नफा:
- अस्पष्ट ग्राहक प्रश्नाचे स्पष्ट, सोडवता येण्याजोगे प्रश्न विधानात रूपांतरित करण्याची क्षमता आणि कृत्रिम बुद्धिमत्तेसह MECE गृहीतक वृक्ष (इश्यू ट्री) स्थापित करण्याची क्षमता
- कृत्रिम बुद्धिमत्तेचा वापर करून गृहीतके निर्माण करण्याची आणि अंध स्पॉट्स शोधण्याची क्षमता आणि कोणते गृहितक प्रथम तपासले जाईल हे स्वतःच्या निर्णयाने ठरवावे.
- समस्या संरचनेतील सामान्य त्रुटी ओळखण्याची आणि टाळण्याची क्षमता (विरोधी शाखा, आगाऊ उपाय गृहीत धरणे, चुकीचा प्रश्न).
सल्लागार प्रकल्पाची सर्वात महाग चूक म्हणजे चुकीचा प्रश्न सोडवणे. ग्राहक विचारतो "आमची विक्री कमी होत आहे, आम्ही काय करावे?" येतो: पण खरा प्रश्न "कोणत्या विभागात, का आणि किती आपल्या नियंत्रणाखाली आहे?" ते असू शकते. एक अनुभवी सल्लागार उत्तरे शोधून नव्हे तर समस्येची अचूक व्याख्या करून सुरुवात करतो. कृत्रिम बुद्धिमत्ता हा या टप्प्यावर परिपूर्ण विचार करणारा भागीदार आहे: ते काही मिनिटांतच डझनभर संभाव्य कारणे, उप-प्रश्न आणि गृहितके निर्माण करते. पण कोणता प्रश्न योग्य आहे हे ठरवण्यासाठी निर्णय लागतो आणि तो निर्णय तुमचा आहे.
या युनिटमध्ये, आम्ही दोन साधने एकत्र करू जी कृत्रिम बुद्धिमत्तेसह सल्लामसलतीचा कणा आहेत: हायपोथिसिस ट्री (समस्याचे झाड, एक वृक्ष आकृती जे उप-प्रश्नांमध्ये एक समस्या शाखा करते) आणि MECE तत्त्व (परस्पर अनन्य, एकत्रितपणे संपूर्ण — शाखा एकमेकांना ओव्हरलॅप करत नाहीत).
अस्पष्ट प्रश्नापासून ते सोडवण्यायोग्य समस्येपर्यंत
चांगल्या प्रॉब्लेम स्टेटमेंटमध्ये चार गोष्टींचा समावेश होतो: कोण (निर्णयकर्ता), काय (निर्णय), निकष (यश कशावरून मोजले जाते), सीमा (व्याप्ति आणि कालावधी). “विक्री कमी होत आहे” ही तक्रार आहे; "वर्तमान अर्थसंकल्पासह पुढील 12 महिन्यांत B2B विभागातील उलाढाल 10% ने वाढवणारे 3 सर्वात प्रभावी लीव्हर्स कोणते?" एक समस्या विधान आहे. तुम्ही हे परिवर्तन आर्टिफिशियल इंटेलिजन्समध्ये घडवून आणू शकता, परंतु प्रथम तुम्हाला कच्ची परिस्थिती स्पष्टपणे समजावून सांगणे आवश्यक आहे.
तुमची भूमिका: व्यवस्थापन सल्लागारासाठी समस्या संरचना प्रशिक्षक. मी तुम्हाला क्लायंटची कच्ची तक्रार देईन. तुमचे कार्य:१) हे एका वाक्यात, मोजता येण्याजोगे समस्या विधानात रूपांतरित करा (निर्णयकर्ता, निर्णय, यशाचे निकष, व्याप्ती, कालावधी समाविष्ट करणे आवश्यक आहे). 2) हे विधान ज्यावर आधारित आहे त्या 3 गर्भित गृहितके प्रकट करा. 3) "चुकीचा प्रश्न सोडवणे" च्या जोखमीला तोंड देण्यासाठी 2 पर्यायी समस्या फ्रेमवर्क सुचवा. कच्ची तक्रार: "[क्लायंटच्या शब्दात...]"
