Pelnas:
- Gebėjimas paaiškinti verslo žvalgybos sluoksnius (šaltinis, ETL, duomenų saugykla, ataskaita) ir teisingas pagrindinių verslo metrikų (KPI) apibrėžimas.
- Gebėjimas naudoti dirbtinį intelektą, kad būtų sukurtas metrikos apibrėžimas, SQL juodraštis ir ataskaitos pasakojimas bei pateikiant rezultatą realiais duomenimis
- Gebėjimas atpažinti koreliacijos ir priežastinio ryšio painiavos ir klaidinančių metrikų riziką dirbtinio intelekto palaikomose analizės išvestėse
Verslo žvalgyba (BI) yra disciplina, kuri renka išsklaidytus organizacijos duomenis, paruošia ją analizei ir iš šių duomenų gamina sprendimus pagrindžiančią informaciją. MIS profesionalui BI yra tas sluoksnis, kuriame „duomenys virsta sprendimais“. Vien neapdoroti užsakymo įrašai nėra prasmingi; bet "kokiame regione šį mėnesį apyvarta sumažėjo, kodėl?" Ji sukuria vertę, kai tampa ataskaita, galinčia atsakyti į klausimą. Šiame skyriuje pamatysime BI sluoksnius, tinkamą metrinį dizainą ir kur dirbtinis intelektas yra šio proceso greitintuvas ir spąstai.
BI architektūra paprastai susideda iš šių sluoksnių. Šaltinio sistemos: vietos, kur gaunami duomenys, pvz., ERP, CRM, el. prekyba. ETL procesas (angl. Extract-Transform-Load): procesas, kuris ištraukia duomenis iš šaltinių (Extract), išvalo juos ir konvertuoja į standartinę struktūrą (Transform) ir įkelia į tikslą (Load). Duomenų saugykla: centrinė saugykla, kurioje renkami istoriniai ir nuoseklūs analizei skirti duomenys. Ataskaitų teikimo / vizualizacijos sluoksnis: prietaisų skydeliai, ataskaitos ir specialios užklausos. Šioje grandinėje kiekvieno sluoksnio kokybė lemia kitą; Jei šaltinis yra nešvarus, ataskaita taip pat yra nešvari.
Teisingas metrikos ir KPI apibrėžimas
Metrika – tai išmatuota skaitinė reikšmė: bendra apyvarta, užsakymų skaičius. KPI (pagrindinis našumo rodiklis) yra kritinė metrika, kuri įvertina našumą, palyginti su tikslu: „mėnesio klientų atsipirkimo rodiklis mažesnis nei 5 %“. Ne kiekviena metrika yra KPI; KPI yra metrika, susieta su verslo tikslu ir skatinanti priimti sprendimą.
Klastingiausia BI projektų problema – neaiškus metrikų apibrėžimas. Ką reiškia „aktyvus klientas“? Užsakėte per pastarąsias 30 dienų ar 90 dienų? Ar grįžtantys skaičiuojami? Jei dvi komandos „aktyvių klientų skaičiumi“ reiškia skirtingus dalykus, ta pati prietaisų skydelis rodo du skirtingus faktus. Štai kodėl kiekvienas KPI turėtų turėti vieno sakinio, plačiai priimtą apibrėžimą. AI greitai parengia šių apibrėžimų juodraščius; tačiau verslo padalinys turi nuspręsti, kuris apibrėžimas yra „teisingas“.
Patarimas: Kurdami KPI, užsirašykite tris dalykus: (1) formulę (kas tiksliai yra skaitiklis / vardiklis), (2) laiko langas, (3) neįtraukti atvejai. Kai AI sako „išskleiskite šio KPI apibrėžimo dviprasmybes kaip klausimus“, atskleidžiamos paslėptos prielaidos.
Žingsnis po žingsnio: ataskaitų generavimas naudojant dirbtinį intelektą
1 veiksmas – paaiškinkite klausimą. Kokį sprendimą priims ataskaita? Konkretus tikslas, pvz., „spręsime, kuriam regionui perkelsime biudžetą“, o ne „turėtų atrodyti gražiai“.
2 veiksmas – apibrėžkite metriką. Parašykite reikiamus KPI su formulėmis, langais ir išimtimis. Dirbtinis intelektas gali sukurti apibrėžimų juodraštį.
3 veiksmas – sugeneruokite SQL juodraštį. Pateikite schemos informaciją dirbtiniam intelektui ir sukurkite užklausos juodraštį. Tačiau prieš paleisdami užklausą perskaitykite ir supraskite.
4 veiksmas – patikrinkite naudodami nedidelius duomenis. Pirmiausia paleiskite užklausą mažame pavyzdyje su žinomais rezultatais; Patikrinkite sumas rankiniu būdu. AI SQL gali būti sintaksiškai teisingas, bet logiškai neteisingas.
