Faida:
- Uwezo wa kuchambua meza za mauzo, gharama na uendeshaji na akili ya bandia na kugundua mwelekeo, mapumziko na wauzaji.
- Uwezo wa kuthibitisha dhidi ya makosa ya hesabu na maonyesho kwa kufanya upya au kuangalia kwa mikono kila hesabu.
- Uwezo wa kutofautisha uwiano kutoka kwa causation na swali ubora wa data na mipaka ya sampuli kabla ya tafsiri
Moja ya misemo inayorudiwa mara kwa mara katika ushauri wa usimamizi ni: "Nambari zinasema nini?" data ya mauzo ya mteja, jedwali la gharama, sehemu za wateja au vipimo vya uendeshaji; wote wanasimulia. Kazi ya mshauri ni kutafuta hadithi hiyo, kuithibitisha, na kuionyesha kwa uwazi kwa mtoa maamuzi. Akili Bandia hutafsiri chati kwa sekunde, kuashiria mienendo, kufanya hesabu, na hata kutoa msimbo (Python, Excel formula) kwa uchanganuzi. Lakini kuna hatari fulani hapa: AI inaweza kufanya makosa kimya katika hesabu na kuwasilisha nambari isiyo sahihi kwa ujasiri sahihi. Kwa hiyo, kanuni ya dhahabu katika uchanganuzi wa data ni kufanya upya au kuangalia kwa mikono kila hesabu.
Njia mbili za kufanya kazi na data
Kuna njia mbili za msingi za uchanganuzi wa data na AI, na kujua tofauti ni muhimu kwa usahihi.
- Ufafanuzi wa kimaandishi wa modeli: Unabandika data moja kwa moja kwenye gumzo na kusema "maoni". Mtindo anasoma ruwaza lakini anafanya mahesabu "kiakili"; Hii ndio njia iliyo na hatari kubwa zaidi ya makosa. Inafaa kwa meza ndogo na tafsiri ya ubora, sio kwa uhasibu sahihi.
- Kizazi cha msimbo/zana: Unachapisha msimbo wa uchanganuzi (Python/pandas) au fomula ya Excel kwa modeli; Nambari hufanya hesabu, sio mfano. Njia hii inategemewa zaidi kwa sababu hesabu hufanya kazi katika zana ya kubainisha. Ipende kwa data kubwa na nambari sahihi.
Kidokezo: Ikiwa unahitaji nambari kamili (jumla ya mauzo, wastani, kiwango cha ukuaji) uliza kielelezo "kuandika fomula ya Excel/Python msimbo unaokokotoa hii", endesha tokeo wewe mwenyewe. Usichukulie kamwe nambari iliyotolewa na mfano kama ya mwisho.
Jinsi ya kusanidi haraka ya uchanganuzi
Mwongozo mzuri wa uchanganuzi unajumuisha data, swali lililoulizwa na sheria ya uthibitishaji.
Jukumu lako: mchambuzi wa data. Ifuatayo ni chati ya mauzo ya miezi 24 (mwezi, eneo, bidhaa, wingi, mauzo). Kazi: 1) Toa muhtasari wa jumla na mwenendo wa mauzo ya kila mwezi. 2) Tafuta uchanganuzi 3 wa bidhaa za eneo unaokua kwa kasi na unaopungua kwa kasi zaidi. 3) Weka alama ikiwa kuna wauzaji wowote (kuruka/kuanguka bila kutarajiwa). Kanuni:- Andika fomula ya Excel ambayo hufanya kila hesabu karibu nayo; Nitathibitisha.- Tenganisha tafsiri kutoka kwa data: kwanza "data inasema", kisha "maana inayowezekana".- Usidai sababu; onyesha muundo pekee.
Ombi hili lina vipengele vitatu muhimu: kuhitaji fomula (uthibitisho), kutenganisha data kutoka kwa tafsiri (uadilifu), na kukataza dai la sababu (somo la sehemu inayofuata).
Uwiano sio sababu
Makosa ya kawaida na ya gharama kubwa ya kimantiki katika uchanganuzi ni kudhani kuwa moja ya vitu viwili vinavyotenda pamoja husababisha vingine. Kwa sababu tu vigezo viwili vinaongezeka pamoja (uwiano) haithibitishi kwamba moja husababisha nyingine (sababu); Kunaweza kuwa na sababu ya tatu au bahati mbaya. Mfano wa kawaida: mauzo ya ice cream yanapoongezeka, ndivyo pia watu wanaozama majini; Sababu sio ice cream, hali ya hewa ya moto huwafufua wote wawili.
