Keuntungan:
- Menyedari kualiti, kerahsiaan dan bahaya tafsiran bekerja dengan data dan mewujudkan aliran analisis yang selamat.
- Ia memilih penunjuk yang betul untuk tujuan, membezakan antara penunjuk tunggal yang mengelirukan dan ukuran yang terbuka kepada manipulasi.
- Ia mengiktiraf teknik carta yang mengelirukan (paksi tidak bermula dari sifar, julat yang dipilih) dan memerhatikan visualisasi yang jujur.
Orang ramai menghasilkan data setiap hari: nombor permohonan, masa penyelesaian, item belanjawan, pergerakan populasi, permintaan perkhidmatan, keputusan audit, tinjauan kepuasan. Kebanyakan data ini terdapat dalam hamparan Excel, borang dan sistem rakaman, tetapi tidak diterjemahkan ke dalam keputusan — kerana menganalisisnya memerlukan kepakaran dan masa. Pembuatan keputusan berasaskan data (pendekatan untuk memperuntukkan sumber dan menetapkan dasar berdasarkan bukti yang diukur, bukannya pendapat atau kebiasaan) meningkatkan kecekapan dan keadilan dalam sektor awam: sumber pergi ke tempat yang paling diperlukan berdasarkan nombor. Di sini, AI ialah pembantu yang berkuasa dalam memahami jadual, mencari corak dan anomali, mengekstrak statistik ringkasan dan menterjemahkan penemuan kepada ayat mudah. Dalam unit ini, anda akan melihat cara memendekkan laluan daripada data awam mentah kepada keputusan yang boleh dipertahankan dengan AI dan kekal berdisiplin dalam aspek yang paling kritikal—tafsiran nombor yang betul.
Tiga bahaya bekerja dengan data
Data berkuasa, tetapi ia mempunyai tiga perangkap, dan AI boleh mengurangkan dan membesarkan perangkap ini:
- Korelasi ≠ sebab. Hanya kerana dua perkara berubah bersama tidak bermakna satu menyebabkan yang lain. Jualan ais krim dan lemas semakin meningkat — kerana kedua-duanya dikaitkan dengan panas musim panas, bukan satu yang menyebabkan yang lain. AI dengan lancar membina ayat "kerana"; Persoalkan setiap dakwaan kausalitas.
- Data berat sebelah/hilang. Daripada siapa dan bagaimana data dikumpul? Data aduan mencerminkan hanya mereka yang boleh mengadu; data aplikasi digital mereka yang mempunyai akses kepada internet. Jika anda tidak melihat kumpulan yang hilang, keputusan akan berat sebelah.
- Nombor tanpa konteks. "Meningkat sebanyak 30%" sahaja tidak bermakna: mengikut apa, dalam tempoh apa, apakah nombor mutlak? Tanya AI untuk konteks.
Perhatian: Semasa AI menganalisis jadual yang anda sediakan, ia kadangkala menambahkan nombor "munasabah" tetapi rekaan dari luar jadual atau secara senyap mengisi sel yang hilang. Bandingkan setiap nombor output dengan jadual sumber; Beri peraturan AI "gunakan hanya nilai dalam jadual yang saya berikan kepada anda, jika hilang katakan 'tiada data'".
Aliran analisis data langkah demi langkah
- Jelaskan soalan. Soalan apa yang kita cari jawapan untuk keputusan itu? ("Di kawasan kejiranan manakah masa penyelesaian mengambil masa yang paling lama?")
- Tahu data. Apakah lajur, apakah unit, apakah tempoh, adakah terdapat nilai yang hilang/salah?
- Ekstrak data peribadi. Anonimkan/agregat jika pengenalan individu tidak diperlukan untuk analisis (lihat Unit 11).
- Ringkasan dan corak muncul. Minta AI melakukan statistik asas, pengelompokan dan penandaan anomali.
- Soal komen. Korelasi atau sebab musabab? Penjelasan alternatif? Kumpulan hilang?
- Visualisasikan dan permudahkan. Ringkasan dan grafik ringkas yang boleh difahami oleh pembuat keputusan.
- Dokumenkan keputusan dan alasannya. Apakah keputusan yang dibuat berdasarkan data apa? jejak audit.
tiga kes mini
Kes 1 — Sumber pergi ke tempat yang betul. Pada masa lalu, sebuah majlis perbandaran mengagihkan bajet penyelenggaraan tamannya "sama rata kepada setiap kejiranan." Apabila data permintaan dan penggunaan selama 18 bulan dianalisis dengan AI, permintaan per kapita bagi tiga kejiranan adalah 2.4 kali ganda purata. Belanjawan diagihkan semula mengikut keperluan; kepuasan keseluruhan meningkat, tanpa perbelanjaan tambahan.
