Faida:
- Uwezo wa kutoa ufahamu wenye mwelekeo wa maamuzi kutoka kwa data iliyotawanywa kwa kuelewa ngazi ya uamuzi wa habari-habari-ufahamu na kutekeleza akili ya bandia hatua kwa hatua.
- Uwezo wa kufichua ukweli uliofichwa na nambari kamili kupitia uchanganuzi wa sehemu na kutofautisha uunganisho kutoka kwa sababu
- Uwezo wa kutibu sababu zilizopendekezwa na akili ya bandia kama dhana za kujaribiwa na msingi wa uamuzi wa mwisho juu ya ufahamu uliothibitishwa.
Nambari nyingi hufika kwenye dawati la meneja kila siku: takwimu za mauzo, gharama, malalamiko ya wateja, viwango vya hesabu, viwango vya mauzo ya wafanyakazi. Lakini nambari pekee sio uamuzi. Uamuzi huanza na kuona maana ndani ya nambari. "Mauzo yamepungua kwa asilimia 8 ikilinganishwa na mwezi uliopita" imetolewa; "Kupungua kwa mauzo kunatokana na wateja wawili wakubwa katika eneo la Aegean kuahirisha maagizo yao" ni ufahamu. Hapa, usaidizi wa uamuzi - mchakato ambao hufanya data kuwa na maana kwa meneja kufanya maamuzi bora - ndio daraja linalogeuza data kuwa maarifa. Katika kitengo hiki, tutajifunza jinsi ya kutumia AI kwenye daraja hili. Mpaka ni wazi tangu mwanzo: AI hutoa ufahamu wa rasimu; Msimamizi anaamua ni utambuzi gani ni wa kweli na nini cha kufanya.
Hatua nne kutoka kwa data hadi ufahamu
Usaidizi wa maamuzi ni ngazi. Nambari ya kwanza - data: nambari mbichi (maagizo 1,240 yaliwasili mwezi huu). Nambari ya pili - habari: iliyohaririwa, ikilinganishwa na nambari (chini ya asilimia 8 kutoka mwezi uliopita). Kiwango cha tatu - ufahamu: uelewa wa sababu ya kupungua (kuchelewa kutoka kwa wateja wawili wakuu). Hatua ya nne - uamuzi: nini cha kufanya (wahoji wateja hawa na ulenge wateja wapya). AI ni haraka sana kwenye hatua ya kwanza na ya pili, ni msaidizi mzuri kwenye ya tatu, inatoa chaguzi tu kwa nne.
Kujua ngazi hii ni muhimu kwa sababu wasimamizi wengi huuliza moja kwa moja AI "niamue" na kufadhaika. Walakini, ikiwa unafanya AI hatua kwa hatua - kwanza fanya muhtasari, kisha ulinganishe, kisha uulize sababu zinazowezekana, na mwishowe ufanye uamuzi mwenyewe - utakuwa haraka na wa kuaminika.
Kidokezo: Uliza AI "unafikiri nini kutoka kwa data hii?" Badala ya kuuliza yote mara moja, endelea hatua kwa hatua kwa kusema "kwanza fanya muhtasari, kisha uonyeshe mabadiliko 3 muhimu zaidi, kisha pendekeza sababu 2 zinazowezekana kwa kila moja." Kufikiria kwa hatua kwa hatua hutoa matokeo sahihi zaidi.
Uwiano na mtego wa sababu
Shimo la hatari zaidi la usaidizi wa uamuzi ni kukosea uunganisho wa sababu. Uwiano ni wakati vitu viwili vinatembea pamoja (mauzo ya ice cream na kuzama huongezeka pamoja katika msimu wa joto). Sababu ni wakati moja inaongoza kwa nyingine (aiskrimu haisababishi kukosa hewa; hali ya hewa ya joto ni sababu ya kawaida). AI ni nzuri sana katika kutafuta vitu ambavyo vinasonga pamoja katika data yako, lakini haiwezi kusema ni sababu gani halisi. Kusema "Matumizi ya utangazaji yameongezeka na mauzo yameongezeka" haithibitishi kwamba utangazaji uliongeza mauzo; labda wote wawili waliathiriwa na msimu wa sikukuu.
