Fitimet:
- Aftësia për të shpjeguar shtresat e inteligjencës së biznesit (burimi, ETL, depoja e të dhënave, raporti) dhe përcaktimi i saktë i matjeve kryesore të biznesit (KPI).
- Aftësia për të përdorur inteligjencën artificiale për të prodhuar përkufizimin metrikë, hartimin e SQL dhe tregimin e raportit dhe për të siguruar rezultatin me të dhëna reale
- Aftësia për të njohur rreziqet e konfuzionit korrelacion-shkak dhe metrikat mashtruese në rezultatet e analizës së mbështetur nga AI
Inteligjenca e biznesit (BI) është disiplina që mbledh të dhënat e shpërndara të organizatës, e bën atë gati për analizë dhe prodhon informacione mbështetëse të vendimeve nga këto të dhëna. Për një profesionist MIS, BI është shtresa ku "të dhënat kthehen në vendime". Vetëm regjistrimet e porosive të papërpunuara nuk kanë kuptim; por "në cilin rajon ka rënë qarkullimi këtë muaj, pse?" Ai prodhon vlerë kur bëhet një raport që mund t'i përgjigjet pyetjes. Në këtë njësi, ne do të shohim shtresat e BI, dizajnin e duhur metrikë dhe ku inteligjenca artificiale është një përshpejtues dhe një kurth në këtë proces.
Arkitektura e BI në përgjithësi përbëhet nga shtresat e mëposhtme. Sistemet e burimit: Vendet ku burojnë të dhënat, si ERP, CRM, tregtia elektronike. Procesi ETL (English Extract-Transform-Load): Procesi që nxjerr të dhënat nga burimet (Extract), i pastron ato dhe i konverton në një strukturë standarde (Transform) dhe i ngarkon ato në objektiv (Load). Magazina e të dhënave: Një depo qendrore ku mblidhen të dhënat historike dhe të qëndrueshme të krijuara për analizë. Shtresa e raportimit/vizualizimit: panelet e kontrollit, raportet dhe pyetjet ad-hoc. Në këtë zinxhir, cilësia e secilës shtresë përcakton tjetrën; Nëse burimi është i ndotur, edhe raporti është i ndyrë.
Përcaktimi i saktë i metrikës dhe KPI-ve
Një metrikë është një vlerë numerike e matur: qarkullimi total, numri i porosive. Një KPI (Treguesi kryesor i performancës) është një metrikë kritike që mat performancën kundrejt një objektivi: "shkalla mujore e largimit të klientit nën 5%". Jo çdo metrikë është një KPI; Një KPI është një metrikë që është e lidhur me një qëllim biznesi dhe shkakton një vendim.
Problemi më tinëzar i projekteve të BI është përkufizimi i paqartë i metrikës. Çfarë do të thotë "klient aktiv"? E porositur në 30 ditët e fundit apo 90 ditët? A numërohen të kthyerit? Nëse dy ekipe nënkuptojnë gjëra të ndryshme me "numrin e klientëve aktivë", i njëjti panel tregon dy fakte të ndryshme. Kjo është arsyeja pse çdo KPI duhet të ketë një përkufizim me një fjali, të pranuar gjerësisht. AI prodhon shpejt draftet e këtyre përkufizimeve; por i takon njësisë së biznesit të vendosë se cili përkufizim është “i saktë”.
Këshillë: Kur hartoni një KPI, shkruani tre gjëra: (1) formula (çfarë është saktësisht numëruesi/emëruesi), (2) dritarja kohore, (3) rastet e përjashtuara. Duke thënë se UA-ja "nxjerrë paqartësitë në përkufizimin e këtij KPI si pyetje" zbulon supozime të fshehura.
Hap pas hapi: Gjenerimi i raporteve të fuqizuara nga AI
Hapi 1 - Sqaroni pyetjen. Çfarë vendimi do të shërbejë raporti? Një synim konkret si “ne do të vendosim se në cilin rajon do ta zhvendosim buxhetin”, jo “duhet të duket bukur”.
Hapi 2 - Përcaktoni metrikat. Shkruani KPI-të e kërkuara me formula, dritare dhe përjashtime. Inteligjenca artificiale mund të prodhojë draft përkufizime.
Hapi 3 - Gjeneroni draftin SQL. Jepini informacione skemës inteligjencës artificiale dhe krijoni një draft të pyetjes. Por lexoni dhe kuptoni pyetjen përpara se ta ekzekutoni.
Hapi 4 - Verifikoni me të dhëna të vogla. Kryeni fillimisht pyetjen në një mostër të vogël me rezultate të njohura; Kontrolloni totalet me dorë. SQL e AI mund të jetë sintaksisht e saktë, por logjikisht e pasaktë.