Kes 2 — Data berat sebelah telah diperhatikan. Sebuah agensi akan melihat data aplikasi digital dan membuat kesimpulan bahawa "rakyat tidak lagi datang ke pondok tol." Tetapi apabila pecahan umur diminta dalam analisis, ia dilihat bahawa permohonan berusia lebih 65 tahun masih kebanyakannya datang dari kaunter. Jika hanya data digital dilihat, kumpulan ini akan diabaikan; perkhidmatan box office dipelihara.
Kes 3 — Penyebab yang direka-reka dihentikan. Semasa mentafsir jadual, YZ berkata, "Kemalangan berkurangan kerana bilangan pemeriksaan meningkat." Penganalisis itu mengingatkan bahawa cuaca juga berubah dan trafik menurun dalam tempoh yang sama; Mengaitkannya dengan satu punca adalah mengelirukan. Laporan itu diperbetulkan dengan mengatakan "ada hubungan tetapi sebab musabab belum dibuktikan."
Empat templat yang boleh disalin
1) Mengenal jadual:
Peranan anda: penganalisis data. Periksa jadual di bawah dan, berdasarkan HANYA nilai dalam jadual ini: (1) ringkaskan setiap lajur, unit dan titiknya, (2) mana-mana sel yang kelihatan hilang/salah, (3) ringkaskan 3 corak teratas yang menonjol. Menambah nombor dari luar jadual; jika tiada, sebut "tiada data". JADUAL: [tampal data]
2) Ringkasan statistik dengan konteks:
Jawab soalan berikut daripada jadual di bawah: [soalan]. MESTI memberikan hasil dengan konteks: nombor mutlak + kadar + tempoh perbandingan. Apabila anda menyebut "meningkat sebanyak X%", nyatakan sejauh mana dan dalam tempoh apa. Hanya gunakan data yang diberikan. JADUAL: [data] SOALAN: [soalan]
3) Penanya sebab musabab:
Tafsirkan penemuan berikut, tetapi AWAS: jangan mengelirukan korelasi dengan sebab. Hasilkan sekurang-kurangnya 3 penjelasan alternatif untuk hubungan ini (pembolehubah ketiga, arah songsang, kebetulan). Beritahu saya apakah data tambahan yang diperlukan untuk membuktikan kausaliti. MENEMUKAN: [hubungan]
4) Ringkasan ringkas untuk keputusan:
Permudahkan analisis berikut untuk pembuat keputusan yang bukan pakar data: tidak lebih daripada 5 item, setiap item dapatan dan penjelasan "apa maksudnya". Tuliskan juga ketidakpastian dan had data dengan jelas. Menambah maklumat baharu.ANALISIS: [teks]
Gesaan lemah / Gesaan kuat
Lemah: "Analisis carta ini dan beritahu kami apa yang patut kami lakukan."
Kuat: "Peranan anda ialah penganalisis data. HANYA gunakan jadual di bawah; jangan tambah nombor dari luar, sebut 'tiada data' pada sel yang hilang. Mula-mula, kenali lajur, unit dan noktah. Kemudian jawab soalan 'kejiranan mana yang mempunyai masa penyelesaian paling lama' dengan nombor mutlak + nisbah + tempoh perbandingan. Jika anda menemui corak, tampilkan 3 penjelasan alternatif, titik senarai dan hubungkait sebelum menerangkannya. (kumpulan yang hilang, tempoh singkat) yang menyerahkan keputusan kepada kami."
Perbezaan: segera yang kuat mewujudkan kesetiaan data, konteks, disiplin sebab akibat dan sempadan keputusan bersama-sama; Output adalah analisis yang boleh dipertahankan.
Di manakah AI boleh dipercayai dalam perniagaan data?
perniagaan
kepercayaan AI
peraturan
Ringkasan jadual, kumpulan
tinggi
Data diberikan sahaja
Penandaan anomali/corak
sederhana
pengesahan manusia
Tafsiran kausalitas
rendah
Penjelasan alternatif diperlukan
Mengisi data yang hilang
terlalu rendah
Jangan jadikan ia berlaku; "tiada data"
Ringkasan ringkasan/visual
tinggi
Makna mesti dipelihara
Reka bentuk penunjuk dan perangkap carta yang mengelirukan
Langkah paling kritikal dalam membuat keputusan dengan data ialah memilih penunjuk yang betul (ungkapan berangka yang menjadikan fenomena boleh diukur—contohnya, "purata masa pemprosesan" atau "kos setiap aplikasi"). Penunjuk yang salah membawa kepada keputusan yang salah, walaupun dengan data yang tepat: sementara "jumlah tuntutan yang diselesaikan" nampaknya meningkat, "masa menunggu bagi setiap warganegara" mungkin semakin teruk. AI boleh menyenaraikan penunjuk calon untuk topik dan perkara yang diukur dan disembunyikan oleh setiap topik; tetapi anda memutuskan penunjuk yang benar-benar mewakili kepentingan awam. Juga, ambil perhatian tentang risiko visualisasi yang mengelirukan (mengherotkan persepsi dengan teknik seperti paksi tidak bermula dari sifar, skala tidak seimbang, selang masa yang dipilih) dalam graf yang dicadangkan atau diterangkan oleh AI; visual yang jujur dalam data awam adalah sebahagian daripada tadbir urus.