Kwa hivyo AI inapopendekeza sababu, ichukulie kama dhana (dhana ambayo inahitaji kuthibitishwa), sio kama ukweli. "Ninajaribuje hii?" uliza. Msimamizi mzuri hujaribu sababu AI inapendekeza kwenye uwanja au na data.
kesi tatu ndogo
Kesi ya 1 - Kukamata kuanguka kwa siri. Katika kampuni ya e-commerce, mauzo ya jumla yalionekana kuwa thabiti, hakuna mtu aliyeshtuka. Msimamizi anatoa data ya kila mwezi isiyojulikana kwa AI na anauliza "Ni sehemu gani inayokua na ambayo inapungua kwa misingi ya kategoria?" Aliuliza. YZ ilionyesha kuwa ingawa mauzo ya jumla yalikuwa mara kwa mara, kitengo cha umeme cha faida kubwa kilishuka kwa asilimia 22, na mauzo ya vifaa vya faida ya chini yakificha hii. Meneja alithibitisha hili na kuzingatia kitengo cha umeme. Idadi ya jumla ilikuwa imefichwa; Mapumziko yalifunua ukweli.
Kesi 2 - Kukimbilia kwa sababu mbaya. Meneja wa msururu wa mikahawa alitoa data ya mauzo kwa AI. "Mauzo ya wikendi yanaendana na halijoto ya hali ya hewa," YZ alisema. Meneja alisoma haya kama "hali ya joto huongeza mauzo" na akakataa viyoyozi. Hata hivyo, sababu halisi ilikuwa ongezeko la trafiki ya wateja mwishoni mwa juma; Halijoto ilienda kwa bahati katika mwelekeo huo huo. Meneja alikosea uunganisho wa sababu. Alijifunza somo lake na akajaribu kila sababu kuanzia sasa na kuendelea.
Kesi ya 3 - Kuanzisha ulinganisho kwa usahihi. Ufanisi wa viwanda viwili katika biashara ya uzalishaji ulikuwa ukilinganishwa. Meneja anauliza AI, "Je, kiwanda A kina ufanisi zaidi kuliko B?" aliuliza, lakini AI haikujua kuwa kiwanda A kilikuwa kipya na kidogo. Meneja alisahihisha ombi: "linganisha mavuno kwa kila kitengo, kwa kuzingatia ukubwa wa akaunti na tofauti ya umri." Wakati huu uchambuzi ulikuwa wa haki na tofauti halisi ilifichuliwa.
Violezo vinne vinavyoweza kunakiliwa
1) Uchimbaji wa ufahamu wa hatua kwa hatua:
Jukumu lako: mchambuzi wa biashara akimsaidia meneja. Tumia data isiyojulikana iliyoambatishwa (kipindi, kitengo, mauzo, gharama). Endelea hatua kwa hatua: 1) Fanya muhtasari wa data katika vipengee 4. 2) Onyesha mabadiliko 3 mashuhuri zaidi ikilinganishwa na kipindi cha mwisho. 3) Pendekeza hadi sababu 2 ZINAZOWEZEKANA kwa kila badiliko na useme kuwa hizi ni dhana na ushahidi unahitajika. Usitengeneze nambari zozote ambazo hazipo kwenye data ninayotoa.
2) Uchambuzi wa uchanganuzi (sehemu):
Hata kama nambari zote zinaonekana kuwa thabiti, ninataka kujua nini kinaendelea ndani. Vunja data iliyoambatishwa kulingana na kategoria/eneo/sehemu ya mteja. Onyesha ni sehemu gani inakua na ambayo inapungua kwenye jedwali. Hasa alama mabadiliko ambayo hufunika jumla.
3) Mtihani wa sababu za uhusiano:
Nilipata uhusiano huu: [A na B wanasonga pamoja]. Nisaidie kutambua ikiwa hii ni sababu na athari ya kweli au tu hatua pamoja. Orodhesha sababu zinazowezekana za KAWAIDA na upendekeze ukaguzi 3 wa vitendo ninaoweza kufanya ili kujaribu uhusiano huu.
