දත්ත පදනම් වූ තීරණය සහ පොදු දත්ත විශ්ලේෂණය

ලාභ:

• දත්ත සමඟ වැඩ කිරීමේ ගුණාත්මකභාවය, රහස්‍යභාවය සහ අර්ථකථන උවදුරු හඳුනාගෙන ආරක්ෂිත විශ්ලේෂණ ප්‍රවාහයක් ස්ථාපිත කරයි.
• එය අරමුණක් සඳහා නිවැරදි දර්ශකය තෝරා ගනී, නොමඟ යවන තනි දර්ශක සහ හැසිරවීමට විවෘත වන මිනුම් අතර වෙනස හඳුනා ගනී.
• එය නොමඟ යවන ප්‍රස්ථාර ශිල්පීය ක්‍රම හඳුනා ගනී (අක්ෂය බිංදුවෙන් ආරම්භ නොවේ, තෝරාගත් පරාසය) සහ අවංක දෘශ්‍යකරණය නිරීක්ෂණය කරයි.

මහජනයා සෑම දිනකම දත්ත නිෂ්පාදනය කරයි: අයදුම්පත් අංක, විසඳුම් වේලාවන්, අයවැය අයිතම, ජනගහන චලනයන්, සේවා ඉල්ලීම්, විගණන ප්‍රතිඵල, තෘප්තිමත් සමීක්ෂණ. මෙම දත්ත බොහොමයක් Excel පැතුරුම්පත්, පෝරම සහ පටිගත කිරීමේ පද්ධතිවල පිහිටා ඇත, නමුත් එය තීරණ බවට පරිවර්තනය නොවේ - එය විශ්ලේෂණය කිරීමට විශේෂඥභාවය සහ කාලය අවශ්‍ය වන බැවිනි. දත්ත මත පදනම් වූ තීරණ ගැනීම (මතය හෝ පුරුද්දට වඩා මනින ලද සාක්ෂි මත පදනම්ව සම්පත් වෙන් කිරීම සහ ප්‍රතිපත්ති සැකසීම සඳහා ප්‍රවේශයක්) රාජ්‍ය අංශයේ කාර්යක්ෂමතාව සහ සාධාරණත්වය යන දෙකම වැඩි කරයි: සම්පත් අවශ්‍ය තැනට යන්නේ අංක මත පදනම්වය. මෙහිදී, AI යනු වගුවක් පිළිබඳ හැඟීමක් ඇති කිරීමට, රටා සහ විෂමතා සොයා ගැනීමට, සාරාංශ සංඛ්‍යාලේඛන උපුටා ගැනීමට සහ සොයාගැනීම් සරල වාක්‍යවලට පරිවර්තනය කිරීමට ප්‍රබල සහායකයෙකි. මෙම ඒකකය තුළ, ඔබ AI සමඟින් ආරක්ෂාකාරී තීරණයක් සඳහා අමු පොදු දත්තවල සිට මාර්ගය කෙටි කරන ආකාරය සහ අංකයේ නිවැරදි අර්ථකථනය වන වඩාත් තීරණාත්මක අංශයේදී විනයගරුකව සිටින්නේ කෙසේදැයි දකිනු ඇත.

දත්ත සමඟ වැඩ කිරීමේ අන්තරායන් තුනක්

දත්ත ප්‍රබලයි, නමුත් එයට උගුල් තුනක් ඇත, AI හට මෙම උගුල් අවම කිරීමට සහ විශාල කිරීමට හැකිය:

