Câștiguri:
- Recunoaște calitatea, confidențialitatea și pericolele de interpretare ale lucrului cu date și stabilește un flux de analiză sigur.
- Selectează indicatorul potrivit pentru un scop, făcând distincție între indicatorii unici înșelați și măsurătorile care sunt deschise manipulării.
- Recunoaște tehnicile înșelătoare ale graficelor (axa nu pornește de la zero, intervalul ales) și observă vizualizarea sinceră.
Publicul produce zilnic date: numere de aplicații, timpi de soluționare, articole bugetare, mișcări ale populației, solicitări de servicii, rezultate audit, anchete de satisfacție. Cele mai multe dintre aceste date se află în foi de calcul Excel, formulare și sisteme de înregistrare, dar nu se traduc în decizii - deoarece analiza lor necesită experiență și timp. Luarea deciziilor bazate pe date (o abordare a alocării resurselor și a stabilirii politicilor bazate pe dovezi măsurate, mai degrabă decât pe opinie sau obișnuință) crește atât eficiența, cât și corectitudinea în sectorul public: resursele merg acolo unde sunt cele mai necesare, pe baza cifrelor. Aici, AI este un asistent puternic pentru a înțelege un tabel, a găsi modele și anomalii, a extrage statistici rezumate și a traduce constatările în propoziții simple. În această unitate, veți vedea cum să scurtați calea de la datele publice brute la o decizie defensabilă cu AI și să rămâneți disciplinat în cel mai critic aspect - interpretarea corectă a numărului.
Trei pericole ale lucrului cu date
Datele sunt puternice, dar au trei capcane, iar AI poate atât atenua, cât și amplifica aceste capcane:
- Corelație ≠ cauzalitate. Doar pentru că două lucruri se schimbă împreună nu înseamnă că unul îl provoacă pe celălalt. Vânzările de înghețată și înecurile sunt în creștere - deoarece ambele sunt legate de căldura verii, nu una provocând-o pe cealaltă. AI construiește fluent propoziții „pentru că”; Întrebați orice pretenție de cauzalitate.
- Date părtinitoare/lipsă. De la cine și cum au fost colectate datele? Datele privind reclamațiile reflectă doar cei care se pot plânge; date aplicațiilor digitale cei cu acces la internet. Dacă nu vedeți grupul care lipsește, decizia va fi părtinitoare.
- Număr fără context. Numai „Mărit cu 30%” nu are sens: după ce, în ce perioadă, care este numărul absolut? Cereți AI-ului pentru context.
Atenție: în timp ce AI analizează tabelul pe care îl furnizați, uneori adaugă numere „rezonabile” dar fictive din afara tabelului sau completează în tăcere celulele lipsă. Comparați fiecare număr de ieșire cu tabelul sursă; Dați IA regula „folosiți doar valorile din tabelul pe care vi-l dau, dacă lipsesc spuneți „fără date””.
Fluxul de analiză a datelor pas cu pas
- Clarificați întrebarea. La ce întrebare căutăm răspunsuri pentru decizie? ("În ce cartier durează cel mai mult timp de rezolvare?")
- Cunoașteți datele. Care sunt coloanele, care este unitatea, care este perioada, există valori lipsă/incorecte?
- Extrageți datele personale. Anonimizați/agregați dacă identificarea individuală nu este necesară pentru analiză (vezi Unitatea 11).
- Rezumatul și modelul apar. Puneți AI să efectueze statistici de bază, grupări și marcare a anomaliilor.
- Întrebați comentariul. Corelație sau cauzalitate? Explicație alternativă? Grupul lipsește?
- Vizualizați și simplificați. Un rezumat simplu și un grafic pe care decidentul îl poate înțelege.
- Documentați decizia și raționamentul acesteia. Ce decizie a fost luată pe baza ce date? pista de audit.
trei mini cutii
Cazul 1 - Sursa a mers la locul potrivit. În trecut, o municipalitate își distribuia bugetul de întreținere a parcului „în mod egal fiecărui cartier”. Când 18 luni de date de cerere și utilizare au fost analizate cu AI, cererea pe cap de locuitor a celor trei cartiere a fost de 2,4 ori mai mare decât media. Bugetul a fost redistribuit în funcție de nevoi; satisfacția generală a crescut, fără cheltuieli suplimentare.