टीप: ग्राहकाला परत समस्या विधान वाचा. “तर तुमच्यासाठी यश म्हणजे 12 महिन्यांत B2B टर्नओव्हरमध्ये 10% वाढ, बरोबर?” या एकाच वाक्याने प्रकल्पाची दिशा आणि त्यानंतरच्या "आम्हाला हे नको होते" या वादाचे निराकरण होते.
कृत्रिम बुद्धिमत्तेसह गृहितकाचे झाड तयार करणे
एकदा समस्या स्पष्ट झाल्यानंतर, तुम्ही ती बाहेर काढा. झाडाचे मूळ हा मुख्य प्रश्न आहे; शाखा संभाव्य प्रतिसाद अक्ष आहेत; पाने चाचणी करण्यायोग्य गृहितके आहेत. उदाहरणार्थ, "B2B टर्नओव्हर का वाढत नाही?" प्रश्न दोन मुख्य शाखांमध्ये विभागला जाऊ शकतो: (1) नवीन ग्राहक संपादन कमकुवत आहे, (2) विद्यमान ग्राहक महसूल कमी होत आहे. प्रत्येक शाखा त्याच्या स्वतःच्या उपशाखांमध्ये विभागली गेली आहे. एक चांगले झाड MECE आहे.
तुमची भूमिका: MECE गृहितक वृक्ष तज्ञ. मुख्य प्रश्न: "[समस्या विधान]"कार्य: या प्रश्नाला 2 पेक्षा जास्त स्तरांमध्ये शाखा द्या. नियम:- प्रथम स्तर शाखा MECE (ओव्हरलॅप, कोणतेही अंतर नाही) असणे आवश्यक आहे.- प्रत्येक पान हे डेटा-परीक्षण करण्यायोग्य गृहितक वाक्य ("... कारण ...") असणे आवश्यक आहे.- प्रत्येक पानाच्या पुढे एकल चाचणी किंवा डेटा लिहा: डेटाची चाचणी आवश्यक आहे. इंडेंटेड बुलेट लिस्ट.प्रोब: "MECE ऑडिट" या शीर्षकाखाली ओव्हरलॅप/गॅपचा धोका असलेल्या शाखांना चिन्हांकित करा.
AI तुम्हाला 3 सेकंदात 15 गृहीतके असलेले एक झाड देते. परंतु तुमचे काम तिथेच संपत नाही, ते सुरू होते: तुम्ही निवडता की कोणत्या शाखा खरोखर MECE आहेत, कोणत्या गृहीतकाची चाचणी करणे सर्वात संभाव्य आणि सोपे आहे.
प्राधान्यक्रम: कोणत्या गृहीतकाची प्रथम चाचणी करायची
सर्व गृहीतके तपासण्यासाठी वेळ नाही. दोन अक्ष वापरा: प्रभाव (ते खरे असल्यास समाधानामध्ये किती मोठे योगदान देते) आणि सहज (ते चाचणी करणे किती जलद/स्वस्त आहे). उच्च प्रभाव + उच्च सुविधा असलेले प्रथम येतात. याला "क्विक विन स्वीप" म्हणतात.
गृहीतक
प्रभाव (1-5)
चाचणीची सुलभता (1-5)
प्राधान्य
किंमत प्रतिस्पर्ध्यांच्या मागे आहे
५
4
आधी
B2B मध्ये विक्री संघ अपुरा आहे
4
3
नंतर
उत्पादन वैशिष्ट्य अंतर आहे
4
2
संशोधन
ब्रँड जागरूकता कमी आहे
3
2
धरा
तुम्ही हे मॅट्रिक्स भरण्यासाठी कृत्रिम बुद्धिमत्ता घेऊ शकता; परंतु तुमच्या स्वत:च्या उद्योग ज्ञानासह प्रभाव आणि सुविधा स्कोअरचे पुनरावलोकन करा. मॉडेल अनेकदा चाचणीच्या सुलभतेचा अतिरेक करते.
