Gevinster:
- Evne til å forstå pyramidestrukturen til en god ledelsesrapport (sammendrag, kritiske funn, detaljer) og gi rammeverket til kunstig intelligens for å produsere en beslutningsorientert rapport
- Evne til å skrive falske spørsmål som hindrer AI i å legge til tall og komplimenter som ikke finnes i dataene
- Kunne gjøre det til en vane å signere hvert tall i rapporten etter å ha verifisert det ved å koble det til kilden
Å skrive rapporter er en av ledelsens mest tidkrevende, men minst populære oppgaver. Ukentlig driftsrapport, månedlig resultatoppsummering, presentasjon for styret, avdelingsstatusnotat... De fleste av disse gjentar samme rammeverk: legg sammen tallene, sammenlign med forrige periode, fremhev hva som er viktig, vær kort. Det er akkurat her AI skinner. I denne enheten vil vi lære hvordan vi produserer en ren, lesbar, beslutningsorientert ledelsesrapport fra spredte data. Igjen er grensen klar: AI skriver utkastet til rapporten; Det er lederen som verifiserer hvert tall i den og signerer rapporten.
Anatomi av en god ledelsesrapport
En dårlig rapport er lang og flat: sider og sider med tall, ingen vektlegging, ingen "hva så?" Det er ikke noe svar på spørsmålet. En god rapport er en pyramide. Øverst er sammendraget – et sammendrag på 3-5 punkter utarbeidet for den mest krevende leser å forstå på 30 sekunder. Det er kritiske funn nedenfor, og støttedetaljer nederst. En travel leder leser bare toppen; De som er nysgjerrige kommer ned.
En god rapport har tre kjennetegn. Prioritet: de 3 viktigste tingene først. Sammenligning: hvert tall er gitt med en referanse (siste måned, mål, budsjett). Handlingsorientering: Foruten "det som skjedde" er det også "hva du skal gjøre". Hvis du eksplisitt ber om disse tre funksjonene når du skriver ut en rapport til AI, forvandles utdataene fra en haug med tall til et beslutningsverktøy.
Tips: I stedet for å be AI om å "skrive en rapport", gi den et rammeverk som "sammendrag + 3 kritiske funn + 2 anbefalte handlinger." Hvis du bestemmer skjelettet, følger rapporten din tankegang, ikke den tilfeldige strukturen til AI.
Gjør tall til en fortelling - men uten å finne på det
AIs største styrke er at det oversetter et tørt tall til en flytende setning: "Forsinkelser avtok med en fjerdedel denne uken, og støtter kundetilfredshet" i stedet for "Forsinkelsesraten ble redusert fra 0,12 til 0,09." Men det er her den største risikoen ligger: AI kan legge til tall, årsaker og utmerkelser som ikke er i dataene dine for å berike fortellingen. Så den gylne regelen: AI vil bare bruke tallene du gir den; tolkningen vil være basert på data; Han vil merke området han ikke er sikker på som "ingen data".
Det andre viktige punktet i rapporteringen er konsistens. Samme struktur, samme KPIer, samme sekvens hver uke. Så leseren ser endringen raskt. Å gi AI en god mal én gang og la den bruke samme mal hver periode øker både hastigheten og selvtilliten.
tre minisaker
Sak 1 - 90 minutter til 15 minutter. Planleggingssjefen for et produksjonsselskap utarbeidet en driftsrapport på 90 minutter hver uke. Laget en fast AI-mal: executive summary, denne uken/siste uke sammenligning av 5 KPIer, 3 kritiske funn, 2 handlinger. Den limer nå inn anonyme data og er ferdig på 15 minutter; Han bruker den resterende tiden til å besøke feltet. Han kontrollerer hvert tall selv.
Tilfelle 2 — Fangst av oppdiktet ros. En salgssjef fikk AI til å skrive månedsrapporten. YZ la til en entusiastisk setning: "Laget slo rekord med en ekstraordinær ytelse denne måneden"; Det var imidlertid ingen «rekord» i dataene, salget lå 6 prosent under målet. Rektoren la merke til dette og korrigerte det, og håndhevet permanent regelen "ikke overdriv, ikke legg til ros, bare stol på data"-regelen i oppfordringen hennes.
Sak 3 – To rapporter til to publikummere. En regionsjef krevde to separate rapporter fra de samme dataene: et detaljert driftsnotat for teamet i felten, et halvsides sammendrag for daglig leder. Han ga AI de samme anonyme dataene og fikk den til å produsere to rapporter med to forskjellige spørsmål - en detaljert, en destillert. Etter å ha verifisert begge, hadde jeg to ferdige utskrifter i stedet for et enkelt regneark.