Cazul 2 – S-au observat date părtinitoare. O agenție ar analiza datele aplicațiilor digitale și ar concluziona că „cetățenii nu mai vin la caseta de taxare”. Însă când în analiză s-a cerut defalcarea vârstei, s-a observat că cererile de peste 65 de ani mai veneau în mare parte de la ghișeu. Dacă s-ar analiza numai datele digitale, acest grup ar fi ignorat; serviciul de box office a fost păstrat.
Cazul 3 – Relația de cauzalitate artificială a fost oprită. În timp ce interpreta un tabel, YZ a spus: „Accidentele au scăzut deoarece numărul de inspecții a crescut”. Analistul a amintit că și vremea s-a schimbat și traficul a scăzut în aceeași perioadă; Atribuirea acesteia unei singure cauze a fost înșelătoare. Raportul a fost corectat pentru a spune „există o relație, dar cauzalitatea nu a fost dovedită”.
Patru șabloane copiabile
1) Cunoașterea tabelului:
Rolul dumneavoastră: analist de date. Examinați tabelul de mai jos și, pe baza NUMAI valorilor din acest tabel: (1) rezumați ce este fiecare coloană, unitatea și perioada acesteia, (2) orice celule care apar lipsă/incorecte, (3) rezumați primele 3 modele care ies în evidență. Adăugarea numerelor din afara mesei; dacă lipsește, spuneți „fără date”. TABLE: [paste data]
2) Statistici rezumate cu context:
Răspundeți la următoarea întrebare din tabelul de mai jos: [întrebare]. TREBUIE să ofere rezultatul cu context: număr absolut + rata + perioadă de comparație. Când spuneți „creștet cu X%”, specificați în ce măsură și în ce perioadă. Folosiți doar datele date. TABEL: [date] ÎNTREBARE: [întrebare]
3) Cauzalitate:
Interpretați următoarea constatare, dar ATENȚIE: nu confundați corelația cu cauzalitatea. Generați cel puțin 3 explicații alternative pentru această relație (a treia variabilă, direcție inversă, coincidență). Spuneți-mi ce date suplimentare sunt necesare pentru a dovedi cauzalitatea. GĂSIRE: [relație]
4) Rezumat simplu pentru decizie:
Simplificați următoarea analiză pentru un factor de decizie care nu este un expert în date: nu mai mult de 5 itemi, fiecare item o constatare și o explicație „ce înseamnă asta”. De asemenea, notați clar incertitudinile și limitele datelor. Adăugarea de informații noi. ANALIZA: [text]
Prompt slab / Prompt puternic
Slab: „Analizați această diagramă și spuneți-ne ce ar trebui să facem”.
Puternic: „Rolul tău este analist de date. Folosește NUMAI tabelul de mai jos; nu adăugați numere din exterior, spuneți „nicio date” în celula lipsă. În primul rând, cunoașteți coloanele, unitățile și perioada. Apoi răspundeți la întrebarea „ce cartier are cel mai lung timp de soluționare” cu număr absolut + raport + perioadă de comparație. Dacă găsiți un model, veniți cu 3 puncte alternative și explicați-l cu o lista finală de cauzalitate înainte de a explica 3 puncte, explicații de cauzalitate. limitele datelor (grup lipsă, perioadă scurtă) care ne lasă decizia.”
Diferență: promptul puternic stabilește împreună fidelitatea datelor, contextul, disciplina cauzalității și limita de decizie; Rezultatul este o analiză defensabilă.
Unde se poate avea încredere în inteligența artificială în domeniul datelor?
afaceri
încredere în AI
regulă
Rezumat tabel, grupare
înalt
Date oferite numai
Marcare anomalie/model
mediu
confirmare umană
Interpretarea cauzalității
scăzută
Este necesară o explicație alternativă
Completarea datelor lipsă
prea jos
Nu face să se întâmple; "fara date"
Simplificare/rezumat vizual
înalt
Sensul trebuie păstrat
Designul indicatorului și capcana grafică înșelătoare
Cel mai important pas în luarea deciziilor cu date este alegerea indicatorului potrivit (expresia numerică care face un fenomen măsurabil, de exemplu, „timp mediu de procesare” sau „cost pe aplicație”). Indicatorul greșit duce la o decizie greșită, chiar și cu date exacte: în timp ce „numărul total de cereri soluționate” pare să crească, „timpul de așteptare per cetățean” se poate înrăutăți. AI poate enumera indicatorii candidați pentru un subiect și ceea ce măsoară și ascunde fiecare; dar tu decizi care indicator reprezintă cu adevărat interesul public. De asemenea, fiți conștienți de riscul vizualizării înșelătoare (distorsionarea percepției cu tehnici precum axa care nu pleacă de la zero, scară disproporționată, interval de timp selectat) în graficele pe care IA le sugerează sau le descrie; vizualul onest în datele publice face parte din guvernare.