1. සහසම්බන්ධය ≠ හේතුව. දේවල් දෙකක් එකට වෙනස් වූ පමණින් එකක් අනෙකට හේතු නොවේ. අයිස්ක්‍රීම් අලෙවිය සහ දියේ ගිලී මියයෑම් ඉහළ යමින් පවතී - ඒ දෙකම ගිම්හාන තාපයට සම්බන්ධ නිසා මිස එකක් අනෙකට හේතු නොවන බැවිනි. AI චතුර ලෙස වාක්‍ය "නිසා" ගොඩනඟයි; හේතුකාරකය පිළිබඳ සෑම ප්‍රකාශයක්ම ප්‍රශ්න කරන්න.
2. පක්ෂග්‍රාහී/අතුරුදහන් දත්ත. දත්ත රැස් කළේ කාගෙන් සහ කෙසේද? පැමිණිලි දත්ත පිළිබිඹු කරන්නේ පැමිණිලි කළ හැකි අය පමණි; අන්තර්ජාලයට ප්‍රවේශය ඇති ඩිජිටල් යෙදුම් දත්ත. ඔබ අතුරුදහන් වූ කණ්ඩායම නොපෙනේ නම්, තීරණය පක්ෂග්රාහී වනු ඇත.
3. සන්දර්භය නොමැති අංකය. "30% කින් වැඩි කිරීම" පමණක් අර්ථ විරහිත ය: කුමක් අනුව, කුමන කාල පරිච්ඡේදයකදී, නිරපේක්ෂ සංඛ්යාව කුමක්ද? සන්දර්භය සඳහා AI අසන්න.

අවධානය: AI ඔබ සපයන වගුව විශ්ලේෂණය කරන අතරතුර, එය සමහර විට මේසයෙන් පිටත සිට "සාධාරණ" නමුත් කල්පිත අංක එක් කරයි හෝ නැති වූ කොටු නිශ්ශබ්දව පුරවයි. ප්‍රභව වගුවට එක් එක් ප්‍රතිදාන අංකය සසඳන්න; "මම ඔබට ලබා දෙන වගුවේ ඇති අගයන් පමණක් භාවිතා කරන්න, අස්ථානගත වුවහොත් 'දත්ත නැත' යැයි පවසන්න" යන රීතිය AI ට දෙන්න.

පියවරෙන් පියවර දත්ත විශ්ලේෂණය ප්රවාහය

1. ප්රශ්නය පැහැදිලි කරන්න. තීරණය සඳහා අප පිළිතුරු සොයන්නේ කුමන ප්‍රශ්නයටද? ("විසඳුම් කාලය වැඩිම කාලයක් ගත වන්නේ කුමන අසල්වැසි ප්‍රදේශයකද?")
2. දත්ත දැනගන්න. තීරු මොනවාද, ඒකකය කුමක්ද, කාල සීමාව කුමක්ද, නැතිවූ/වැරදි අගයන් තිබේද?
3. පුද්ගලික දත්ත උපුටා ගන්න. විශ්ලේෂණය සඳහා පුද්ගල හඳුනාගැනීමක් අවශ්‍ය නොවේ නම් නිර්නාමික කිරීම/එකතු කිරීම (ඒකකය 11 බලන්න).
4. සාරාංශය සහ රටාව මතු වේ. AI මූලික සංඛ්‍යාලේඛන, සමූහගත කිරීම සහ විෂමතා සලකුණු කිරීම සිදු කිරීමට සලස්වන්න.
5. අදහස් ප්‍රශ්න කරන්න. සහසම්බන්ධය හෝ හේතුව? විකල්ප පැහැදිලි කිරීමක්? කණ්ඩායම අතුරුදහන්?
6. දර්ශනය කර සරල කරන්න. තීරණ ගන්නාට තේරුම් ගත හැකි සරල සාරාංශයක් සහ ග්‍රැෆික්.
7. තීරණය සහ එහි තර්කය ලේඛනගත කරන්න. කුමන දත්ත මත පදනම්ව ගත් තීරණය කුමක්ද? විගණන මාර්ගය.

කුඩා නඩු තුනක්

නඩුව 1 - මූලාශ්රය නිවැරදි ස්ථානයට ගියේය. අතීතයේදී, නගර සභාවක් එහි උද්‍යාන නඩත්තු අයවැය "එක් එක් අසල්වැසි ප්‍රදේශවලට සමානව" බෙදා හැරියේය. AI සමඟ මාස 18 ක ඉල්ලුම සහ භාවිත දත්ත විශ්ලේෂණය කළ විට, අසල්වැසි ප්‍රදේශ තුනෙහි ඒක පුද්ගල ඉල්ලුම සාමාන්‍ය මෙන් 2.4 ගුණයක් විය. අයවැය අවශ්‍යතාවය අනුව යලි බෙදා හැර ඇත; අමතර වියදම් නොමැතිව සමස්ත තෘප්තිය වැඩි විය.

