Dobički:
- Sposobnost ustvarjanja odločitveno usmerjenega vpogleda iz razpršenih podatkov z razumevanjem lestvice podatki-informacije-vpogled-odločitev in izvajanjem umetne inteligence korak za korakom
- Sposobnost razkritja resnice, ki jo skrivajo skupna števila, z razčlenitvijo segmentov in razlikovanja korelacije od vzročnosti
- Sposobnost obravnavati razloge, ki jih predlaga umetna inteligenca, kot hipoteze, ki jih je treba preizkusiti, in sprejeti končno odločitev na podlagi preverjenega vpogleda
Na upraviteljevo mizo vsak dan pride na desetine številk: podatki o prodaji, stroški, pritožbe strank, ravni zalog, stopnje fluktuacije zaposlenih. A samo število ni odločitev. Odločitev se začne z uvidom v pomen številke. "Prodaja je padla za 8 odstotkov v primerjavi s prejšnjim mesecem" je samoumevno; "Zmanjšanje prodaje je posledica dveh velikih strank v egejski regiji, ki sta odložila svoja naročila," je vpogled. Tu je podpora pri odločanju – proces, ki naredi podatke pomembne za menedžerja, da lahko sprejema boljše odločitve – most, ki podatke spremeni v vpogled. V tej enoti se bomo naučili uporabljati AI na tem mostu. Meja je jasna že od začetka: umetna inteligenca ustvarja osnutke vpogledov; Upravitelj se odloči, kateri vpogled je pravi in kaj storiti.
Štirje koraki od podatkov do vpogleda
Podpora pri odločanju je lestev. Prva številka — podatki: neobdelane številke (ta mesec je prispelo 1240 naročil). Druga številka — informacije: urejene, primerjane številke (8 odstotkov manj kot prejšnji mesec). Tretja stopnja — vpogled: razumevanje razloga za upad (zamuda dveh večjih strank). Četrti korak — odločitev: kaj storiti (izprašati te stranke in ciljati na nove stranke). AI je zelo hiter na prvem in drugem koraku, je dober pomočnik na tretjem, ponuja možnosti le na četrtem.
Poznavanje te lestvice je pomembno, ker večina menedžerjev neposredno zahteva od umetne inteligence, naj se »odloči namesto mene« in postanejo razočarani. Če pa umetno inteligenco izvajate korak za korakom – najprej povzamete, nato primerjate, nato dvomite o morebitnih razlogih in se na koncu odločite sami – boste hitri in zanesljivi.
Namig: vprašajte AI "kaj sklepate iz teh podatkov?" Namesto da sprašujete vse naenkrat, nadaljujte korak za korakom tako, da rečete "najprej povzemite, nato pokažite 3 najbolj opazne spremembe, nato predlagajte 2 možna razloga za vsako." Postopno razmišljanje daje natančnejše rezultate.
Past korelacije in vzročnosti
Najnevarnejša past podpore odločanju je zamenjava korelacije za vzročnost. Korelacija je, ko se dve stvari gibljeta skupaj (prodaja sladoleda in utopitev se poleti skupaj povečata). Vzročna zveza je, ko eno vodi k drugemu (sladoled ne povzroči zadušitve; vroče vreme je pogost vzrok). Umetna inteligenca je zelo dobra pri iskanju stvari, ki se premikajo skupaj v vaših podatkih, vendar ne more ugotoviti, kaj je pravi vzrok. Rek "Poraba za oglaševanje se je povečala in prodaja se je povečala" ne dokazuje, da je oglaševanje povečalo prodajo; morda je na oboje vplival praznični čas.
Torej, ko AI predlaga razlog, ga obravnavajte kot hipotezo (predpostavko, ki jo je treba dokazati), ne kot dejstvo. "Kako naj to preizkusim?" vprašaj. Dober upravitelj na terenu ali s podatki preizkusi razloge, ki jih predlaga AI.
trije mini kovčki
Primer 1 — Ujeti skrivni padec. V podjetju za e-trgovino je bil skupni promet videti stabilen, nihče ni bil vznemirjen. Upravitelj posreduje anonimne mesečne podatke AI in vpraša: "Kateri segment raste in kateri se krči glede na kategorijo?" je vprašal. YZ je pokazal, da medtem ko je bil skupni promet konstanten, je visoko dobičkonosna kategorija elektronike dejansko padla za 22 odstotkov, pri čemer je nizkoprofitna prodaja dodatne opreme to prikrila. Vodja je to potrdil in se osredotočil na kategorijo elektronike. Skupno število je bilo prikrito; Odlom je razkril resnico.
2. primer – Tekanje k napačnemu vzroku. Vodja verige kavarn je AI dal podatke o prodaji. "Razprodaja ob koncu tedna se spreminja z vremensko temperaturo," je dejal YZ. Vodja je to prebral kot "vroče vreme povečuje prodajo" in zavrnil klimatske naprave. Vendar je bil pravi razlog povečan promet strank čez vikend; Temperatura se je po naključju gibala v isto smer. Vodja je korelacijo zamenjal za vzročno zvezo. Naučil se je lekcije in od zdaj naprej preizkusil vse razloge.
Primer 3 – Vzpostavitev pravilne primerjave. Primerjali smo učinkovitost dveh tovarn v proizvodnem podjetju. Vodja vpraša AI: "Ali je tovarna A učinkovitejša od B?" je vprašal, vendar AI ni vedel, da je tovarna A novejša in manjša. Upravitelj je popravil poziv: "primerjaj donos na enoto ob upoštevanju velikosti in starostne razlike." Tokratna analiza je bila poštena in pokazala se je prava razlika.