5 veiksmas – pridėkite pasakojimą, patikrinkite teiginius. AI gali parengti pasakojamąjį ataskaitos tekstą; bet įrodyti kiekvieną priežastinį teiginį („todėl pardavimai krito“).
Koreliacijos ir priežastinio ryšio spąstai
Pavojingiausia BI klaida yra interpretuoti dvi metrikas, kurios veikia kartu kaip „vienas sukuria kitą“. Koreliacija yra tada, kai dvi reikšmės keičiasi kartu; Priežastinis ryšys yra tada, kai vienas sukelia kitą. Sakinys „Padidėjus ledų pardavimui, padaugėjo skendimo atvejų“ yra teisingas, tačiau ledai skendimo nesukelia; Dažna priežastis – vasara (karštas oras). Dirbtinis intelektas gali lengvai sudaryti priežastinius sakinius, kai rengia ataskaitos pasakojimą; MIS ekspertas į šiuos teiginius atsako klausdamas "ar yra koks nors kitas paaiškinimas?" Jis turėtų tai išbandyti. Priešingu atveju dėl netinkamos priežasties bus priimtas neteisingas sprendimas.
Trys mini dėklai: pagal numerius
1 atvejis – neapibrėžtos metrikos kaina. Telekomunikacijų įmonėje „aktyvių abonentų“, pristatytų direktorių tarybai, skaičius siekė 2,1 mln., o finansų komandos ataskaitoje – 1,7 mln. Skirtumas buvo tas, kad vienas skaičiavo 90 dienų kaip „aktyvus“, o kitas – 30 dienų. Neteisingas augimo tempas buvo aptariamas dvi savaites, kol buvo išaiškintas bendras apibrėžimas. Vieno sakinio KPI apibrėžimas išvengtų šios painiavos.
2 atvejis – AI neteisingas SQL. Vieno mažmenininko AI pridėjo grąžinimo eilutes prie bendros sumos generuodamas užklausą „vidutinis krepšelis vienam klientui“; Rezultatas buvo 12% didesnis už tikrąją vertę. SQL buvo sintaksiškai tobulas. Kai ekspertas rankiniu būdu patikrino žinomą dienos sumą, jis užfiksavo nuokrypį ir pridėjo grąžinimo filtrą.
3 atvejis. Priežastinio ryšio klaidingumas. El. prekybos įmonėje prietaisų skydelyje buvo rašoma, kad „pardavimas 18 % didesnis tomis dienomis, kai siunčiama el. pašto kampanija“, o komanda ketino padidinti kampanijos biudžetą. Analizė parodė, kad kampanijos jau buvo nustatytos taip, kad sutaptų su didelio srauto kampanijos dienomis (nuolaidų laikotarpiais). Pardavimą paskatino laikotarpis, o ne el. laiškas. Jei biudžetas būtų padidintas be testavimo su kontroline grupe, pinigai būtų iššvaistyti.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Iš šios lentelės parašykite pardavimo ataskaitą SQL.
Galingas raginimas:
Jūsų vaidmuo: Jūs esate dėmesingas BI analitikas.Parašykite SQL užklausos JURAŽĄ pagal toliau pateiktą schemą.Taisyklės:- Naudokite tik nurodytas lenteles/laukelius; netinkantis laukas.- IŠSKYRIUS grąžinimus (status='Grąžinimas') iš bendros sumos.- Laiko langas: paskutinės 30 dienų.- Eilutėje pakomentuokite, ką daro užklausa.- Pasiūlykite 1 pavyzdinę eilutę, kurią būtų galima rankiniu būdu patvirtinti testavimui pabaigoje.Schema:Užsakymas(id, kliento_id, data, suma, suma, apyvarta 0) paskutinis 30 dienų klientas. pagal segmentą.
Galingas raginimas apriboja schemą, nustato verslo taisyklę (išskyrus grąžą), nurodo langą ir prašo patikrinti išvestį.