तुमची भूमिका: प्राधान्य विश्लेषक. खालील गृहीतकांची सूची प्रभाव-सुलभ मॅट्रिक्समध्ये ठेवा. प्रत्येक गृहीतकासाठी: प्रभाव (1-5), चाचणीची सुलभता (1-5), एकल डेटा स्रोत आवश्यक, शिफारस (पूर्वी/नंतर/तपास/होल्ड). नियम: आशावादीपणे सहज गुण द्या, तर्क लिहा. सर्वोच्च “प्रभाव × सहज” गुणक असलेल्या 2 गृहीतके हायलाइट करा. गृहीतके: [सूची]
तीन लहान प्रकरणे
केस 1 - चुकीचा प्रश्न दुरुस्त केला. एका रिटेल चेनने विचारले, "आमच्याकडे कर्मचाऱ्यांच्या उलाढालीचा दर जास्त आहे, आम्ही पगार वाढवू का?" तो विचारतो. सल्लागार कृत्रिम बुद्धिमत्तेसह समस्या फ्रेम उघडतो; मॉडेल तीन अंतर्निहित गृहीतके स्पष्ट करते: वेतन ही समस्या आहे, उलाढाल सर्व स्टोअरमध्ये समान आहे आणि वेतन हा उपाय आहे. डेटा काढला आहे: उलाढालीचा 70% दर 3 स्टोअरमध्ये असतो आणि नेहमी त्याच दोन व्यवस्थापकांच्या टीममध्ये असतो. खरा प्रश्न व्यवस्थापकाच्या वर्तनाचा आहे. 14 दशलक्ष TL पगार वाढ चुकीचा उपाय असेल.
केस 2 — MECE नसलेले झाड. एक सल्लागार मॉडेलला विचारतो "नफा का कमी होत आहे?" त्याला झाड हवे आहे. मॉडेल शाखांना "उत्पन्न कमी आहे", "खर्च जास्त आहे", "स्पर्धा वाढली आहे" देते. पहिल्या दोन शाखा MECE आहेत (नफा = महसूल − खर्च), परंतु “स्पर्धा वाढणे” हे एक कारण आहे आणि महसूल/खर्च हा एक परिणाम आहे; शाखा पातळी मिश्रित आहेत. सल्लागार झाड निश्चित करतो: पहिला स्तर महसूल आणि खर्च आहे; स्पर्धेमुळे उत्पन्नाची उपशाखा निर्माण होते.
प्रकरण 3 - प्राधान्याने पैसे दिले. B2B सॉफ्टवेअर कंपनीमध्ये, 12 गृहीतके व्युत्पन्न होतात. प्रभाव-सुविधा मॅट्रिक्स उच्च प्रभाव-उच्च सुविधा बॉक्समध्ये "ऑनबोर्डिंग प्रक्रिया लांब आहे" गृहीतक ठेवते. एका आठवड्याच्या डेटा विश्लेषणाद्वारे पुष्टी: 30 दिवसांत सक्रिय न झालेल्या ग्राहकांचे रद्दीकरण दर 3 पट जास्त आहे. थोडासा हस्तक्षेप (मार्गदर्शित स्थापना) 22% ने रद्द करणे कमी करते. योग्य गृहीतकांची चाचणी प्रथम प्रकल्प लहान करते.
कमकुवत प्रॉम्प्ट / मजबूत प्रॉम्प्ट
कमकुवत प्रॉम्प्ट:
या कंपनीचा नफा का कमी होत आहे याची मला यादी बनवा.
मॉडेल यादृच्छिक, आच्छादित आणि अप्रमाणित कारणांची गणना करते; त्यातून विचारांची चौकट निर्माण होत नाही.
शक्तिशाली सूचना:
तुमची भूमिका: MECE समस्या संरचना विशेषज्ञ. मुख्य प्रश्न: "कंपनी फक्त तयार करा.
चांगल्या समस्या संरचनेचे प्रश्न तपासा
जेव्हा तुम्ही तुमचे झाड पूर्ण करता, तेव्हा हे प्रश्न विचारा: तुम्ही कृत्रिम बुद्धिमत्ता देखील विचारू शकता, परंतु अंतिम निर्णय तुम्ही घ्याल:
- मूळ प्रश्न खरोखरच ग्राहकाला ठरवायचा आहे का? - प्रथम-स्तरीय शाखा ओव्हरलॅप होतात का? (परस्पर अनन्य?) - काही शिल्लक आहे का? (हे एकत्रितपणे पूर्ण आहे का?) - प्रत्येक पानाची डेटासह चाचणी केली जाऊ शकते किंवा ते मत आहे? - मी आधीच उपाय गृहीत धरला आहे? (उदाहरणार्थ, "पगार हा उपाय आहे")
सामान्य चुका
- प्रश्नामध्ये समाधान एम्बेड करा. "आम्ही किंमत कमी करावी का?" प्रश्न समाधानाची पूर्वकल्पना करतो आणि इतर लीव्हर अदृश्य करतो. प्रथम "का" विचारा.