Mini carcasă - semn greșit, laudă greșită. O unitate batea recorduri la indicatorul „număr de dosare închise pe lună”; dar plângerile cetățenilor au crescut. Privind indicatorul precis, „rata de rezoluție a primului contact”, rata a scăzut de la 58 la sută la 44 la sută - fișierele erau închise și redeschise rapid. Când indicatorul s-a schimbat, s-a schimbat și prioritatea de management.
Mini carcasă — axă care nu începe de la zero. Pe graficul AI descris într-o prezentare, axa verticală începe de la 40, o creștere de 2% părea un salt dramatic. Când axa a fost mutată la zero, a apărut imaginea reală și decizia a fost eliminată din percepția exagerată.
Șablon care acceptă selecția indicatorului:
Sarcină: Sugerați 5 indicatori candidați în următorul scop. Scop: [de ex. îmbunătățirea calității serviciilor pentru cetățeni]Pentru fiecare indicator: ce măsoară | ce poate ascunde | deschidere către manipulare | frecvența de citire recomandată. În continuare: scrieți 3 avertismente (cele care induc în eroare de la sine) pentru a citi împreună acești indicatori.Regulă: Nu produceți numere; sugerează doar designul indicatorului.
Atenție: nu cădeți în concepția greșită că „numărul este obiectiv”. Ce număr măsurați, cum îl afișați și ce interval alegeți sunt toate o chestiune de interpretare. Interpretarea publică transparentă și onesta este la fel de importantă ca și a avea date exacte.
Greșeli comune
- Corelație greșită cu cauzalitate. „Mărit împreună” nu este cauza; Căutați explicații alternative.
- Dacă AI completează datele lipsă. Analiza se prăbușește cu o valoare inventată; lăsați lipsă.
- Generalizarea datelor părtinitoare. Reclamația/datele digitale nu reprezintă pe toată lumea; Interogați grupul lipsă.
- Prezentarea numărului fără context. Lângă raport ar trebui să existe un număr absolut și o perioadă de comparație.
- Analizând inutil datele personale. Nu utilizați identificarea individuală dacă datele agregate sunt suficiente.
- Nu se documentează decizia. Ce decizie a fost luată pe baza ce date trebuie înregistrate pentru audit.
În concluzie
Luarea deciziilor bazate pe date este cea mai puternică modalitate de a distribui resursele în mod corect și eficient în sectorul public; AI este un asistent rapid în această afacere care dă sens imaginii, găsește modele și simplifică găsirea. Dar nu face ca AI să inventeze numere, nu-l face să completeze datele lipsă, nu-l lăsa să confunde corelația cu cauzalitatea și evită generalizarea datelor părtinitoare/incomplete. Există putere în numere; Persoana care o interpretează corect și documentează decizia este mai puternică.
Sarcina de aplicare
Obțineți un tabel real (datele personale eliminate) de la unitatea dvs. Introduceți datele cu șablonul „Cunoașterea tabelului”, apoi primiți răspuns la o întrebare importantă pentru decizie cu șablonul „Statistici rezumative contextuale”. Aplicați șablonul „Întrebator cauzal” unei relații în curs de dezvoltare și găsiți cel puțin o explicație alternativă. Verificați dacă AI adaugă numere din afara tabelului.
lista de verificare
- [ ] AI a folosit doar tabelul dat; Nu a adăugat numere din afară.
- [ ] Nu am completat datele lipsă; L-am lăsat ca „fără date”.
- [ ] Am prezentat fiecare rezultat cu context (număr absolut + rata + punct).
- [ ] Am prezentat o explicație alternativă la afirmațiile privind cauzalitatea.
- [ ] Am evaluat riscul de date părtinitoare/lipsă și grupul lipsă.
- [ ] Am documentat decizia și datele pe care s-a bazat.