Fitimet:
- Njeh rreziqet e cilësisë, konfidencialitetit dhe interpretimit të punës me të dhënat dhe krijon një rrjedhë të sigurt analizash.
- Ai zgjedh treguesin e duhur për një qëllim, duke bërë dallimin midis treguesve të vetëm mashtrues dhe matjeve që janë të hapura për manipulim.
- Ai njeh teknikat mashtruese të grafikut (boshti që nuk fillon nga zero, diapazoni i zgjedhur) dhe vëzhgon vizualizimin e ndershëm.
Publiku prodhon të dhëna çdo ditë: numrat e aplikacioneve, kohët e zgjidhjeve, zërat e buxhetit, lëvizjet e popullsisë, kërkesat për shërbime, rezultatet e auditimit, anketat e kënaqësisë. Shumica e këtyre të dhënave vendosen në tabelat, formularët dhe sistemet e regjistrimit të Excel, por nuk përkthehen në vendime – sepse analizimi i tyre kërkon ekspertizë dhe kohë. Vendimmarrja e bazuar në të dhëna (një qasje për shpërndarjen e burimeve dhe përcaktimin e politikave të bazuara në prova të matura, në vend të opinionit apo zakonit) rrit efikasitetin dhe drejtësinë në sektorin publik: burimet shkojnë aty ku nevojiten më shumë bazuar në numra. Këtu, AI është një asistent i fuqishëm në kuptimin e një tabele, gjetjen e modeleve dhe anomalive, nxjerrjen e statistikave përmbledhëse dhe përkthimin e gjetjeve në fjali të thjeshta. Në këtë njësi, do të shihni se si të shkurtoni rrugën nga të dhënat publike të papërpunuara drejt një vendimi të mbrojtur me AI dhe të qëndroni të disiplinuar në aspektin më kritik - interpretimin e saktë të numrit.
Tre rreziqet e punës me të dhëna
Të dhënat janë të fuqishme, por kanë tre kurthe, dhe AI mund të zbusë dhe zmadhojë këto kurthe:
- Korrelacioni ≠ shkakësor. Vetëm për shkak se dy gjëra ndryshojnë së bashku, nuk do të thotë se njëra shkakton tjetrën. Shitjet e akulloreve dhe mbytjet janë në rritje – sepse të dyja janë të lidhura me nxehtësinë e verës, dhe jo njëri shkakton tjetrin. AI ndërton rrjedhshëm fjalitë "sepse"; Vini në dyshim çdo pretendim të shkakësisë.
- Të dhëna të njëanshme/të munguara. Nga kush dhe si u mblodhën të dhënat? Të dhënat e ankesave pasqyrojnë vetëm ata që mund të ankohen; të dhënat e aplikacioneve dixhitale ato me akses në internet. Nëse nuk e shihni grupin që mungon, vendimi do të jetë i njëanshëm.
- Numër pa kontekst. Vetëm "rritur me 30%" është e pakuptimtë: sipas çfarë, në cilën periudhë, cili është numri absolut? Pyetni AI për kontekstin.
Kujdes: Ndërsa AI analizon tabelën që ju ofroni, ndonjëherë shton numra "të arsyeshëm", por fiktive nga jashtë tabelës ose plotëson në heshtje qelizat që mungojnë. Krahasoni çdo numër të daljes me tabelën burimore; Jepini AI rregullin "përdorni vetëm vlerat në tabelën që ju jap, nëse mungojnë thoni 'pa të dhëna'".
Rrjedha e analizës së të dhënave hap pas hapi
- Sqaroni pyetjen. Për cilën pyetje kërkojmë përgjigje për vendimin? ("Në cilën lagje zgjat më shumë koha e zgjidhjes?")
- Njihni të dhënat. Cilat janë kolonat, cila është njësia, cila është periudha, a ka ndonjë vlerë të munguar/të pasaktë?
- Nxjerrja e të dhënave personale. Anonimizoni/përmbledhni nëse identifikimi individual nuk kërkohet për analizë (shih Njësinë 11).
- Shfaqen përmbledhja dhe modeli. Lëreni AI të kryejë statistika bazë, grupim dhe shënimin e anomalive.
- Pyetni komentin. Korrelacion apo shkakësi? Shpjegim alternativ? Mungon grupi?
- Vizualizoni dhe thjeshtoni. Një përmbledhje e thjeshtë dhe grafik që vendimmarrësi mund ta kuptojë.
- Dokumentoni vendimin dhe arsyetimin e tij. Çfarë vendimi është marrë në bazë të çfarë të dhënave? gjurmët e auditimit.
tre mini kuti
Rasti 1 - Burimi shkoi në vendin e duhur. Në të kaluarën, një bashki shpërndante buxhetin e saj për mirëmbajtjen e parkut "në mënyrë të barabartë për çdo lagje". Kur të dhënat e kërkesës dhe përdorimit për 18 muaj u analizuan me AI, kërkesa për frymë e të tre lagjeve ishte 2.4 herë më shumë se mesatarja. Buxheti u rishpërnda sipas nevojës; kënaqësia e përgjithshme u rrit, pa shpenzime shtesë.