Hapi 5 - Shtoni narrativën, testoni pretendimet. IA mund të prodhojë një tekst narrativ për raportin; por provoni çdo pretendim kauzal (“prandaj ranë shitjet”).
Kurthi i korrelacionit dhe shkakësisë
Gabimi më i rrezikshëm në BI është interpretimi i dy metrikave që veprojnë së bashku si "njëra krijon tjetrën". Korrelacioni është kur dy vlera ndryshojnë së bashku; Shkakësia është kur njëri shkakton tjetrin. Fjalia “Me rritjen e shitjeve të akulloreve, u shtuan edhe rastet e mbytjeve” është e vërtetë, por akullorja nuk shkakton mbytje; Shkaku i zakonshëm është vera (moti i nxehtë). Inteligjenca artificiale mund të bëjë lehtësisht fjali shkakore kur prodhon një tregim raporti; Eksperti i MIS-it i përgjigjet këtyre pretendimeve duke pyetur “a ka ndonjë shpjegim tjetër?”. Ai duhet ta testojë atë. Përndryshe, vendimi i gabuar do të merret bazuar në arsyen e gabuar.
Tre Mini Rastet: Nga Numrat
Rasti 1 - Kostoja e metrikës së papërcaktuar. Në një kompani telekomi, numri i "abonentëve aktivë" të paraqitur në bordin e drejtorëve ishte 2.1 milionë, dhe raporti i ekipit financiar ishte 1.7 milionë. Dallimi ishte se njëri numëronte 90 ditë si "aktive" ndërsa tjetri numëronte 30 ditë. Norma e gabuar e rritjes u diskutua për dy javë derisa u sqarua përkufizimi i përbashkët. Një përkufizim KPI me një fjali do të shmangte këtë konfuzion.
Rasti 2 - SQL e gabuar e AI. Në një shitës me pakicë, AI shtoi linja kthimi në total kur gjeneronte pyetjen "shporta mesatare për klient"; Rezultati ishte 12% mbi vlerën aktuale. SQL ishte sintaksisht perfekte. Kur eksperti verifikoi manualisht totalin e një dite të njohur, ai e kapi devijimin dhe shtoi filtrin e kthimit.
Rasti 3 - Gabimi i shkakësisë. Në një kompani të tregtisë elektronike, pulti thoshte se "shitjet janë 18% më të larta në ditët që dërgohet një fushatë e-mail" dhe ekipi ishte gati të rriste buxhetin e fushatës. Analiza tregoi se fushatat tashmë ishin të planifikuara për të përkuar me ditët e fushatës me trafik të lartë (periudha zbritjeje). Ishte periudha, jo emaili, që nxiti shitjet. Nëse buxheti do të rritej pa testuar me një grup kontrolli, paratë do të shpërdoroheshin.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Shkruani raportin e shitjeve SQL nga kjo tabelë.
Njoftim i fuqishëm:
Roli juaj: Ju jeni një analist i vëmendshëm i BI. Shkruani një DRAFT të pyetjes SQL sipas diagramit më poshtë. Rregullat: - Përdorni vetëm tabelat/fushat e dhëna; fushë e papërshtatshme.- PËRJASHTIM kthen (status='Kthim') nga totali.- Dritarja kohore: 30 ditët e fundit.- Komentoni rresht pas rreshti se çfarë bën pyetja.- Sugjeroni 1 rresht mostër që mund të vërtetohet manualisht për testim në fund. Skema: Porosi (id, id_ja e klientit, data, shuma, statusi i fundit i klientit, segmenti i fundit neto 3) sipas segmentit.
Prompt-i i fuqishëm kufizon skemën, imponon rregullin e biznesit (duke përjashtuar kthimin), specifikon dritaren dhe kërkon një dalje të verifikueshme.
