Câștiguri:
- Capacitatea de a produce o perspectivă orientată spre decizie din date dispersate prin înțelegerea scarii date-informații-perspectivă-decizie și prin executarea pas cu pas a inteligenței artificiale
- Abilitatea de a dezvălui adevărul ascuns de numerele totale prin defalcarea segmentelor și de a distinge corelația de cauzalitate
- Capacitatea de a trata motivele sugerate de inteligența artificială ca ipoteze de testat și de a baza decizia finală pe o perspectivă verificată
Zeci de numere ajung pe biroul unui manager în fiecare zi: cifre de vânzări, costuri, plângeri ale clienților, niveluri de stoc, rate de rotație a angajaților. Dar numărul singur nu este decizia. Decizia începe cu a vedea semnificația în număr. „Vânzările au scăzut cu 8% față de luna trecută” este un dat; „Scăderea vânzărilor se datorează faptului că doi mari clienți din regiunea Mării Egee și-au amânat comenzile” este o perspectivă. Aici, sprijinul pentru decizii - procesul care face ca datele să fie semnificative pentru ca managerul să ia decizii mai bune - este puntea care transformă datele în perspectivă. În această unitate, vom învăța cum să folosim AI pe acest pod. Limita este clară de la început: AI produce perspective preliminare; Managerul decide care percepție este reală și ce să facă.
Patru pași de la date la perspectivă
Sprijinul decizional este o scară. Prima cifră — date: numere brute (1.240 de comenzi au ajuns în această lună). A doua cifră — informații: numere editate, comparate (în scădere cu 8 procente față de luna trecută). Al treilea nivel — perspectivă: înțelegerea motivului declinului (întârziere de la doi clienți majori). Pasul patru — decizie: ce trebuie să faceți (intervievați acești clienți și vizați clienți noi). AI este foarte rapid la primul și al doilea pas, este un bun ajutor la al treilea, oferă opțiuni doar la al patrulea.
Cunoașterea acestei scări este importantă, deoarece majoritatea managerilor cer direct AI „să decidă pentru mine” și devin frustrați. Cu toate acestea, dacă efectuați AI pas cu pas - mai întâi rezumați, apoi comparați, apoi puneți la îndoială posibilele motive și, în cele din urmă, luați singur decizia - veți fi și rapid și de încredere.
Sugestie: Întrebați AI „ce deduceți din aceste date?” În loc să întrebi pe toți odată, procedează pas cu pas spunând „mai întâi rezumă, apoi arată cele 3 cele mai notabile modificări, apoi sugerează 2 motive posibile pentru fiecare”. Gândirea în pas oferă rezultate mai precise.
Capcana corelației și cauzalității
Cea mai periculoasă capcană a sprijinului decizional este confundarea corelației cu cauzalitatea. Corelația este atunci când două lucruri se mișcă împreună (vânzările de înghețată și înecurile cresc împreună vara). Cauzatia este atunci cand una duce la alta (inghetata nu provoaca sufocare; vremea calda este cauza comuna). Inteligența artificială este foarte bună să găsească lucruri care se mișcă împreună în datele tale, dar nu poate spune care este cauza reală. A spune „Cheltuielile pentru publicitate au crescut și vânzările au crescut” nu dovedește că publicitatea a crescut vânzările; poate că ambele au fost afectate de sezonul sărbătorilor.
Deci, atunci când AI sugerează un motiv, tratați-l ca pe o ipoteză (presupoziție care trebuie dovedită), nu ca pe un fapt. „Cum testez asta?” intreaba. Un bun manager testează motivul pe care AI-ul sugerează în teren sau cu date.
trei mini cutii
Cazul 1 — Prinderea căderii secrete. Într-o companie de comerț electronic, cifra de afaceri totală părea stabilă, nimeni nu s-a alarmat. Managerul oferă AI datele lunare anonime și întreabă „Ce segment crește și care se micșorează pe categorii?” întrebă el. YZ a arătat că, în timp ce cifra de afaceri totală a fost constantă, categoria de electronice cu profit ridicat a scăzut de fapt cu 22%, vânzările de accesorii cu profit scăzut maschând acest lucru. Managerul a confirmat acest lucru și s-a concentrat pe categoria electronice. Numărul total fusese ascuns; Pauza a dezvăluit adevărul.
Cazul 2 — A alerga către o cauză greșită. Managerul unui lanț de cafenele a oferit date despre vânzări AI. „Vânzările de weekend se mișcă odată cu temperatura vremii”, a spus YZ. Managerul a citit acest lucru ca „vremea caldă crește vânzările” și a refuzat aparatele de aer condiționat. Cu toate acestea, adevăratul motiv a fost creșterea traficului de clienți în weekend; Temperatura s-a mutat întâmplător în aceeași direcție. Managerul a confundat corelația cu cauzalitate. Și-a învățat lecția și a testat toate motivele de acum înainte.
Cazul 3 — Stabilirea corectă a comparației. Se compara eficiența a două fabrici dintr-o întreprindere de producție. Managerul întreabă AI: „Este fabrica A mai eficientă decât B?” a întrebat el, dar AI nu știa că fabrica A era mai nouă și mai mică. Managerul a corectat promptul: „comparați randamentul pe unitate, ținând cont de dimensiunea și diferența de vârstă”. De data aceasta analiza a fost corectă și diferența reală a fost dezvăluită.