නඩුව 2 - පක්ෂග්රාහී දත්ත සටහන් විය. නියෝජිතායතනයක් ඩිජිටල් යෙදුම් දත්ත දෙස බලා "පුරවැසියන් තවදුරටත් ගාස්තු කුටියට නොපැමිණෙන" බව නිගමනය කරයි. නමුත් විශ්ලේෂණයේ දී වයස් විස්තරය ඉල්ලා සිටින විට, වයස අවුරුදු 65 ට වැඩි අයැදුම්පත් තවමත් කවුන්ටරයෙන් වැඩි වශයෙන් පැමිණෙන බව දක්නට ලැබුණි. ඩිජිටල් දත්ත පමණක් බැලුවේ නම්, මෙම කණ්ඩායම නොසලකා හරිනු ඇත; බොක්ස් ඔෆිස් සේවාව ආරක්ෂා විය.

3 වන අවස්ථාව - උපකල්පිත හේතු දැක්වීම නතර විය. මේසයක් අර්ථකථනය කරන අතරතුර YZ පැවසුවේ "පරීක්ෂා කිරීම් වැඩි වූ නිසා අනතුරු අඩු විය." එම කාලය තුළ කාලගුණය ද වෙනස් වී ගමනාගමනය අඩු වූ බව රස පරීක්ෂකවරයා සිහිපත් කළේය; එය එකම හේතුවකට ආරෝපණය කිරීම නොමඟ යවන සුළු විය. "සම්බන්ධතාවයක් ඇති නමුත් හේතුව ඔප්පු වී නැත" යනුවෙන් වාර්තාව නිවැරදි කර ඇත.

පිටපත් කළ හැකි සැකිලි හතරක්

1) වගුව දැන ගැනීම:

ඔබේ කාර්යභාරය: දත්ත විශ්ලේෂක. පහත වගුව පරීක්ෂා කර, මෙම වගුවේ ඇති අගයන් පමණක් පදනම් කරගෙන: (1) එක් එක් තීරුව කුමක්ද, එහි ඒකකය සහ කාල සීමාව, (2) නැතිවූ/වැරදි ලෙස පෙනෙන ඕනෑම සෛල, (3) කැපී පෙනෙන ඉහළම රටා 3 සාරාංශ කරන්න. මේසයෙන් පිටත සිට අංක එකතු කිරීම; නැති නම්, "දත්ත නැත" කියන්න. වගුව: [දත්ත අලවන්න]

2) සන්දර්භය සහිත සාරාංශ සංඛ්‍යාලේඛන:

පහත වගුවෙන් පහත ප්‍රශ්නයට පිළිතුරු සපයන්න: [ප්‍රශ්නය]. සන්දර්භය සමඟ ප්‍රතිඵලය ලබා දිය යුතුය: නිරපේක්ෂ අංකය + අනුපාතය + සැසඳීමේ කාලය. ඔබ "X% කින් වැඩි කර ඇත" යැයි පවසන විට, කුමන ප්‍රමාණයකට සහ කුමන කාල පරිච්ඡේදයකටද යන්න සඳහන් කරන්න. ලබා දී ඇති දත්ත භාවිතා කරන්න. වගුව: [දත්ත] ප්‍රශ්නය: [ප්‍රශ්නය]

3) හේතු ප්‍රශ්න කරන්නා:

පහත සොයාගැනීම අර්ථකථනය කරන්න, නමුත් ප්‍රවේශම් වන්න: සහසම්බන්ධය හේතුකාරක සමඟ පටලවා නොගන්න. මෙම සම්බන්ධතාවය සඳහා අවම වශයෙන් විකල්ප පැහැදිලි කිරීම් 3 ක් ජනනය කරන්න (තුන්වන විචල්‍යය, ප්‍රතිලෝම දිශාව, අහඹු සිදුවීම). හේතුකාරක බව ඔප්පු කිරීමට අවශ්‍ය අමතර දත්ත මොනවාදැයි මට කියන්න. සොයා ගැනීම: [සම්බන්ධතාව]

4) තීරණය සඳහා සරල සාරාංශය:

