zisky:
- Rozpoznáva riziká spojené s kvalitou, dôvernosťou a interpretáciou práce s údajmi a vytvára bezpečný tok analýzy.
- Vyberá správny ukazovateľ na daný účel, pričom rozlišuje medzi zavádzajúcimi jednotlivými ukazovateľmi a meraniami, ktoré sú prístupné manipulácii.
- Rozpoznáva zavádzajúce techniky grafov (os nezačína od nuly, zvolený rozsah) a pozoruje poctivú vizualizáciu.
Verejnosť produkuje dáta každý deň: čísla žiadostí, časy riešenia, rozpočtové položky, pohyby obyvateľstva, požiadavky na služby, výsledky auditov, prieskumy spokojnosti. Väčšina týchto údajov sa nachádza v excelových tabuľkách, formulároch a záznamových systémoch, ale nepremieta sa do rozhodnutí – pretože ich analýza si vyžaduje odborné znalosti a čas. Rozhodovanie založené na údajoch (prístup k prideľovaniu zdrojov a stanovovaniu politiky na základe meraných dôkazov, a nie na základe názoru alebo zvyku) zvyšuje efektívnosť aj spravodlivosť vo verejnom sektore: zdroje idú tam, kde sú najviac potrebné na základe čísel. Tu je AI výkonným pomocníkom pri vytváraní zmyslu pre tabuľku, hľadaní vzorov a anomálií, získavaní súhrnných štatistík a prekladaní zistení do jednoduchých viet. V tejto časti uvidíte, ako skrátiť cestu od nespracovaných verejných údajov k obhájiteľnému rozhodnutiu pomocou AI a zachovať si disciplínu v tom najkritickejšom aspekte – správnej interpretácii čísla.
Tri nebezpečenstvá práce s údajmi
Dáta sú výkonné, ale majú tri pasce a AI môže tieto pasce zmierniť aj zväčšiť:
- Korelácia ≠ príčinná súvislosť. To, že sa dve veci menia spolu, neznamená, že jedna spôsobuje druhú. Predaj zmrzliny a utopenia sú na vzostupe – pretože obe sú spojené s letnými horúčavami, nie jedno spôsobuje druhé. AI plynule vytvára vety „pretože“; Spochybňujte každé tvrdenie o príčinnej súvislosti.
- Skreslené/chýbajúce údaje. Od koho a akým spôsobom sa údaje zbierali? Údaje o sťažnostiach odrážajú iba tých, ktorí sa môžu sťažovať; digitálnych aplikačných údajov tých, ktorí majú prístup na internet. Ak chýbajúcu skupinu nevidíte, rozhodnutie bude neobjektívne.
- Číslo bez kontextu. Samotné „zvýšenie o 30 %“ nemá význam: podľa čoho, v akom období, aké je absolútne číslo? Opýtajte sa AI na kontext.
Upozornenie: Kým AI analyzuje tabuľku, ktorú poskytnete, niekedy pridá „rozumné“, ale fiktívne čísla mimo tabuľky alebo potichu doplní chýbajúce bunky. Porovnajte každé výstupné číslo so zdrojovou tabuľkou; Dajte AI pravidlo „použite iba hodnoty v tabuľke, ktorú vám dám, ak chýba, povedzte „žiadne údaje“.
Tok analýzy údajov krok za krokom
- Vysvetlite otázku. Na akú otázku hľadáme odpovede pri rozhodovaní? ("V ktorej štvrti trvá riešenie najdlhšie?")
- Poznať údaje. Aké sú stĺpce, aká je jednotka, aké je obdobie, chýbajú/nesprávne hodnoty?
- Extrahujte osobné údaje. Anonymizovať/agregovať, ak sa na analýzu nevyžaduje individuálna identifikácia (pozri časť 11).
- Objaví sa súhrn a vzor. Nechajte AI vykonávať základné štatistiky, zoskupovanie a označovanie anomálií.
- Opýtajte sa komentára. Korelácia alebo kauzalita? Alternatívne vysvetlenie? Chýba skupina?
- Vizualizujte a zjednodušte. Jednoduché zhrnutie a grafika, ktorej rozumie aj osoba s rozhodovacou právomocou.
- Zdokumentujte rozhodnutie a jeho odôvodnenie. Aké rozhodnutie bolo prijaté na základe akých údajov? audit trail.
tri mini prípady
Prípad 1 – Zdroj išiel na správne miesto. V minulosti samospráva rozdeľovala svoj rozpočet na údržbu parku „rovnako do každej štvrte“. Keď sa pomocou AI analyzovali údaje o dopyte a používaní za 18 mesiacov, dopyt na obyvateľa v troch štvrtiach bol 2,4-násobok priemeru. Rozpočet sa prerozdeľoval podľa potreby; celková spokojnosť sa zvýšila bez dodatočných nákladov.