Katër modele të kopjueshme
1) Sqarimi i përkufizimit të KPI:
Shkruani përshkrimin e plotë për KPI-në e mëposhtme: formula (numëruesi/emëruesi), dritarja kohore, rastet e përjashtuara. Shtoni çdo paqartësi në përkufizim si pyetje. KPI: [emri, p.sh. "shkalla e largimit të klientit"]
2) Kontrolli i logjikës SQL:
Shqyrtoni pyetjen e mëposhtme SQL: a ekziston rreziku i gabimeve logjike, JOIN-ve të pasakta, filtrave që mungojnë ose numërimit të dyfishtë? Shkruani një arsyetim për çdo gjetje. Mos e ndryshoni pyetjen, thjesht kontrolloni atë. SQL: [pyetje]
3) Raportoni narrativën + kontrollin e pretendimit:
Shkruani një përmbledhje të shkurtër ekzekutive nga tabela e rezultateve më poshtë. Etiketoni [EVIDENCA E KUJTUAR] pranë çdo pretendimi shkakor dhe sugjeroni një shpjegim alternativ. Mbështetuni vetëm në të dhënat në tabelë. Tabela: [të dhënat]
4) Kontrolli i konsistencës metrike:
Në dy raportet e mëposhtme, metrikat me të njëjtin emër japin vlera të ndryshme. Janë renditur ndryshimet e mundshme në përkufizim (dritarja kohore, filtri, llogaritja). Raportet: [A] [B]
Grafiku i krahasimit: KPI i mirë dhe i keq
veçori
KPI i keq
KPI i mirë
Përshkrimi
"Klient aktiv"
"Klient me ≥1 porosi të përfunduar në 30 ditët e fundit"
lidhje me objektivin
Asnjë
"Qëndrimi nën 5% norma e humbjes"
matshmëria
i paqartë
formula e qartë
përjashtim
i pasigurt
Duke përjashtuar kthimet
A shkakton një vendim?
nr
po
Gabimet e zakonshme
- Duke e lënë metrikën të papërcaktuar. Nëse fjalët si "aktiv", "i suksesshëm", "i plotësuar" përdoren pa një formulë, secili ekip numëron ndryshe.
- Ekzekutimi i SQL-së së AI-së pa verifikim. Një pyetje sintaksore e saktë mund të jetë logjikisht e pasaktë; numërimi i dyfishtë dhe JOIN i gabuar janë të zakonshme.
- Korrelacioni konfuz me shkaktarin. Të mendosh se "u rrit me atë" do të thotë "kjo shkaktoi atë" do të çonte në vendimin e gabuar.
- Ndjekje metrike e kotësisë. Gabimi i matjeve të zbukuruara, por jo vendimtare të tilla si "klikimet totale" si KPI.
- Paraqitja e numrave pa kontekst. Vetëm “xhiro 4.2 milionë” është e pakuptimtë; Konteksti është i nevojshëm bazuar në muajin e kaluar, qëllimin ose buxhetin.
Kujdes: rrëfimet e raporteve të prodhuara nga inteligjenca artificiale janë bindëse dhe rrjedhëse; Kjo saktësisht e zmadhon rrezikun. Një fjali e rrjedhshme mund të ketë një pretendim të rremë të shkakësisë. Provoni çdo deklaratë "sepse" dhe "prandaj" me prova.
Në përmbledhje
Inteligjenca e biznesit është shtresa që transformon të dhënat e shpërndara në vendime dhe përbëhet nga burimi, ETL, depoja e të dhënave dhe zinxhiri i raportimit. Një KPI është një metrikë kritike e lidhur me një qëllim biznesi, me një formulë të përcaktuar qartë dhe përjashtime; metrika e papërcaktuar është gabimi më i zakonshëm i BI. Inteligjenca artificiale ofron shpejtësi të konsiderueshme në prodhimin e përkufizimit të KPI, draftit SQL dhe narrativës së raportit; por çdo SQL duhet të justifikohet logjikisht, çdo numër duhet të mbështetet nga të dhëna të njohura dhe çdo pretendim kauzal duhet të testohet me prova. Korrelacioni nuk është shkakësi; Tregimi i lëngshëm nuk garanton saktësi.
Detyra e aplikimit
Dizenjoni një KPI të "normës së përfundimit" për një platformë kursesh në internet. (1) Shkruani një përshkrim me një fjali me formulë, dritare kohore dhe përjashtime (p.sh., a numërohen regjistrimet e anuluara?). (2) Krijoni një skemë të thjeshtë (Regjistrimi, Kursi, Përparimi) dhe krijoni draftin SQL për këtë KPI me një kërkesë të fuqishme. (3) Gjeni të paktën një rrezik të mundshëm të numërimit të dyfishtë ose filtrimit të pasaktë në pyetje. (4) Shtypni një përmbledhje ekzekutive të përfundimit dhe shënoni çdo pretendim shkakësor në të. (5) Vendosni një shembull të kurthit korrelacion-shkak dhe shpjegoni se si do ta provonit atë.
listë kontrolli
- [ ] Shkruhen formula, dritarja kohore dhe përjashtimi i çdo KPI.
- [ ] Kam lexuar dhe kuptuar SQL-në e krijuar nga AI rresht pas rreshti.
- [ ] E vërtetova manualisht kërkesën me të dhëna pak të njohura.
- [ ] Kam testuar çdo pretendim shkakësor në raport me prova.
- [ ] Kam kontekstualizuar çdo numër me një pikë referimi (objektiv/periudha e fundit).
- [ ] Kam arritur konsensus ndërmjet ekipeve për përkufizimet metrike.