දත්ත විශේෂඥයෙකු නොවන තීරණ ගන්නෙකු සඳහා පහත විශ්ලේෂණය සරල කරන්න: අයිතම 5 කට වඩා වැඩි නොවේ, සෑම අයිතමයක්ම සොයා ගැනීමක් සහ "මෙයින් අදහස් කරන්නේ කුමක්ද" පැහැදිලි කිරීමක්. එසේම දත්තවල අවිනිශ්චිතතා සහ සීමාවන් පැහැදිලිව ලියන්න. නව තොරතුරු එකතු කිරීම. විශ්ලේෂණය: [පෙළ]

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල: "මෙම වගුව විශ්ලේෂණය කර අප කළ යුතු දේ අපට කියන්න."

ශක්තිමත්: "ඔබේ කාර්යභාරය දත්ත විශ්ලේෂකයෙකි. පහත වගුව පමණක් භාවිතා කරන්න; නැතිවූ කොටුවට පිටතින් සංඛ්‍යා එකතු නොකරන්න, 'දත්ත නැත' කියන්න. පළමුව, තීරු, ඒකක සහ කාල සීමාව දැන ගන්න. ඉන්පසු 'දිගම විසඳුම් කාලය ඇති අසල්වැසි ප්‍රදේශය' යන ප්‍රශ්නයට නිරපේක්ෂ සංඛ්‍යා + අනුපාතය + සංසන්දනාත්මක කාල සීමාව සමඟ පිළිතුරු දෙන්න. අවසාන වශයෙන් විකල්ප ලකුණු 3 සමඟ පැහැදිලි කිරීමේ රටාවක් සොයා ගන්න. තීරණය අපට භාර දෙන දත්තවල මායිම් (අතුරුදහන් කණ්ඩායම, කෙටි කාලසීමාව)."

වෙනස: ශක්තිමත් කඩිනම් දත්ත විශ්වාසවන්තභාවය, සන්දර්භය, හේතුකාරක විනය සහ තීරණ-මායිම එකට ස්ථාපිත කරයි; ප්රතිදානය ආරක්ෂා කළ හැකි විශ්ලේෂණයකි.

දත්ත ව්‍යාපාරය තුළ AI විශ්වාස කළ හැක්කේ කොතැනින්ද?

ව්යාපාර

AI විශ්වාසය

පාලනය

වගු සාරාංශය, කණ්ඩායම් කිරීම

ඉහළ

ලබා දී ඇති දත්ත පමණි

විෂමතාව / රටා සලකුණු කිරීම

මධ්යම

මානව තහවුරු කිරීම

හේතුඵල අර්ථ නිරූපණය

අඩු

විකල්ප පැහැදිලි කිරීමක් අවශ්ය වේ

නැතිවූ දත්ත පිරවීම

ඉතා අඩුයි

එය සිදු නොකරන්න; "දත්ත නැත"

සරල කිරීම / දෘශ්ය සාරාංශය

ඉහළ

අර්ථය සුරැකිය යුතුය

දර්ශක නිර්මාණය සහ නොමඟ යවන ප්‍රස්ථාර උගුල

දත්ත සමඟ තීරණ ගැනීමේ වඩාත් තීරණාත්මක පියවර වන්නේ නිවැරදි දර්ශකය තෝරා ගැනීමයි (සංසිද්ධියක් මැනිය හැකි සංඛ්‍යාත්මක ප්‍රකාශනය-උදාහරණයක් ලෙස, "සාමාන්‍ය සැකසුම් කාලය" හෝ "යෙදුමකට පිරිවැය"). වැරදි දර්ශකය නිවැරදි දත්ත සමඟ පවා වැරදි තීරණයකට මග පාදයි: "සම්පූර්ණ හිමිකම් පෑම් ගණන" වැඩි වන බව පෙනෙන අතර, "පුරවැසියෙකුට පොරොත්තු කාලය" නරක අතට හැරෙනු ඇත. AI හට මාතෘකාවක් සඳහා අපේක්ෂක දර්ශක ලැයිස්තුගත කළ හැකි අතර එක් එක් මිනුම් සහ සඟවන දේ; නමුත් මහජන අවශ්‍යතා සැබෑ ලෙස නියෝජනය කරන්නේ කුමන දර්ශකයද යන්න ඔබ තීරණය කරයි. එසේම, AI යෝජනා කරන හෝ විස්තර කරන ප්‍රස්ථාරවල නොමඟ යවන දෘශ්‍යකරණයේ (අක්ෂය ශුන්‍යයෙන් ආරම්භ නොවීම, අසමානුපාතික පරිමාණයෙන්, තෝරාගත් කාල පරතරය වැනි ශිල්පීය ක්‍රම සමඟ විකෘති සංජානනය) අවදානම ගැන දැනුවත් වන්න; පොදු දත්තවල අවංක දෘශ්‍ය පාලනය පාලනයේ කොටසකි.