4) Uzalishaji wa chaguo la uamuzi:
Nilithibitisha ufahamu huu: [maarifa].USINIAMUE; badala yake, toa chaguo 3 tofauti za kitendo. Kwa kila chaguo: faida inayotarajiwa, makadirio ya gharama/juhudi, hatari kubwa, na hali gani inapaswa kupendelewa. Wasilisha chaguzi kwa upande wowote; usilazimishe mtu.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Kwa nini mauzo yalipungua?
Hakuna data, hakuna kipindi, hakuna muktadha. AI inaorodhesha sababu za jumla (uchumi, ushindani, msimu); Hakuna mojawapo ni mahususi kwa hali yako na haiwezi kuthibitishwa.
Agizo lenye nguvu:
Jukumu lako: mchambuzi wa rejareja. Tumia data ya miezi 6 iliyoambatishwa bila kukutambulisha (mwezi, eneo, aina, idadi ya mauzo, mauzo). Jumla ya mauzo ilipungua kwa 8% katika mwezi uliopita. Tambua hili kwa kanda na kategoria; kujua kupungua kunatoka sehemu gani. Pendekeza hadi nadharia 2 zinazoweza kujaribiwa kwa kila upungufu unaopata. Tumia tu nambari nilizokupa.
Ukubwa
mbinu mbaya
Mbinu kali
Data
Hakuna
Asiyejulikana na aliyeambatanishwa
Swali
Mkuu "kwanini?"
Imerudiwa na kuzingatia
pato
Sababu za jumla
Nadharia zinazoweza kujaribiwa
Uthibitisho
chini
juu
thamani ya uamuzi
Chini
juu
Makosa ya kawaida
- Kutegemea idadi ya jumla. Ingawa jumla ni mara kwa mara, kunaweza kuwa na mabadiliko makubwa ndani; Hakikisha kutazama kuvunjika.
- Kukosea kwa uunganisho wa sababu. Tazama uhusiano ambao AI inapata kama dhana ya kujaribiwa, sio kama ushahidi.
- Ulinganisho usio wa haki. Usilinganishe vitengo vya ukubwa/umri/masharti tofauti bila kuvirekebisha.
- Kuomba maamuzi moja kwa moja kutoka kwa AI. AI inazalisha chaguzi; Unabeba uamuzi na wajibu.
- Kuchora hitimisho kwa data ya kipindi kimoja. Data ya kihistoria ya kutosha inahitajika kwa ajili ya kuvuma.
Tahadhari: Haijalishi maarifa yanaonekana kuwa ya werevu kiasi gani, hayafai kuwa uamuzi ikiwa hayawezi kuthibitishwa kutoka kwa data yako. "AI ilisema hivyo" sio uhalali; "Niliijaribu na data na ikathibitishwa" ni uhalali.
Kwa muhtasari
Usaidizi wa uamuzi ni ngazi inayogeuza data kuwa ufahamu: data, habari, ufahamu, uamuzi. AI ni haraka sana katika hatua mbili za kwanza, msaidizi mzuri katika tatu, na mtoa chaguo tu katika nne. Angalia michanganuo, sio jumla ya nambari; Usikose uunganisho kwa sababu; Tazama sababu ambazo AI inapendekeza kama dhana za kujaribiwa. Kufikiria kwa hatua kwa hatua hutoa matokeo sahihi zaidi. Uamuzi wa mwisho ni wa msimamizi kulingana na maarifa yaliyothibitishwa.
Jukumu la maombi
Andaa seti ya data isiyojulikana kutoka kwa biashara yako (k.m. mauzo ya kategoria kwa miezi 6 iliyopita). Ruhusu AI itekeleze uchanganuzi wa sehemu kwa kiolezo cha "Uchanganuzi wa Muhtasari" hapo juu. Unda dhahania ukitumia kiolezo cha "Uwiano-sababu" kwa mabadiliko makubwa zaidi uliyopata na uandike jinsi utakavyojaribu nadharia hii kwenye uwanja katika vipengee 3.
orodha ya ukaguzi
- [ ] Je, nimeficha data?
- [ ] Je, niliangalia uchanganuzi (sehemu) badala ya jumla?
- [ ] Je, nilichukulia sababu iliyopendekezwa na AI kama dhana?
- [ ] Je, nimeweka ulinganisho kwa haki (kawaida)?
- [ ] Je, nilifanya uamuzi mwenyewe kulingana na maarifa yaliyothibitishwa?