Prípad 2 – Zaznamenali sa neobjektívne údaje. Agentúra by sa pozrela na údaje z digitálnych aplikácií a dospela by k záveru, že „občania už neprichádzajú k mýtnici“. Keď sa však v analýze požadovalo rozdelenie podľa veku, ukázalo sa, že aplikácie staršie ako 65 rokov stále väčšinou prichádzali z pultu. Ak by sa skúmali iba digitálne údaje, táto skupina by sa ignorovala; pokladničná služba bola zachovaná.
Prípad 3 – Vykonštruovaná príčinná súvislosť zastavená. Pri interpretácii tabuľky YZ povedal: "Nehody sa znížili, pretože sa zvýšil počet inšpekcií." Analytik pripomenul, že v rovnakom období sa zmenilo aj počasie a poklesla doprava; Pripisovať to jedinej príčine bolo zavádzajúce. Správa bola opravená, že "existuje vzťah, ale príčinná súvislosť nebola dokázaná."
Štyri kopírovateľné šablóny
1) Zoznámenie sa s tabuľkou:
Vaša úloha: dátový analytik. Preskúmajte tabuľku nižšie a na základe LEN hodnôt v tejto tabuľke: (1) zhrňte, čo je každý stĺpec, jeho jednotku a obdobie, (2) všetky bunky, ktoré chýbajú alebo sú nesprávne, (3) zhrňte 3 najlepšie vzory, ktoré vynikajú. Pridávanie čísel mimo tabuľky; ak chýba, povedzte „žiadne údaje“. TABUĽKA: [prilepiť údaje]
2) Súhrnná štatistika s kontextom:
Odpovedzte na nasledujúcu otázku z tabuľky nižšie: [otázka]. MUSÍ dať výsledok s kontextom: absolútne číslo + sadzba + obdobie porovnania. Keď poviete „zvýšené o X %“, uveďte v akom rozsahu a v akom období. Stačí použiť dané údaje.TABUĽKA: [údaje] OTÁZKA: [otázka]
3) Otazník kauzality:
Interpretujte nasledujúce zistenie, ale POZOR: nezamieňajte si koreláciu s príčinnou súvislosťou. Vytvorte aspoň 3 alternatívne vysvetlenia tohto vzťahu (tretia premenná, opačný smer, náhoda). Povedzte mi, aké ďalšie údaje sú potrebné na preukázanie príčinnej súvislosti. HĽADANIE: [vzťah]
4) Jednoduché zhrnutie pre rozhodnutie:
Zjednodušte nasledujúcu analýzu pre osobu s rozhodovacou právomocou, ktorá nie je odborníkom na údaje: nie viac ako 5 položiek, každá položka je nález a vysvetlenie „čo to znamená“. Jasne si zapíšte aj neistoty a limity údajov. Pridávanie nových informácií.ANALÝZA: [text]
Slabá výzva / Silná výzva
Slabý: "Analyzujte túto tabuľku a povedzte nám, čo máme robiť."
Strong: "Vašou úlohou je dátový analytik. Použite LEN tabuľku nižšie; nepridávajte čísla zvonku, nehovorte 'žiadne údaje' do chýbajúcej bunky. Najprv sa oboznámte so stĺpcami, jednotkami a obdobím. Potom odpovedzte na otázku 'ktorá štvrť má najdlhší čas riešenia' s absolútnym číslom + pomer + obdobie porovnania. Ak nájdete vzor, pred vysvetlením vymyslite 3 alternatívne vysvetlenia a vypíšte hranice skupín, uveďte krátke obdobie.) ktoré nechávajú rozhodnutie na nás."
Rozdiel: silná promptnosť vytvára vernosť údajov, kontext, disciplínu kauzality a hranice rozhodovania; Výstupom je obhájiteľná analýza.
Kde sa dá AI dôverovať v dátovom biznise?
podnikania
AI dôveru
pravidlo
Súhrn tabuľky, zoskupovanie
vysoká
Iba uvedené údaje
Značenie anomálií/vzorov
stredná
ľudské potvrdenie
Interpretácia kauzality
nízka
Vyžaduje sa alternatívne vysvetlenie
Doplnenie chýbajúcich údajov
príliš nízka
Nerobte to; "žiadne údaje"
Zjednodušenie/vizuálne zhrnutie
vysoká
Význam treba zachovať
Dizajn indikátora a zavádzajúca pasca na grafy
Najkritickejším krokom pri rozhodovaní s údajmi je výber správneho indikátora (číselný výraz, ktorý robí jav merateľný – napríklad „priemerný čas spracovania“ alebo „cena na aplikáciu“). Nesprávny ukazovateľ vedie k nesprávnemu rozhodnutiu, a to aj pri presných údajoch: zatiaľ čo sa zdá, že „celkový počet vyriešených nárokov“ rastie, „čakacia doba na občana“ sa môže zhoršovať. AI môže uviesť kandidátske indikátory pre tému a to, čo každý meria a skrýva; ale vy rozhodujete, ktorý ukazovateľ skutočne predstavuje verejný záujem. Uvedomte si tiež riziko zavádzajúcej vizualizácie (skreslenie vnímania technikami, ako je os nezačínajúca od nuly, neprimeraná mierka, zvolený časový interval) v grafoch, ktoré AI navrhuje alebo popisuje; čestný vizuál vo verejných údajoch je súčasťou riadenia.
