Добивки:
- Способност да се објаснат слоевите на деловната интелигенција (извор, ETL, складиште на податоци, извештај) и правилна дефиниција на клучните деловни метрики (KPI).
- Способност да се користи вештачка интелигенција за да се произведе метричка дефиниција, нацрт SQL и наратив на извештаи и да се обезбеди резултат со реални податоци
- Способност да се препознаат ризиците од конфузија на корелација-причина и погрешни метрики во резултатите од анализата поддржани од вештачка интелигенција
Деловната интелигенција (БИ) е дисциплина која ги собира дисперзираните податоци на организацијата, ја прави подготвена за анализа и произведува информации за поддршка на одлуки од овие податоци. За професионалец во MIS, БИ е слојот каде што „податоците се претвораат во одлуки“. Само записите за необработени нарачки не се значајни; но „во кој регион се намали прометот овој месец, зошто? Продуцира вредност кога станува извештај што може да одговори на прашањето. Во оваа единица, ќе ги видиме слоевите на БИ, вистинскиот метрички дизајн и каде вештачката интелигенција е забрзувач и замка во овој процес.
BI архитектурата генерално се состои од следните слоеви. Изворни системи: Места од каде потекнуваат податоците, како што се ERP, CRM, е-трговија. ETL процес (English Extract-Transform-Load): Процесот кој ги извлекува податоците од изворите (Extract), ги чисти и ги претвора во стандардна структура (Transform) и ги вчитува во целта (Load). Магацин на податоци: централно складиште каде се собираат историски и конзистентни податоци дизајнирани за анализа. Слој за известување/визуелизација: контролни табли, извештаи и ад-хок прашања. Во овој синџир, квалитетот на секој слој го одредува следниот; Ако изворот е валкан, и извештајот е валкан.
Правилно дефинирање на метрика и KPI
Метрика е измерена нумеричка вредност: вкупен промет, број на нарачки. KPI (Key Performance Indicator) е критична метрика која ги мери перформансите во однос на целта: „месечна стапка на отфрлање на клиентите под 5%“. Не секоја метрика е KPI; KPI е метрика која е поврзана со деловна цел и предизвикува одлука.
Најподмолниот проблем на БИ проектите е нејасната дефиниција на метриката. Што значи „активен клиент“? Нарачано во последните 30 дена или 90 дена? Дали се бројат повратниците? Ако два тима значат различни работи под „број на активни клиенти“, истата контролна табла покажува два различни факти. Затоа секој KPI треба да има една реченица, широко прифатена дефиниција. ВИ брзо произведува нацрти на овие дефиниции; но на деловната единица е да одлучи која дефиниција е „точна“.
Совет: Кога дизајнирате KPI, запишете три работи: (1) формула (што точно е броителот/именителот), (2) временски прозорец, (3) исклучени случаи. Ако вештачката интелигенција вели „извлекување на нејаснотии во дефиницијата на овој KPI како прашања“ открива скриени претпоставки.
Чекор по чекор: генерирање извештаи напојувани со вештачка интелигенција
Чекор 1 - Разјаснете го прашањето. Каква одлука ќе послужи извештајот? Конкретна цел од типот „ние ќе одлучиме во кој регион ќе го префрлиме буџетот“, а не „да изгледа убаво“.
Чекор 2 - Дефинирајте метрика. Напишете ги потребните KPI со формули, прозорци и исклучоци. Вештачката интелигенција може да произведе нацрт-дефиниции.
Чекор 3 - Генерирајте нацрт SQL. Дајте информации за шемата на вештачката интелигенција и изгответе нацрт за барање. Но, прочитајте и разберете го барањето пред да го извршите.
Чекор 4 - Потврдете со мали податоци. Извршете го барањето прво на мал примерок со познати резултати; Рачно проверете ги збировите. SQL на AI може да биде синтаксички точен, но логички неточен.
Чекор 5 - Додадете наратив, тестирајте тврдења. ВИ може да произведе наративен текст за извештајот; но докажете го секое каузално тврдење („затоа падна продажбата“).
Замката за корелација и кауза
Најопасната грешка во БИ е да се интерпретираат две метрики кои дејствуваат заедно како „едниот го создава другиот“. Корелација е кога две вредности се менуваат заедно; Причината е кога едното предизвикува друго. Реченицата „Како што се зголеми продажбата на сладолед, се зголемија случаите на давење“ е точна, но сладоледот не предизвикува давење; Честа причина е летото (топло време). Вештачката интелигенција лесно може да направи каузални реченици при изработка на наратив на извештајот; Експертот за МИС на овие тврдења одговара со прашањето „дали има некое друго објаснување“. Тој треба да го тестира. Во спротивно, ќе биде донесена погрешна одлука врз основа на погрешна причина.
Три мини случаи: според бројките
Случај 1 - Цена на недефинирана метрика. Во една телекомуникациска компанија, бројот на „активни претплатници“ претставени на бордот на директори бил 2,1 милион, а извештајот на финансискиот тим бил 1,7 милиони. Разликата беше во тоа што едниот броеше 90 дена како „активен“, додека другиот броеше 30 дена. За погрешната стапка на раст се разговараше две недели додека не се разјасни заедничката дефиниција. Дефиницијата за KPI од една реченица ќе ја избегне оваа забуна.
Случај 2 - погрешен SQL на AI. Во еден продавач на мало, вештачката интелигенција додаде линии за враќање на вкупниот број при генерирање на барањето „просечна кошничка по клиент“; Резултатот беше 12% над вистинската вредност. SQL беше синтаксички совршен. Кога експертот рачно го потврдил збирот на познатиот ден, го забележал отстапувањето и го додал филтерот за враќање.