Kes mini — tanda salah, bermegah salah. Satu unit telah memecahkan rekod dalam penunjuk "bilangan fail ditutup setiap bulan"; tetapi aduan rakyat meningkat. Melihat kepada penunjuk yang tepat, "kadar peleraian kenalan pertama", kadar itu menurun daripada 58 peratus kepada 44 peratus - fail telah ditutup dan dibuka semula dengan cepat. Apabila penunjuk berubah, keutamaan pengurusan juga berubah.
Sarung mini — paksi yang tidak bermula dari sifar. Pada graf AI yang diterangkan dalam pembentangan, paksi menegak bermula pada 40, peningkatan 2 peratus kelihatan seperti lompatan dramatik. Apabila paksi dialihkan ke sifar, gambaran sebenar muncul dan keputusan itu dihapuskan daripada persepsi yang dibesar-besarkan.
Templat yang menyokong pemilihan penunjuk:
Tugasan: Cadangkan 5 penunjuk calon untuk tujuan berikut.Tujuan: [cth. meningkatkan kualiti perkhidmatan rakyat]Untuk setiap penunjuk: apa yang diukur | apa yang boleh disembunyikan | keterbukaan kepada manipulasi | kekerapan membaca yang disyorkan.Seterusnya: tulis 3 amaran (mereka yang mengelirukan sendiri) untuk membaca penunjuk ini bersama-sama.Peraturan: Jangan menghasilkan nombor; hanya cadangkan reka bentuk penunjuk.
Awas: Jangan jatuh ke dalam tanggapan salah bahawa "nombor adalah objektif". Nombor yang anda ukur, cara anda memaparkannya dan julat yang anda pilih semuanya adalah soal tafsiran. Tafsiran awam yang telus dan jujur adalah sama pentingnya dengan mempunyai data yang tepat.
Kesilapan biasa
- Tersalah korelasi untuk sebab musabab. "Meningkat bersama" bukanlah punca; Cari penjelasan alternatif.
- Mempunyai AI mengisi data yang hilang. Analisis runtuh dengan nilai yang dibuat; biarkan yang hilang hilang.
- Mengitlak data berat sebelah. Data aduan/digital tidak mewakili semua orang; Tanya kumpulan yang hilang.
- Mempersembahkan nombor tanpa konteks. Di sebelah nisbah perlu ada nombor mutlak dan tempoh perbandingan.
- Menganalisis data peribadi yang tidak perlu. Jangan gunakan pengenalan individu jika data agregat mencukupi.
- Tidak mendokumentasikan keputusan. Apakah keputusan yang dibuat berdasarkan data yang perlu direkodkan untuk pengauditan.
Secara ringkasnya
Pembuatan keputusan berasaskan data ialah cara paling berkuasa untuk mengagihkan sumber secara adil dan cekap dalam sektor awam; AI ialah pembantu pantas dalam perniagaan ini yang memahami gambaran, mencari corak dan memudahkan penemuan. Tetapi jangan buat nombor solekan AI, jangan jadikan ia mengisi data yang hilang, jangan biarkan ia mengelirukan korelasi dengan kausalitas, dan elakkan menyamaratakan data berat sebelah/tidak lengkap. Terdapat kekuatan dalam bilangan; Orang yang mentafsirnya dengan betul dan mendokumentasikan keputusan adalah lebih kuat.
Tugasan permohonan
Dapatkan jadual sebenar (data peribadi dilucutkan) daripada unit anda. Perkenalkan data dengan templat "Mengenal jadual", kemudian jawab soalan penting untuk keputusan dengan templat "Statistik ringkasan kontekstual". Gunakan templat "Penyoal sebab" pada hubungan yang muncul dan cari sekurang-kurangnya satu penjelasan alternatif. Semak sama ada AI menambah nombor dari luar jadual.
senarai semak
- [ ] AI hanya menggunakan jadual yang diberikan; Dia tidak menambah nombor dari luar.
- [ ] Saya tidak mengisi data yang hilang; Saya meninggalkannya sebagai "tiada data".
- [ ] Saya membentangkan setiap hasil dengan konteks (nombor mutlak + kadar + tempoh).
- [ ] Saya menghasilkan penjelasan alternatif kepada tuntutan kausalitas.
- [ ] Saya menilai risiko data berat sebelah/hilang dan kumpulan yang hilang.
- [ ] Saya mendokumenkan keputusan dan data yang menjadi asasnya.