Štiri predloge za kopiranje
1) Postopno pridobivanje vpogleda:
Vaša vloga: poslovni analitik, ki pomaga vodji. Uporabite priložene anonimne podatke (obdobje, kategorija, prodaja, stroški). Nadaljujte korak za korakom: 1) Povzemite podatke v 4 postavke. 2) Pokažite 3 najbolj opazne spremembe v primerjavi s prejšnjim obdobjem. 3) Predlagajte do 2 MOŽNA razloga za vsako spremembo in navedite, da so to hipoteze in da so potrebni dokazi. Ne izmišljujte nobenih številk, ki ne obstajajo v podatkih, ki jih posredujem.
2) Analiza razčlenitve (segmenta):
Tudi če se skupne številke zdijo stabilne, želim vedeti, kaj se dogaja notri. Razčlenite priložene podatke po kategoriji/regiji/segmentu strank. V tabeli pokažite, kateri segment raste in kateri se zmanjšuje. Posebej označite preobrate, ki zakrijejo skupno.
3) Test korelacije in vzročnosti:
Našel sem to razmerje: [A in B se premikata skupaj]. Pomagaj mi ugotoviti, ali sta to resnični vzrok in posledica ali le skupno delovanje. Navedite možne POGOSTE vzroke in predlagajte 3 praktične preglede, ki jih lahko naredim, da preizkusim to razmerje.
4) Generiranje možnosti odločitve:
Potrdil sem ta vpogled: [vpogled]. NE odločajte se namesto mene; namesto tega ustvarite 3 različne možnosti dejanj. Za vsako možnost: pričakovana korist, ocenjeni stroški/napor, veliko tveganje in katera situacija bi morala biti prednostna. Možnosti predstavite nevtralno; ne vsiljuj se nekomu.
Šibek poziv/močan poziv
Šibek poziv:
Zakaj je prodaja padla?
Brez podatkov, brez obdobja, brez konteksta. AI navaja splošne razloge (gospodarstvo, konkurenca, sezona); Nobena od njih ni specifična za vašo situacijo in je ni mogoče preveriti.
Močan poziv:
Vaša vloga: maloprodajni analitik. Uporabite priložene anonimne podatke za 6 mesecev (mesec, regija, kategorija, število prodaj, promet). Skupni promet se je v zadnjem mesecu zmanjšal za 8 %. Razčlenite to po regijah in kategorijah; ugotovite, iz katerega segmenta prihaja upad. Predlagajte do 2 hipotezi, ki ju je mogoče preveriti, za vsak upad, ki ga najdete. Samo uporabi številke, ki sem ti jih dal.
Velikost
slab pristop
Močan pristop
podatki
Noben
Anonimno in priloženo
vprašanje
Splošni "zakaj?"
Lomljen in fokusiran
izhod
Splošni razlogi
Preverljive hipoteze
Preverljivost
nizka
visoka
vrednost odločitve
Manj
visoka
Pogoste napake
- Glede na skupno število. Medtem ko je vsota konstantna, lahko pride do velikih preobratov znotraj; Bodite prepričani, da si ogledate razčlenitev.
- Napačna korelacija za vzročno zvezo. Na razmerje, ki ga ugotovi umetna inteligenca, glejte kot na hipotezo, ki jo je treba preizkusiti, ne kot na dokaz.
- Nepoštena primerjava. Ne primerjajte enot različnih velikosti/starosti/pogojev, ne da bi jih normalizirali.
- Zahtevanje odločitev neposredno od AI. AI ustvarja možnosti; Vi nosite odločitev in odgovornost.
- Izdelava zaključkov s podatki za eno obdobje. Za trendiranje je potrebnih dovolj zgodovinskih podatkov.
Pozor: Ne glede na to, kako pameten se zdi vpogled, ne bi smel postati odločitev, če ga ni mogoče preveriti iz vaših podatkov. "Umetna inteligenca je tako rekla" ni utemeljitev; "Preizkusil sem ga s podatki in bilo je potrjeno," je utemeljitev.
Če povzamem
Podpora pri odločanju je lestev, ki podatke spreminja v vpogled: podatke, informacije, vpogled, odločitev. Umetna inteligenca je v prvih dveh korakih zelo hitra, v tretjem je dober pomočnik, v četrtem pa le ponudnik možnosti. Poglejte razčlenitve, ne skupnih številk; Ne zamenjujte korelacije z vzročno zvezo; Oglejte si razloge, ki jih AI predlaga kot hipoteze, ki jih je treba preizkusiti. Postopno razmišljanje daje natančnejše rezultate. Končna odločitev je upraviteljeva na podlagi potrjenega vpogleda.
Aplikacijska naloga
Pripravite anonimni nabor podatkov o svojem podjetju (npr. prodaja na podlagi kategorije v zadnjih 6 mesecih). Umetna inteligenca naj izvede razčlenitev segmentov z zgornjo predlogo »Analiza razčlenitve«. Ustvarite hipotezo s predlogo "Korelacijsko-vzročni test" za največjo spremembo, ki ste jo našli, in zapišite, kako boste to hipotezo testirali na terenu v 3 postavkah.
kontrolni seznam
- [ ] Ali sem podatke anonimiziral?
- [ ] Ali sem pogledal razčlenitev (segment) namesto vsote?
- [ ] Ali sem razlog, ki ga je predlagala AI, obravnaval kot hipotezo?
- [ ] Ali sem primerjave postavil pošteno (normalizirano)?
- [ ] Ali sem se sam odločil na podlagi preverjenega vpogleda?