Rasti 2 - Janë vërejtur të dhëna të njëanshme. Një agjenci do të shikonte të dhënat e aplikacioneve dixhitale dhe do të arrinte në përfundimin se "qytetarët nuk po vijnë më në kabinat e pagesës". Por kur në analizë u kërkua ndarja e moshës, u pa se aplikimet mbi moshën 65 vjeç vinin kryesisht nga sporteli. Nëse do të shiheshin vetëm të dhënat dixhitale, ky grup do të injorohej; shërbimi i arkës ishte ruajtur.
Rasti 3 - Ndërprerja e shkakësisë së sajuar. Gjatë interpretimit të një tabele, YZ tha: "Aksidentet u ulën sepse numri i inspektimeve u rrit". Analisti kujtoi se edhe moti ka ndryshuar dhe trafiku është ulur në të njëjtën periudhë; Atribuimi i saj për një shkak të vetëm ishte mashtrues. Raporti u korrigjua për të thënë "ka një marrëdhënie, por shkakësia nuk është provuar".
Katër shabllone të kopjueshëm
1) Njohja me tabelën:
Roli juaj: analist i të dhënave. Shqyrtoni tabelën e mëposhtme dhe, bazuar VETËM në vlerat në këtë tabelë: (1) përmblidhni se çfarë është secila kolonë, njësinë dhe periudhën e saj, (2) çdo qelizë që duket se mungon/e pasaktë, (3) përmblidhni 3 modelet kryesore që bien në sy. Shtimi i numrave nga jashtë tabelës; nëse mungon, thuaj "pa të dhëna". TABELA: [ngjit të dhënat]
2) Statistikat përmbledhëse me kontekst:
Përgjigjuni pyetjes së mëposhtme nga tabela e mëposhtme: [pyetje]. DUHET të japë rezultatin me kontekst: numër absolut + normë + periudhë krahasimi. Kur thoni "rritur me X%", specifikoni në çfarë mase dhe në çfarë periudhe. Thjesht përdorni të dhënat e dhëna. TABELA: [të dhënat] PYETJE: [pyetje]
3) Pyetës i shkakësisë:
Interpretoni gjetjen e mëposhtme, por KUJDES: mos e ngatërroni korrelacionin me shkakun. Gjeni të paktën 3 shpjegime alternative për këtë marrëdhënie (ndryshorja e tretë, drejtimi i kundërt, rastësia). Më tregoni cilat të dhëna shtesë nevojiten për të vërtetuar shkakësinë. GJETJA: [marrëdhënie]
4) Përmbledhje e thjeshtë për vendimin:
Thjeshtoni analizën e mëposhtme për një vendimmarrës që nuk është ekspert i të dhënave: jo më shumë se 5 artikuj, secili artikull një gjetje dhe një shpjegim "çfarë do të thotë kjo". Gjithashtu shkruani qartë pasiguritë dhe kufijtë e të dhënave. Shtimi i informacionit të ri.ANALIZA: [tekst]
Prompt i dobët / Prompt i fortë
I dobët: "Analizo këtë tabelë dhe na thuaj se çfarë duhet të bëjmë."
I fortë: "Roli yt është analisti i të dhënave. Përdor VETËM tabelën e mëposhtme; mos shto numra nga jashtë, thuaj "nuk ka të dhëna" në qelizën që mungon. Fillimisht, njihu me kolonat, njësitë dhe periudhën. Më pas përgjigju pyetjes "cila lagje ka kohën më të gjatë të zgjidhjes" me numër absolut + raport + periudhë krahasimi. Nëse gjeni një model, shpjegoni para se të jepni 3 pika dhe lista alternativa. të të dhënave (grupi i munguar, periudha e shkurtër) që na lënë neve vendimin”.
Dallimi: një kërkesë e fortë vendos besnikërinë e të dhënave, kontekstin, disiplinën e shkakësisë dhe kufirin e vendimit së bashku; Rezultati është një analizë e mbrojtur.
Ku mund t'i besohet AI në biznesin e të dhënave?
biznesi
Besimi i AI
rregull
Përmbledhja e tabelës, grupimi
lartë
Të dhëna të dhëna vetëm
Shënimi i anomalive/modelit
e mesme
konfirmim njerëzor
Interpretimi i shkakësisë
të ulëta
Kërkohet shpjegim alternativ
Plotësimi i të dhënave që mungojnë
shumë i ulët
Mos e bëni atë të ndodhë; "pa të dhëna"
Thjeshtim/përmbledhje vizuale
lartë
Kuptimi duhet të ruhet
Dizajni i treguesit dhe gracka mashtruese e grafikut
Hapi më kritik në marrjen e vendimeve me të dhëna është zgjedhja e treguesit të duhur (shprehja numerike që e bën një fenomen të matshëm - për shembull, "koha mesatare e përpunimit" ose "kosto për aplikim"). Treguesi i gabuar çon në një vendim të gabuar, edhe me të dhëna të sakta: ndërkohë që “numri i përgjithshëm i kërkesave të zgjidhura” duket se po rritet, “koha e pritjes për qytetar” mund të përkeqësohet. UA mund të listojë treguesit kandidatë për një temë dhe çfarë mat dhe fsheh secila; por ju vendosni se cili tregues përfaqëson realisht interesin publik. Gjithashtu, kini parasysh rrezikun e vizualizimit mashtrues (perceptimi i shtrembëruar me teknika të tilla si boshti që nuk fillon nga zero, shkalla disproporcionale, intervali kohor i zgjedhur) në grafikët që AI sugjeron ose përshkruan; vizuale e sinqertë në të dhënat publike është pjesë e qeverisjes.