Patru șabloane copiabile
1) Extragerea în trepte a perspectivei:
Rolul dvs.: analist de afaceri asista managerul. Utilizați datele anonime atașate (perioadă, categorie, vânzări, cost). Continuați pas cu pas: 1) Rezumați datele în 4 elemente. 2) Afișați cele mai notabile 3 modificări față de perioada trecută. 3) Sugerați până la 2 motive POSIBILE pentru fiecare schimbare și afirmați că acestea sunt ipoteze și că sunt necesare dovezi. Nu inventați numere care nu există în datele pe care le furnizez.
2) Analiza defalcării (segmentului):
Chiar dacă cifrele totale par stabile, vreau să știu ce se întâmplă înăuntru. Despărțiți datele atașate în funcție de categorie/regiune/segment de clienți. Arată ce segment crește și care se micșorează într-un tabel. În special, marcați inversările care maschează totalul.
3) Testul corelației-cauză:
Am găsit această relație: [A și B se mută împreună]. Ajută-mă să discern dacă aceasta este adevărată cauză și efect sau doar acțiune împreună. Enumerați cauzele COMUNE posibile și sugerați 3 verificări practice pe care le pot face pentru a testa această relație.
4) Generarea opțiunii de decizie:
Am confirmat această perspectivă: [perspectivă].NU decideți pentru mine; în schimb, generați 3 opțiuni de acțiune diferite. Pentru fiecare opțiune: beneficiul așteptat, costul/efortul estimat, riscul major și situația care trebuie preferată. Prezentați opțiunile în mod neutru; nu impune pe cineva.
Prompt slab / Prompt puternic
Prompt slab:
De ce au scăzut vânzările?
Fără date, fără perioadă, fără context. AI enumeră motive generale (economie, competiție, sezon); Niciuna dintre ele nu este specifică situației dvs. și nu poate fi verificată.
Solicitare puternică:
Rolul dumneavoastră: analist de retail. Utilizați datele anonime pe 6 luni atașate (lună, regiune, categorie, număr de vânzări, cifra de afaceri). Cifra de afaceri totală a scăzut cu 8% în ultima lună. Împărțiți acest lucru pe regiune și categorie; afla din ce segment provine declinul. Propuneți până la 2 ipoteze testabile pentru fiecare declin pe care îl găsiți. Folosește doar numerele pe care ți le-am dat.
Dimensiune
abordare slabă
Abordare puternică
Date
Niciuna
Anonim și atașat
Întrebare
Generalul „de ce?”
Refractat și focalizat
ieșire
Motive generale
Ipoteze testabile
Verificabilitate
scăzută
înalt
valoarea deciziei
Mai puțin
înalt
Greșeli comune
- Bazându-se pe numărul total. În timp ce totalul este constant, pot exista inversări mari în interior; Asigurați-vă că vă uitați la defalcare.
- Corelație greșită cu cauzalitate. Priviți relația pe care AI o găsește ca o ipoteză care trebuie testată, nu ca o dovadă.
- Comparație nedreaptă. Nu compara unități de diferite dimensiuni/vârste/condiții fără a le normaliza.
- Solicitarea deciziilor direct de la AI. AI generează opțiuni; Tu purtați decizia și responsabilitatea.
- Tragerea concluziilor cu date pentru o singură perioadă. Sunt necesare date istorice suficiente pentru tendințe.
Atenție: Indiferent cât de inteligentă pare o perspectivă, nu ar trebui să devină o decizie dacă nu poate fi verificată din datele dvs. „AI a spus așa” nu este o justificare; „L-am testat cu date și a fost validat” este o justificare.
Pe scurt
Suportul decizional este scara care transformă datele în insight: date, informații, insight, decizie. AI este foarte rapidă în primii doi pași, un bun ajutor în al treilea și doar un furnizor de opțiuni în al patrulea. Uită-te la defalcări, nu la cifrele totale; Nu confunda corelația cu cauzalitatea; Vedeți motivele pe care AI le sugerează ca ipoteze de testat. Gândirea în pas oferă rezultate mai precise. Decizia finală este a managerului, bazată pe o perspectivă validată.
Sarcina de aplicare
Pregătiți un set de date anonime din afacerea dvs. (de exemplu, vânzări pe categorii pentru ultimele 6 luni). Solicitați AI să efectueze o defalcare a segmentului cu șablonul „Analiza defalcării” de mai sus. Creați o ipoteză folosind șablonul „Test corelație-cauzare” pentru cea mai mare schimbare pe care ați găsit-o și notați cum veți testa această ipoteză în teren în 3 itemi.
lista de verificare
- [ ] Am anonimizat datele?
- [ ] M-am uitat la defalcare (segment) mai degrabă decât la total?
- [ ] Am tratat motivul sugerat de AI ca pe o ipoteză?
- [ ] Am configurat comparațiile în mod corect (normalizate)?
- [ ] Am luat singur decizia pe baza unor informații verificate?