කුඩා නඩුව - වැරදි ලකුණ, වැරදි පුරසාරම් දොඩන්න. එක් ඒකකයක් "මාසයකට වසා දැමූ ලිපිගොනු ගණන" දර්ශකයේ වාර්තා බිඳ දමයි; නමුත් පුරවැසි පැමිණිලි වැඩි විය. නිවැරදි දර්ශකය දෙස බලන විට, "පළමු සම්බන්ධතා විභේදනය අනුපාතය", අනුපාතය සියයට 58 සිට සියයට 44 දක්වා පහත වැටුණි - ගොනු වසා දමා ඉක්මනින් නැවත විවෘත විය. දර්ශකය වෙනස් වූ විට, කළමනාකරණ ප්රමුඛතාවය ද වෙනස් විය.

කුඩා නඩුව - බිංදුවෙන් ආරම්භ නොවන අක්ෂය. ඉදිරිපත් කිරීමක විස්තර කර ඇති AI ප්‍රස්ථාරයේ සිරස් අක්ෂය 40 න් ආරම්භ වේ, සියයට 2 ක වැඩිවීමක් නාටකාකාර පිම්මක් සේ පෙනුනි. අක්ෂය බිංදුවට ගෙන ගිය විට, සැබෑ පින්තූරය මතු වූ අතර අතිශයෝක්තියට පත් වූ සංජානනයෙන් තීරණය ඉවත් විය.

දර්ශක තේරීමට සහාය වන සැකිල්ල:

කාර්යය: පහත අරමුණ සඳහා අපේක්ෂක දර්ශක 5ක් යෝජනා කරන්න. අරමුණ: [උදා. පුරවැසි සේවාවේ ගුණාත්මකභාවය වැඩිදියුණු කිරීම]එක් එක් දර්ශකය සඳහා: එය මනිනු ලබන දේ | එය සැඟවිය හැක්කේ කුමක්ද | හැසිරවීමට විවෘතභාවය | නිර්දේශිත කියවීමේ සංඛ්‍යාතය.ඊළඟට: මෙම දර්ශක එකට කියවීමට අනතුරු ඇඟවීම් 3ක් ලියන්න (තමන්ගේම නොමග යවන ඒවා) රීතිය: සංඛ්‍යා නිපදවන්න එපා; දර්ශක නිර්මාණය යෝජනා කරන්න.

අවවාදයයි: "සංඛ්‍යාව වෛෂයිකයි" යන වැරදි මතයට නොවැටෙන්න. ඔබ මනිනු ලබන අංකය, ඔබ එය පෙන්වන ආකාරය සහ ඔබ තෝරා ගන්නා පරාසය සියල්ල අර්ථ නිරූපණයට අදාළ වේ. විනිවිද පෙනෙන සහ අවංක මහජන අර්ථකථනය නිවැරදි දත්ත තිබීම තරම්ම වැදගත් වේ.