Mini rast - shenjë e gabuar, mburrje e gabuar. Një njësi ka thyer rekorde në treguesin "numri i dosjeve të mbyllura në muaj"; por ankesat e qytetarëve u shtuan. Duke parë treguesin e saktë, "shkalla e rezolucionit të kontaktit të parë", norma ra nga 58 përqind në 44 përqind - skedarët po mbylleshin dhe rihapeshin shpejt. Me ndryshimin e treguesit, ndryshoi edhe prioriteti i menaxhimit.
Mini rast - bosht që nuk fillon nga zero. Në grafikun AI të përshkruar në një prezantim, boshti vertikal fillon në 40, një rritje prej 2 përqind dukej si një kërcim dramatik. Kur boshti u zhvendos në zero, doli tabloja reale dhe vendimi u eliminua nga perceptimi i ekzagjeruar.
Modeli që mbështet zgjedhjen e treguesit:
Detyrë: Sugjeroni 5 tregues kandidatë për qëllimin e mëposhtëm.Qëllimi: [p.sh. përmirësimi i cilësisë së shërbimit ndaj qytetarëve]Për çdo tregues: çfarë mat | çfarë mund të fshehë | hapja ndaj manipulimit | Frekuenca e rekomanduar e leximit. Tjetra: shkruani 3 paralajmërime (ato që janë mashtruese vetë) për t'i lexuar këta tregues së bashku. Rregulli: Mos prodhoni numra; thjesht sugjeroni dizajnin e treguesit.
Kujdes: Mos bini në keqkuptimin se "numri është objektiv". Çfarë numri matni, si e shfaqni atë dhe çfarë diapazoni zgjidhni janë të gjitha çështje interpretimi. Interpretimi publik transparent dhe i ndershëm është po aq i rëndësishëm sa të kesh të dhëna të sakta.
Gabimet e zakonshme
- Gabimi i korrelacionit për shkakun. “Të rritur së bashku” nuk është shkaku; Kërkoni shpjegime alternative.
- Duke pasur AI të plotësojë të dhënat që mungojnë. Analiza shembet me një vlerë të sajuar; lini të zhdukurit.
- Përgjithësimi i të dhënave të njëanshme. Ankesa/të dhënat dixhitale nuk i përfaqësojnë të gjithë; Pyetni grupin që mungon.
- Paraqitja e numrit pa kontekst. Pranë raportit duhet të ketë një numër absolut dhe periudhë krahasimi.
- Analizimi i panevojshëm i të dhënave personale. Mos përdorni identifikim individual nëse të dhënat e grumbulluara janë të mjaftueshme.
- Mos dokumentimi i vendimit. Çfarë vendimi është marrë në bazë të cilat të dhëna duhet të regjistrohen për auditim.
Në përmbledhje
Vendimmarrja e bazuar në të dhëna është mënyra më e fuqishme për të shpërndarë burimet në mënyrë të drejtë dhe efikase në sektorin publik; AI është një asistent i shpejtë në këtë biznes që i jep kuptim figurës, gjen modele dhe thjeshton gjetjen. Por mos e bëni AI-në të përbëjë numra, mos e bëni atë të plotësojë të dhënat që mungojnë, mos lejoni që të ngatërrojë korrelacionin me kauzalitetin dhe shmangni përgjithësimin e të dhënave të njëanshme/jo të plota. Ka forcë në numër; Personi që e interpreton saktë dhe e dokumenton vendimin është më i fortë.
Detyra e aplikimit
Merrni një tabelë të vërtetë (të hequra nga të dhënat personale) nga njësia juaj. Prezantoni të dhënat me shabllonin "Njohja me tabelën", më pas jepni një përgjigje të rëndësishme për vendimin me shabllonin "Statistikat përmbledhëse kontekstuale". Aplikoni shabllonin "Pyetësi i shkakësisë" në një marrëdhënie në zhvillim dhe gjeni të paktën një shpjegim alternativ. Kontrolloni nëse AI po shton numra nga jashtë tabelës.
listë kontrolli
- [ ] UA përdori vetëm tabelën e dhënë; Nuk shtoi numra nga jashtë.
- [ ] Nuk i plotësova të dhënat që mungojnë; E lashë si "pa të dhëna".
- [ ] Unë paraqita çdo rezultat me kontekst (numër absolut + normë + periudhë).
- [ ] Unë bëra një shpjegim alternativ ndaj pretendimeve të shkakësisë.
- [ ] Kam vlerësuar rrezikun e të dhënave të njëanshme/të munguara dhe grupin që mungojnë.
- [ ] Kam dokumentuar vendimin dhe të dhënat mbi të cilat është bazuar.