosios priežastys
Tikrinamos hipotezės
Patikrinamumas
žemas
aukštas
sprendimo vertė
Mažiau
aukštas
Dažnos klaidos
- Remdamiesi bendru skaičiumi. Nors bendra suma yra pastovi, viduje gali būti didelių apsisukimų; Būtinai pažiūrėkite į suskirstymą.
- Klaidinga koreliacija ir priežastinis ryšys. Į AI nustatytus santykius žiūrėkite kaip į hipotezę, kurią reikia patikrinti, o ne kaip į įrodymą.
- Nesąžiningas palyginimas. Nelyginkite skirtingų dydžių/amžių/būklių vienetų jų nenormalizuodami.
- Sprendimų prašymas tiesiogiai iš AI. AI generuoja parinktis; Jūs prisiimate sprendimą ir atsakomybę.
- Išvadų darymas naudojant vieno laikotarpio duomenis. Norint nustatyti tendencijas, reikia pakankamai istorinių duomenų.
Atsargiai: kad ir kokia protinga atrodytų įžvalga, ji neturėtų tapti sprendimu, jei jos negalima patikrinti iš jūsų duomenų. „AI taip pasakė“ nėra pateisinimas; „Išbandžiau su duomenimis ir patvirtino“ – tai pagrindimas.
Apibendrinant
Sprendimų parama yra kopėčios, kurios duomenis paverčia įžvalga: duomenimis, informacija, įžvalga, sprendimu. Pirmaisiais dviem žingsniais dirbtinis intelektas yra labai greitas, trečiame – geras pagalbininkas, o ketvirtame – tik pasirinkimo teikėjas. Žiūrėkite suskirstymą, o ne bendrus skaičius; Nemaišykite koreliacijos su priežastiniu ryšiu; Peržiūrėkite priežastis, kurias AI siūlo kaip hipotezes, kurias reikia patikrinti. Laipsniškas mąstymas duoda tikslesnius rezultatus. Galutinį sprendimą priima vadovas, pagrįstas patvirtinta įžvalga.
Taikymo užduotis
Paruoškite anoniminį duomenų rinkinį iš savo įmonės (pvz., pardavimas pagal kategorijas per pastaruosius 6 mėnesius). Tegul dirbtinis intelektas suskirsto segmentus naudojant anksčiau pateiktą šabloną „Suskirstymo analizė“. Sukurkite hipotezę naudodami šabloną „Sąryšio ir priežastinio ryšio testas“ didžiausiam aptiktam pokyčiui ir 3 punktuose užrašykite, kaip patikrinsite šią hipotezę lauke.
kontrolinis sąrašas
- [ ] Ar anonimizuojau duomenis?
- [ ] Ar žiūrėjau į suskirstymą (segmentą), o ne į bendrą sumą?
- [ ] Ar AI pasiūlytą priežastį traktavau kaip hipotezę?
- [ ] Ar teisingai nustatiau palyginimus (normalizuotus)?
- [ ] Ar aš pats priėmiau sprendimą, remdamasis patikrinta įžvalga?