- आच्छादित शाखा. जर "कॉर्पोरेट ग्राहक" आणि "मोठे ग्राहक" या वेगळ्या शाखा असतील, तर एकच ग्राहक दोन ठिकाणी मोजला जाईल; MECE तुटलेले आहे.
- मिक्सिंग पातळी. कारण (स्पर्धा) परिणाम (महसुलातील घट) समान पातळीवर ठेवल्याने वृक्ष तर्कहीन बनतो.
- अस्वाभाविक पाने. "खराब व्यवस्थापन" हा एक निर्णय आहे, गृहितक नाही. "निर्णय कालावधी सरासरी 40 दिवस आहे, उद्योगात 12 दिवस" ही चाचणी करण्यायोग्य गृहीतक आहे.
- मॉडेलचे झाड जसे आहे तसे स्वीकारणे. एआय द्रुत रूपरेषा देते; MECE ऑडिटिंग आणि प्राधान्यक्रम हे तुमचे काम आहे.
खबरदारी: AI एक गृहीतक वृक्ष अतिशय खात्रीशीर पद्धतीने सादर करते. मन वळवणे म्हणजे अचूकता नाही. MECE साठी झाडाची नेहमी व्यक्तिचलितपणे तपासणी करा; पेन आणि कागदाच्या साहाय्याने फांद्या काढणे अनेकदा मॉडेल चुकलेले ओव्हरलॅप दाखवते.
सारांशात
सल्लामसलत करताना, योग्य उत्तरापूर्वी मूल्य योग्य प्रश्नात असते. अस्पष्ट तक्रारीला मोजता येण्याजोग्या समस्या विधानात रूपांतरित करण्यात, गर्भित गृहीतके उघड करण्यात आणि गृहीतकाचे झाड पटकन रेखाटण्यात AI शक्तिशाली आहे. परंतु हे झाड एमईसीई आहे की नाही, गृहितकांची चाचणीक्षमता आणि प्रथम कोणती चाचणी करायची हे ठरवायचे आहे. मॉडेल मसुदा तयार करते; समस्येचे मालक, नियंत्रण आणि प्राधान्य देणे हे सल्लागाराचे काम आहे.
अर्ज कार्य
वास्तविक किंवा कल्पित ग्राहक तक्रार निवडा (एक वाक्य). प्रथम, हे मोजता येण्याजोगे प्रॉब्लेम स्टेटमेंटमध्ये रूपांतरित करा आणि मजबूत प्रॉब्लेम-फ्रेमिंग प्रॉम्प्टसह तीन गर्भित गृहितक. नंतर MECE हायपोथिसिस ट्री प्रॉम्प्टसह दोन-स्तरीय वृक्ष तयार करा. कमीतकमी एक संघर्ष किंवा अंतर शोधण्यासाठी आणि निराकरण करण्यासाठी झाडाची व्यक्तिचलितपणे तपासणी करा. शेवटी, प्रभाव-सुलभ मॅट्रिक्स भरा आणि प्रथम चाचणी करण्यासाठी दोन गृहीतके निवडा.
चेकलिस्ट
- [ ] मी कच्च्या तक्रारीचे रूपांतर कोण/काय/निकष/क्षेत्र/कालावधी या समस्या विधानात केले.
- [ ] मी अव्यक्त गृहीतके उघड केली.
- [ ] मी माझ्या गृहीतकाच्या झाडाच्या पहिल्या स्तराची MECE म्हणून तपासणी केली.
- [ ] मी सत्यापित केले की प्रत्येक पान एक चाचणी करण्यायोग्य गृहितक आहे.
- [ ] मी खात्री केली की मी प्रश्नाचे निराकरण केले नाही.
- [ ] मी प्रभाव-सुलभ मॅट्रिक्ससह प्राधान्य दिले.
- [ ] मी मॉडेलचे झाड आंधळेपणाने स्वीकारले नाही आणि ते व्यक्तिचलितपणे दुरुस्त केले.