පොදු වැරදි

• හේතුව සඳහා වැරදි සහසම්බන්ධය. "එකට වැඩි" හේතුව නොවේ; විකල්ප පැහැදිලි කිරීම් සොයන්න.
• නැතිවූ දත්ත පිරවීමට AI තිබීම. සාදන ලද අගයක් සමඟ විශ්ලේෂණය බිඳ වැටේ; අතුරුදහන් වූවන් අතුරුදහන් කරන්න.
• පක්ෂග්රාහී දත්ත සාමාන්යකරණය කිරීම. පැමිණිලි/ඩිජිටල් දත්ත සියල්ලන් නියෝජනය නොකරයි; අතුරුදහන් වූ කණ්ඩායම විමසන්න.
• සන්දර්භය නොමැතිව අංකය ඉදිරිපත් කිරීම. අනුපාතයට ඊළඟට නිරපේක්ෂ සංඛ්යාවක් සහ සංසන්දනාත්මක කාල සීමාවක් තිබිය යුතුය.
• පුද්ගලික දත්ත අනවශ්ය ලෙස විශ්ලේෂණය කිරීම. එකතු කළ දත්ත ප්‍රමාණවත් නම් තනි හඳුනාගැනීම් භාවිතා නොකරන්න.
• තීරණය ලේඛනගත නොකිරීම. විගණනය සඳහා කුමන දත්ත සටහන් කළ යුතුද යන්න මත පදනම්ව ගත් තීරණය කුමක්ද?

සාරාංශයකින්

රාජ්‍ය අංශයේ සම්පත් සාධාරණව හා කාර්යක්ෂමව බෙදා හැරීමට ඇති බලවත්ම ක්‍රමය දත්ත පදනම් කරගත් තීරණ ගැනීමයි. AI යනු මෙම ව්‍යාපාරයේ වේගවත් සහායකයෙකි, එය පින්තූරයේ තේරුම, රටා සොයා ගැනීම සහ සොයා ගැනීම සරල කරයි. නමුත් AI සාදනු ලබන සංඛ්‍යා සාදන්න එපා, එය නැතිවූ දත්ත පිරවීමට ඉඩ නොදෙන්න, හේතුකාරකය සමඟ සහසම්බන්ධය ව්‍යාකූල කිරීමට ඉඩ නොදෙන්න, සහ පක්ෂග්‍රාහී/අසම්පූර්ණ දත්ත සාමාන්‍යකරණය කිරීමෙන් වළකින්න. ඉලක්කම්වල ශක්තියක් තිබේ; එය නිවැරදිව අර්ථකථනය කර තීරණය ලේඛනගත කරන පුද්ගලයා ශක්තිමත් වේ.

යෙදුම් කාර්යය

ඔබගේ ඒකකයෙන් සැබෑ (පුද්ගලික දත්ත ඉවත් කරන ලද) වගුවක් ලබා ගන්න. "වගුව දැන හඳුනා ගැනීම" අච්චුව සමඟ දත්ත හඳුන්වා දෙන්න, පසුව තීරණය සඳහා වැදගත් ප්‍රශ්නයකට "සන්දර්භීය සාරාංශ සංඛ්‍යාලේඛන" අච්චුව සමඟ පිළිතුරු ලබා දෙන්න. නැගී එන සම්බන්ධතාවයකට "හේතු ප්‍රශ්න කරන්නා" අච්චුව යොදන්න සහ අවම වශයෙන් එක් විකල්ප පැහැදිලි කිරීමක් සොයා ගන්න. AI වගුවෙන් පිටත අංක එකතු කරන්නේ දැයි පරීක්ෂා කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] AI භාවිතා කළේ ලබා දී ඇති වගුව පමණි; ඔහු පිටතින් අංක එකතු කළේ නැත.
• [ ] මම නැතිවූ දත්ත පුරවා නැත; මම ඒක දාල තියෙන්නෙ "Data නෑ" කියල.
• [ ] මම සෑම ප්‍රතිඵලයක්ම සන්දර්භය සමඟ ඉදිරිපත් කළෙමි (නිරපේක්ෂ අංකය + අනුපාතය + කාල සීමාව).
• [ ] මම හේතුකාරක හිමිකම් සඳහා විකල්ප පැහැදිලි කිරීමක් ඉදිරිපත් කළෙමි.
• [ ] මම පක්ෂග්‍රාහී/අතුරුදහන් දත්තවල අවදානම සහ අතුරුදහන් වූ කණ්ඩායම ඇගයීමට ලක් කළෙමි.
• [ ] මම තීරණය සහ එය පදනම් වූ දත්ත ලේඛනගත කළෙමි.