Keturi kopijuojami šablonai
1) KPI apibrėžimo paaiškinimas:
Parašykite visą šio KPI aprašą: formulę (skaitiklį / vardiklį), laiko langą, neįtraukti atvejai. Pridėkite bet kokį apibrėžimo neaiškumą kaip klausimą.KPI: [vardas, pvz. „klientų atsisakymo rodiklis“]
2) SQL logikos patikrinimas:
Išnagrinėkite šią SQL užklausą: ar yra loginių klaidų, neteisingų JOIN, trūkstamų filtrų ar dvigubo skaičiavimo pavojus? Parašykite kiekvieno radinio pagrindimą. Nekeiskite užklausos, tiesiog patikrinkite. SQL: [užklausa]
3) Pranešimo pasakojimas + paraiškos kontrolė:
Parašykite trumpą santrauką iš toliau pateiktos rezultatų lentelės. Prie kiekvieno priežastinio teiginio pažymėkite [REVIDENCE REQUIRED] ir pasiūlykite alternatyvų paaiškinimą. Tiesiog pasikliaukite lentelės duomenimis. Lentelė: [duomenys]
4) Metrikos nuoseklumo patikrinimas:
Dviejose toliau pateiktose ataskaitose metrika tuo pačiu pavadinimu pateikia skirtingas vertes. Pateikiami galimi apibrėžimo skirtumai (laiko langas, filtras, skaičiavimas). Ataskaitos: [A] [B]
Palyginimo diagrama: geras ir blogas KPI
funkcija
Blogas KPI
Geras KPI
Aprašymas
„Aktyvus klientas“
„Klientas, įvykdęs ≥1 užsakymą per pastarąsias 30 dienų“
ryšys su taikiniu
Nėra
„Iki 5% nuostolių lygio“
išmatuojamumas
dviprasmiškas
formulė aiški
išimtis
neapibrėžtas
Išskyrus grąžinimus
Ar tai skatina priimti sprendimą?
ne
Taip
Dažnos klaidos
- Metrika paliekama neapibrėžta. Jei tokie žodžiai kaip „aktyvus“, „sėkmingas“, „baigtas“ naudojami be formulės, kiekviena komanda skaičiuoja skirtingai.
- AI SQL paleidimas be patvirtinimo. Sintaksiškai teisinga užklausa gali būti logiškai neteisinga; dažnas dvigubas skaičiavimas ir neteisingas JOIN.
- Paini koreliacija su priežastiniu ryšiu. Galvojimas, kad „su tuo padidėjo“ reiškia „tai sukėlė tai“, būtų priimtas neteisingas sprendimas.
- Tuštybės metrinis siekis. Įmantrios, bet ne lemiamos metrikos, pvz., „bendras paspaudimų skaičius“, klaidinimas kaip KPI.
- Pateikiami skaičiai be konteksto. Vien „apyvarta 4,2 mln.“ – beprasmiška; Kontekstas reikalingas atsižvelgiant į praėjusį mėnesį, tikslą arba biudžetą.
Atsargiai: dirbtinio intelekto sukurti ataskaitų pasakojimai yra įtikinami ir sklandūs; Tai tiksliai padidina riziką. Sklandus sakinys gali sukelti klaidingą priežastinio ryšio teiginį. Patikrinkite kiekvieną teiginį „dėl to“ ir „todėl“ su įrodymais.
Apibendrinant
Verslo žvalgyba yra sluoksnis, kuris išsklaidytus duomenis paverčia sprendimais ir susideda iš šaltinio, ETL, duomenų saugyklos ir ataskaitų grandinės. KPI yra kritinė metrika, susieta su verslo tikslu su aiškiai apibrėžta formule ir išimtimis; neapibrėžta metrika yra dažniausia BI klaida. Dirbtinis intelektas užtikrina didelį greitį kuriant KPI apibrėžimą, SQL juodraštį ir ataskaitos pasakojimą; bet kiekvienas SQL turi būti logiškai pagrįstas, kiekvienas skaičius turi būti pagrįstas žinomais duomenimis ir kiekvienas priežastinis teiginys turi būti patikrintas įrodymais. Koreliacija nėra priežastinis ryšys; Skystas pasakojimas negarantuoja tikslumo.
Taikymo užduotis
Sukurkite internetinės kursų platformos „baigimo rodiklio“ KPI. (1) Parašykite vieno sakinio aprašymą su formule, laiko langu ir išimtimis (pvz., ar skaičiuojamos atšauktos registracijos?). (2) Sudarykite paprastą schemą (Registracija, Kursas, Pažanga) ir sugeneruokite SQL juodraštį šiam KPI naudodami galingą raginimą. (3) Raskite bent vieną galimą dvigubo skaičiavimo arba neteisingo filtravimo riziką užklausoje. (4) Išspausdinkite išvados santrauką ir pažymėkite joje kiekvieną priežastinį reikalavimą. (5) Parenkite koreliacijos-priežastinio ryšio spąstų pavyzdį ir paaiškinkite, kaip jį išbandytumėte.
kontrolinis sąrašas
- [ ] Parašyta kiekvieno KPI formulė, laiko langas ir išimtis.
- [ ] Aš perskaičiau ir supratau AI sugeneruotą SQL eilutė po eilutės.
- [ ] Rankiniu būdu patvirtinau užklausą mažai žinomais duomenimis.
- [ ] Kiekvieną ataskaitoje pateiktą priežastinį teiginį patikrinau su įrodymais.
- [ ] Kontekstualizavau kiekvieną skaičių su etalonu (tikslas / paskutinis laikotarpis).
- [ ] Pasiekiau komandų sutarimą dėl metrikos apibrėžimų.