Fire kopierbare maler
1) Mal for ukentlig driftsrapport:
Din rolle: assisterende reporter til driftsleder. Bruk vedlagte anonymiserte ukedata. Skriv en rapport med følgende struktur:1) EXECUTIVE SUMMARY: ikke mer enn 4 elementer, en setning hver.2) KPI-TABELL: denne uken / forrige uke / endring (%).3%) KRITISKE FUNN: ikke mer enn 3, hver basert på data.4) FORSLAG TIL HANDLINGER: ikke mer enn 2.Bare bruk tallene jeg gir; Ikke legg til ros/overdrivelse; skriv "ingen data" der du ikke er sikker.
2) Sammendrag av destillasjon:
Nedenfor er en lang rapport. Reduser dette til en 5-elements ledersammendrag som en travel leder vil lese på 30 sekunder. Hvert element skal inneholde én setning, ett tall, og begynner med det viktigste. Legge til detaljer; lage nye tall.
3) Konvertering av tall til narrativ (passende bevis):
Oversett disse KPI-endringene til flytende, men undervurderte setninger: [endringsliste]. La hver setning være basert utelukkende på tallet jeg gir. Ikke legg til et årsak/virkningskrav; Bare skriv "hva har endret seg" tydelig. Bruk tyrkisk, formelt og enkelt språk.
4) Tilpasning til to målgrupper:
Tilpass følgende rapport til to versjoner: (A) For feltteamet: operativ detalj, med huskeliste. (B) For daglig leder: halvside, kun strategiske overskrifter. Bruk de samme tallene, så det er ingen motsetninger i de to versjonene.
Svak forespørsel / Sterk forespørsel
Svak melding:
Lag en rapport med disse dataene.
Ingen struktur, ingen masse, ingen lengde, ingen passende beskyttelse. AI-en dumper en rotete, lang, ubetonet tekst og legger muligens til kommentarer som ikke eksisterer.
Kraftig ledetekst:
Din rolle: reporter. Bruk vedlagte anonyme månedlige data. Skriv en halvsides rapport til daglig leder: (1) 4-elements sammendrag, (2) 3 KPIer som avviker fra målet, (3) enkelt anbefalt handling. Bare bruk tallene jeg ga, ingen overdrivelse, merk det tvetydige området som "ingen data".
Størrelse
dårlig tilnærming
Sterk tilnærming
struktur
usikker
klart skjelett
masse
udefinert
daglig leder
lengde
ubegrenset
halv side
monteringsbeskyttelse
Ingen
Ja
beslutningsverdi
lav
høy
Vanlige feil
- Be om rapport uten å gi en uttalelse. Hvis du ikke spesifiserer strukturen, vil AI bygge en tilfeldig struktur.
- Glemte monteringsbeskyttelsen. Uten "ikke overdriv, bare stol på data"-regelen, legger AI til ros og fornuft.
- Setter ikke en sammenligningsreferanse. Tallet er meningsløst uten forløpt periode/mål/budsjett.
- Bruk en annen mal for hvert begrep. Inkonsekvent struktur gjør det vanskelig å se endring.
- Signering uten bekreftelse. Hvert tall i rapporten skal ikke distribueres uten din kontroll.
Forsiktig: Når rapporten er sendt, kan den ikke hentes; Når feil nummer går til styret, blir omdømmet skadet. Ikke la deg skremme av AIs flytende språk – flyt betyr ikke nøyaktighet. Koble hver figur til kilden.
Oppsummert
Ledelsesrapportering er et av områdene der AI brukes mest effektivt, takket være dens repeterende strukturen. En god rapport er en pyramide: sammendrag øverst, kritiske funn nedenfor, detaljer nederst. Du gir skjelettet til AI; Be om prioritering, sammenligning og handlingsorientering. Den største risikoen er at AI vil legge til tall og komplimenter som ikke er i dataene dine; Bruk regelen «bare basert på data, ikke overdriv» med hver forespørsel. Konsekvent mal øker hastigheten og selvtilliten. Signaturen er alltid din.
Søknadsoppgave
Velg en rapport som du utarbeider regelmessig (ukentlig eller månedlig). Tilpass «Ukentlig driftsrapportmal» ovenfor til dine egne KPIer og få den produsert én gang med anonyme data. Sammenlign hvert tall i utdataene med kildedataene; Hvis du finner enda ett nummer som ikke samsvarer, forsterk forespørselen. Legg merke til tiden du sparte og feilene du fikset.
sjekkliste
- [ ] Bestemte jeg rapportskjelettet (struktur, lengde, masse)?
- [ ] Inkluderte jeg regelen "bare basert på data, ikke overdriv" i forespørselen min?
- [ ] Har jeg sammenlignet hver KPI med en referanse (siste periode/mål)?
- [ ] Har jeg validert alle tallene i utdataene med kildedataene?
- [ ] Verifiserte jeg personlig rapporten før jeg distribuerte den?