Mini prípad — zlé znamenie, nesprávna chvála. Jedna jednotka lámala rekordy v ukazovateli „počet uzavretých spisov za mesiac“; ale zvýšili sa sťažnosti občanov. Pri pohľade na presný ukazovateľ, „mieru vyriešenia prvého kontaktu“, miera klesla z 58 percent na 44 percent – súbory sa rýchlo zatvárali a znovu otvárali. Keď sa indikátor zmenil, zmenila sa aj priorita riadenia.
Mini prípad — os, ktorá nezačína od nuly. Na grafe AI opísanom v prezentácii začína vertikálna os na 40, 2-percentné zvýšenie sa zdalo ako dramatický skok. Keď sa os posunula na nulu, objavil sa skutočný obraz a rozhodnutie bolo vylúčené z prehnaného vnímania.
Šablóna, ktorá podporuje výber indikátora:
Úloha: Navrhnite 5 kandidátskych indikátorov pre nasledujúci účel. Účel: [napr. zlepšenie kvality služieb občanom]Pre každý ukazovateľ: čo meria | čo môže skrývať | otvorenosť manipulácii | odporúčaná frekvencia čítania. Ďalej: napíšte 3 varovania (tie, ktoré sú samy o sebe zavádzajúce), aby ste si tieto indikátory prečítali spolu.Pravidlo: Nevytvárajte čísla; len navrhnite dizajn indikátora.
Pozor: Nepodliehajte mylnej predstave, že „číslo je objektívne“. Aké číslo meriate, ako ho zobrazujete a aký rozsah si vyberiete, to všetko je vecou interpretácie. Transparentný a čestný verejný výklad je rovnako dôležitý ako presné údaje.
Časté chyby
- Nesprávna korelácia s príčinnou súvislosťou. "Zvýšené spolu" nie je príčinou; Hľadajte alternatívne vysvetlenia.
- Nechať AI doplniť chýbajúce údaje. Analýza sa zrúti s vytvorenou hodnotou; nechať chýbajúce chýbajúce.
- Zovšeobecňujúce skreslené údaje. Sťažnosť/digitálne údaje nereprezentujú každého; Opýtajte sa chýbajúcej skupiny.
- Prezentácia čísla bez kontextu. Vedľa pomeru by malo byť absolútne číslo a porovnávacie obdobie.
- Zbytočná analýza osobných údajov. Nepoužívajte individuálnu identifikáciu, ak postačujú súhrnné údaje.
- Bez zdokumentovania rozhodnutia. Aké rozhodnutie bolo prijaté na základe toho, ktoré údaje by sa mali zaznamenať na audit.
V súhrne
Rozhodovanie založené na údajoch je najúčinnejším spôsobom, ako spravodlivo a efektívne rozdeľovať zdroje vo verejnom sektore; AI je rýchlym pomocníkom v tomto biznise, ktorý dáva zmysel obrazu, nachádza vzory a zjednodušuje hľadanie. Nerobte si však z AI čísla, nerobte z nej vypĺňanie chýbajúcich údajov, nedovoľte, aby si mýlila koreláciu s kauzalitou a vyhýbajte sa zovšeobecňovaniu skreslených/neúplných údajov. V číslach je sila; Silnejší je ten, kto si to správne vyloží a zdokumentuje rozhodnutie.
Aplikačná úloha
Získajte skutočnú tabuľku (odstránenú z osobných údajov) zo svojej jednotky. Uveďte údaje pomocou šablóny „Oboznámenie sa s tabuľkou“ a potom si nechajte zodpovedať dôležitú otázku pre rozhodnutie pomocou šablóny „Kontextové súhrnné štatistiky“. Použite šablónu „Spytovač príčinných súvislostí“ na vznikajúci vzťah a nájdite aspoň jedno alternatívne vysvetlenie. Skontrolujte, či AI pridáva čísla mimo tabuľky.
kontrolný zoznam
- [ ] AI použila iba danú tabuľku; Čísla zvonku nedoplnil.
- [ ] Chýbajúce údaje som nedoplnil; Nechal som to ako "bez údajov".
- [ ] Každý výsledok som uviedol s kontextom (absolútny počet + sadzba + bodka).
- [ ] Predložil som alternatívne vysvetlenie k tvrdeniam o príčinnej súvislosti.
- [ ] Vyhodnotil som riziko skreslených/chýbajúcich údajov a chýbajúcu skupinu.
- [ ] Doložil som rozhodnutie a údaje, z ktorých vychádzalo.