AI inaweza kuandika uunganisho kwa urahisi kwani "X huongeza Y." Wakati mshauri anapoona hukumu hii, anapaswa kuacha na kuuliza: "Je, hii ni sababu kweli, au kuna sababu iliyofichwa?" Madai ya causality; ulinganisho unaodhibitiwa unahitaji ujuzi wa mfuatano wa wakati na kikoa.
Jukumu lako: uchanganuzi wa data muhimu.Uchanganuzi ufuatao una dai la "X ongezeko la Y".Kazi:- Tathmini ikiwa uhusiano huu ni uwiano au sababu iliyothibitishwa.- Orodhesha mambo 3 yanayoweza kufichika (ya tatu) ambayo yanaweza kuathiri zote mbili.- Sema ni ushahidi gani wa ziada (kikundi cha kulinganisha, mfuatano wa wakati) unahitajika ili kuunga mkono sababu.Tumia lugha ya kisababishi kali; Andika "inawezekana" na "inapaswa kupimwa."
Kuhoji ubora wa data kabla ya kutafsiri
Uchambuzi mzuri hautokani na data mbaya. Uliza kila chati maswali haya kabla ya kutoa maoni:
kudhibiti
Kwa nini ni muhimu?
Jinsi ya kujali
kukosa data
Seli tupu hupotosha maana
Hesabu uwiano tupu/sifuri
nje
Mtoa huduma mmoja hupotosha mtindo
Angalia min-max na usambazaji
Uthabiti wa ufafanuzi
Je, "mauzo" ni sawa kila mwezi?
Thibitisha ufafanuzi wa safu wima
muda mbalimbali
Je, msimu unapotosha?
Linganisha mwaka hadi mwaka
sampuli
Je, data inawakilisha ulimwengu mzima?
Uliza kiwango cha chanjo
Kabla ya KUTAFSIRI jedwali hili, fanya ukaguzi wa ubora wa data:- Uwiano wa seli unaokosekana ni upi?- Katika safu mlalo zipi ziko thamani zilizokithiri (za nje)?- Je, ufafanuzi wa safu wima unalingana, je, kuna zile zinazotiliwa shaka? Toa tu ripoti ya ukaguzi; Usitoe maoni bado.
kesi tatu ndogo
Kesi ya 1 - Hitilafu ya hesabu kimya. Mshauri ana modeli kukusanya mauzo ya miezi 12; mfano unasema "milioni 142.6." Mshauri anakagua katika Excel: jumla halisi milioni 128.4; Mtindo huo aliongeza miezi miwili kimakosa. Ikiwa fomula ingeombwa badala ya hesabu ya kiakili, kusingekuwa na makosa. Ikiwa nambari isiyo sahihi ingeingizwa kwenye wasilisho, imani ya mteja ingetikiswa.
Kesi ya 2 - Sababu ya uwongo. Katika muuzaji, mfano huo unasema, "Mauzo yaliongezeka katika miezi wakati punguzo lilitolewa, hivyo punguzo huongeza mauzo." Mshauri anaacha: punguzo tayari hufanywa wakati wa likizo; Dereva kuu ni mahitaji ya likizo. Ili kupima athari ya punguzo, kulinganisha na likizo bila punguzo inahitajika. Maoni ya uwongo huzuia pendekezo la kutumia kiasi kama vile "wacha tupunguze kila mwezi."
Kesi ya 3 - Mtego wa nje. Thamani ya wastani ya agizo la eneo inaonekana juu isivyo kawaida. Mfano hutafsiri hii kama "eneo la malipo". Mshauri anafungua mstari: agizo moja la ushirika la milioni 4.2 liliongeza wastani; Wakati mstari huo umeondolewa, kanda ni ya kawaida. Kutumia wastani kungeepuka mtego huu mara ya kwanza.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Chambua chati hii ya mauzo na ueleze matokeo muhimu.
Muundo huu hukokotoa moja kwa moja, hudai sababu, na hutoa matokeo yasiyoweza kuthibitishwa.
Agizo lenye nguvu:
Jukumu lako: mchambuzi makini wa data. Kwanza fanya ukaguzi wa ubora wa data (haipo, ya nje, uthabiti wa ufafanuzi). Kisha: mwenendo wa kila mwezi, uchanganuzi 3 wa juu, wa nje.- Andika fomula ya Excel kwa kila akaunti; Nitathibitisha.- Pia toa wastani badala ya maana (kuona athari ya nje).- Tenganisha "data inasema" na "maana inayowezekana"; USIDAI sababu. - Weka alama "isiyo wazi" mahali ambapo huna uhakika.