Случај 3 - Заблуда на каузалноста. Во една компанија за е-трговија, на контролната табла пишуваше „продажбата е за 18% повисока во деновите кога се испраќа кампања за е-пошта“ и тимот требаше да го зголеми буџетот за кампањата. Анализата покажа дека кампањите веќе биле темпирани да се совпаѓаат со деновите на кампањата со голем сообраќај (периоди на попуст). Тоа беше периодот, а не е-поштата што ја поттикна продажбата. Да се зголеми буџетот без тестирање со контролна група, парите ќе се фрлаат залудно.
Слаба навестување / Силен навестување
Слаба навестување:
Напишете го SQL извештајот за продажба од оваа табела.
Моќен потсетник:
Вашата улога: Вие сте внимателен аналитичар на БИ. Напишете DRAFT на SQL барање според дијаграмот подолу. Правила: - Користете ги само дадените табели/полиња; несоодветно поле.- EXCLUDE враќа (статус='Враќање') од вкупниот број.- Временски прозорец: последните 30 дена.- Коментар линија по ред што прави барањето.- Предложете 1 примерок линија што може рачно да се потврди за тестирање на крајот. Шема: Нарачка(ид, клиент_ид, датум, износ, статус на клиент, име 0 последен промет, сегмент на клиентот) по сегмент.
Моќниот промпт ја ограничува шемата, го наметнува деловното правило (со исклучок на враќањето), го одредува прозорецот и бара проверлив излез.
Четири шаблони за копирање
1) Појаснување за дефиниција на KPI:
Напишете го целосниот опис за следните KPI: формула (броител/имениител), временски прозорец, исклучени случаи. Додадете нејаснотија во дефиницијата како прашање. KPI: [име, на пр. „стапка на отфрлање на клиентите“]
2) SQL логичка проверка:
Испитајте го следното SQL барање: дали постои ризик од логички грешки, неточни JOIN, филтри што недостасуваат или двојно броење? Напишете оправдување за секој наод. Не го менувајте барањето, само проверете го. SQL: [прашање]
3) Пријавете наратив + контрола на тврдењето:
Напишете кратко извршно резиме од табелата со резултати подолу. Обележете [Потребен е ДОКАЗ] до секое каузално тврдење и предложете алтернативно објаснување. Само потпирајте се на податоците од табелата. Табела: [податоци]
4) Проверка на метричка конзистентност:
Во двата извештаи подолу, метриката со исто име дава различни вредности. Наведени се можните разлики во дефиницијата (временски прозорец, филтер, пресметка). Извештаи: [A] [B]
Табела за споредба: добри и лоши KPI
карактеристика
Лош KPI
Добар KPI
Опис
„Активен клиент“
„Клиент со ≥1 завршена нарачка во последните 30 дена“
врска со целта
Никој
„Останувајќи под 5% стапка на загуба“
мерливост
двосмислена
формула јасна
исклучок
неизвесна
Исклучувајќи ги враќањата
Дали тоа предизвикува одлука?
бр
Да
Вообичаени грешки
- Оставајќи ја метриката недефинирана. Ако зборовите како „активен“, „успешен“, „завршен“ се користат без формула, секој тим се брои различно.
- Вклучување на SQL на вештачката интелигенција без потврда. Синтаксички точното барање може да биде логички неточно; вообичаено се двојно броење и погрешно ПРИКЛУЧУВАЊЕ.
- Збунувачка корелација со каузалност. Мислењето дека „со тоа се зголеми“ значи дека „ова го предизвика тоа“ ќе доведе до погрешна одлука.
- Суета метрички извршување. Грешка фенси, но неодлучувачки метрика како што се „вкупните кликови“ како KPI.
- Презентирање броеви без контекст. Само „промет 4,2 милиони“ е бесмислен; Потребен е контекст врз основа на минатиот месец, цел или буџет.
Внимание: Пријавите наративи произведени од вештачката интелигенција се убедливи и флуидни; Ова точно го зголемува ризикот. Течна реченица може да носи лажно тврдење за каузалност. Тестирајте ја секоја изјава „затоа што“ и „затоа“ со докази.
Сумирано
Деловната интелигенција е слој кој ги трансформира расфрланите податоци во одлуки и се состои од извор, ETL, складиште на податоци и синџир на известување. KPI е критична метрика поврзана со деловната цел, со јасно дефинирана формула и исклучоци; недефинираната метрика е најчеста БИ грешка. Вештачката интелигенција обезбедува значителна брзина во производството на дефиниција за KPI, нацрт SQL и наратив на извештаи; но секој SQL мора да биде логички оправдан, секој број мора да биде поддржан со познати податоци и секое каузално тврдење мора да се тестира со докази. Корелацијата не е причинско-последична врска; Течниот наратив не гарантира точност.
Задача за апликација
Дизајнирајте „стапка на завршување“ KPI за платформа за онлајн курсеви. (1) Напишете опис со една реченица со формула, временски прозорец и исклучоци (на пр., дали се бројат откажаните регистрации?). (2) Направете едноставна шема (регистрација, курс, напредок) и нека SQL нацртот е генериран за овој KPI со моќна порака. (3) Најдете барем еден можен ризик од двојно броење или неправилно филтрирање во барањето. (4) Испечати извршно резиме на заклучокот и во него означи го секое каузално тврдење. (5) Поставете пример за замката на корелација-причина и објаснете како би ја тестирале.
листа за проверка
- [ ] Формулата, временскиот прозорец и исклучокот од секој KPI се напишани.
- [ ] Го прочитав и разбрав SQL генериран од AI линија по ред.
- [ ] Рачно го потврдив барањето со малку познати податоци.
- [ ] Го тестирав секое каузално тврдење во извештајот со докази.
- [ ] Го контекстуализирав секој број со репер (цел/последен период).
- [ ] Постигнав меѓу-тимски консензус за метричките дефиниции.