Mgawanyiko: ukweli ambao wastani huficha
Mojawapo ya hatua zenye nguvu zaidi katika uchanganuzi wa mashauriano ni kugawanya: kugawanya idadi katika vikundi vidogo vyenye maana. "Wastani wa mteja" mara nyingi ni ujenzi usiopo; Ukweli umefichwa katika vikundi vidogo. Kwa mfano, wakati kiwango cha wastani cha faida kinaonekana kuwa 8%, 20% ya wateja wanaweza kuleta 25% margin na 30% kupata hasara; wastani huficha ukweli huu kabisa. Uerevu Bandia hukusaidia kuchanganua chati kwa haraka kwenye shoka tofauti (aina ya mteja, eneo, bidhaa, kituo) na kupata uchanganuzi unaonyesha tofauti kubwa zaidi.
Jukumu lako: mchambuzi wa data. Jedwali lipo hapa chini.Kazi: Vunja data hii kwenye mhimili ufuatao: [aina ya mteja / eneo/bidhaa].Kwa kila kikundi: jumla, shiriki (%), wastani NA wastani, ukubwa wa kikundi (n).Kanuni:- Ikiwa kikundi n<30, weka alama "sampuli ndogo - makini".- Andika fomula kwa kila akaunti; Nitathibitisha.- Onyesha kikundi cha juu na cha chini kabisa; Tathmini ikiwa tofauti hiyo ni ya kweli au inatokana na mtu mmoja wa nje. Kwanza wacha nikuambie ni mchanganuo gani ninaotarajia: [dhahania].
Makosa ya kawaida
- Kutegemea hesabu ya kichwa cha mfano. Toa hesabu kwa zana ya kubainisha (Excel/Python); Angalia matokeo kwa kujitegemea.
- Kukosea kwa uunganisho wa sababu. Usiandike sentensi "X huongeza Y" bila ushahidi; Uliza kuhusu sababu iliyofichwa.
- Kuangalia kwa upofu kwa wastani. Nje moja huongeza wastani; Tazama pia wastani na usambazaji.
- Kukwepa ubora wa data. Ufafanuzi unaotokana na data isiyokamilika, iliyorudiwa au isiyolingana ni ya kupotosha; angalia kwanza.
- Kusahau mfano. Kujumlisha kutoka kwa sampuli ndogo au iliyoegemea upande mmoja hadi kwa watu wote kutaleta matokeo yenye makosa.
- Kuchanganya data na tafsiri. Onyesha kando ni nini kipimo na nini ni makisio.
Tahadhari: Ikiwa matokeo ya uchambuzi wa data ya usalama wa kifedha, afya au uendeshaji itakuwa msingi wa uamuzi, mahesabu na tafsiri lazima zidhibitishwe na mtaalam husika (mshauri wa kifedha, mtaalam, mtaalam wa shamba). Akili ya bandia hutoa uchambuzi wa awali; Tathmini ya mwisho na wajibu ni wa wanadamu.
Kwa muhtasari
Akili Bandia ni msaada mkubwa katika kutafsiri data ya jedwali, kutafuta mienendo na uchanganuzi, na kutoa msimbo wa uchanganuzi. Lakini kwa kuwa inaweza kufanya makosa kimya katika hesabu, ni muhimu kila hesabu ifanyike tena na chombo cha kuamua na kuangaliwa kwa mikono. Kutenganisha uwiano kutoka kwa sababu, kuangalia wastani karibu na wastani, kuangalia ubora wa data kabla ya kufasiriwa, na kuzingatia mipaka ya sampuli ni taaluma za msingi za ushauri. Mfano unaonyesha muundo; Watu hujenga maana na wajibu.
Jukumu la maombi
Chagua taarifa halisi au wakilishi ya mauzo/gharama. Kwanza endesha kidokezo cha ukaguzi wa ubora wa data na upate angalau suala moja (lililokosekana, la nje, kutofautiana kwa ufafanuzi). Kisha toa mitindo na michanganuo kwa haraka ya uchanganuzi; Pia thibitisha mwenyewe fomula ya kila akaunti. Linganisha wastani na wastani na ugundue athari ya nje. Mwishowe, pata madai ya sababu ambayo mtindo huandika na kuiweka tena kama "uunganisho."
orodha ya ukaguzi
- [ ] Niliendesha tena kila hesabu kamili kwa zana ya kubainisha (Excel/Python).
- [ ] Nilikagua ubora wa data kabla ya kutoa maoni.
- [ ] Kando na wastani, niliangalia wastani na usambazaji.
- [ ] Nilihifadhi tofauti ya uunganisho-sababu.
- [ ] Nilitilia shaka sampuli na vikomo vya muda.
- [ ] Nilitenganisha "data inasema" na "maana inayowezekana".
- [ ] Nilipanga idhini ya mtaalamu katika uchanganuzi muhimu wa maamuzi.