డేటా-ఆధారిత నిర్ణయం మరియు పబ్లిక్ డేటా విశ్లేషణ

లాభాలు:

• డేటాతో పని చేసే నాణ్యత, గోప్యత మరియు వివరణ ప్రమాదాలను గుర్తిస్తుంది మరియు సురక్షితమైన విశ్లేషణ ప్రవాహాన్ని ఏర్పాటు చేస్తుంది.
• ఇది ఒక ప్రయోజనం కోసం సరైన సూచికను ఎంచుకుంటుంది, తప్పుదారి పట్టించే ఒకే సూచికలు మరియు తారుమారుకి తెరవబడిన కొలతల మధ్య తేడాను చూపుతుంది.
• ఇది తప్పుదారి పట్టించే చార్ట్ టెక్నిక్‌లను గుర్తిస్తుంది (అక్షం సున్నా నుండి ప్రారంభం కాదు, ఎంచుకున్న పరిధి) మరియు నిజాయితీ విజువలైజేషన్‌ను గమనిస్తుంది.

పబ్లిక్ ప్రతిరోజూ డేటాను ఉత్పత్తి చేస్తారు: అప్లికేషన్ నంబర్‌లు, పరిష్కార సమయాలు, బడ్జెట్ అంశాలు, జనాభా కదలికలు, సేవా అభ్యర్థనలు, ఆడిట్ ఫలితాలు, సంతృప్తి సర్వేలు. ఈ డేటాలో ఎక్కువ భాగం Excel స్ప్రెడ్‌షీట్‌లు, ఫారమ్‌లు మరియు రికార్డింగ్ సిస్టమ్‌లలో ఉంటుంది, కానీ నిర్ణయాలలోకి అనువదించబడదు - ఎందుకంటే దీన్ని విశ్లేషించడానికి నైపుణ్యం మరియు సమయం అవసరం. డేటా-ఆధారిత నిర్ణయాధికారం (అభిప్రాయం లేదా అలవాటు కంటే వనరులను కేటాయించడం మరియు కొలిచిన సాక్ష్యం ఆధారంగా విధానాన్ని సెట్ చేయడం) ప్రభుత్వ రంగంలో సమర్థత మరియు సరసత రెండింటినీ పెంచుతుంది: వనరులు సంఖ్యల ఆధారంగా అవసరమైన చోటికి వెళ్తాయి. ఇక్కడ, AI అనేది పట్టికను అర్థం చేసుకోవడంలో, నమూనాలు మరియు క్రమరాహిత్యాలను కనుగొనడంలో, సారాంశ గణాంకాలను సంగ్రహించడంలో మరియు కనుగొన్న వాటిని సాధారణ వాక్యాల్లోకి అనువదించడంలో శక్తివంతమైన సహాయకుడు. ఈ యూనిట్‌లో, రా పబ్లిక్ డేటా నుండి AIతో రక్షించదగిన నిర్ణయానికి మార్గాన్ని ఎలా కుదించాలో మీరు చూస్తారు మరియు అత్యంత కీలకమైన అంశం-సంఖ్య యొక్క సరైన వివరణలో క్రమశిక్షణతో ఉండండి.

డేటాతో పనిచేయడం వల్ల మూడు ప్రమాదాలు

డేటా శక్తివంతమైనది, కానీ దీనికి మూడు ట్రాప్‌లు ఉన్నాయి మరియు AI ఈ ఉచ్చులను తగ్గించగలదు మరియు పెద్దదిగా చేయగలదు:

1. సహసంబంధం ≠ కారణం. రెండు విషయాలు కలిసి మారడం వల్ల ఒకటి మరొకటి కారణం కాదు. ఐస్ క్రీం అమ్మకాలు మరియు మునిగిపోవడం పెరుగుతున్నాయి - ఎందుకంటే అవి రెండూ వేసవి వేడితో ముడిపడి ఉన్నాయి, ఒకటి మరొకటి కాదు. AI సరళంగా "ఎందుకంటే" వాక్యాలను నిర్మిస్తుంది; కారణానికి సంబంధించిన ప్రతి దావాను ప్రశ్నించండి.
2. పక్షపాతం/తప్పిపోయిన డేటా. డేటా ఎవరి నుండి మరియు ఎలా సేకరించబడింది? ఫిర్యాదు డేటా ఫిర్యాదు చేయగల వారిని మాత్రమే ప్రతిబింబిస్తుంది; ఇంటర్నెట్ యాక్సెస్ ఉన్న డిజిటల్ అప్లికేషన్ డేటా. మీరు తప్పిపోయిన సమూహాన్ని చూడకపోతే, నిర్ణయం పక్షపాతంతో ఉంటుంది.
3. సందర్భం లేని సంఖ్య. "30% పెరిగింది" మాత్రమే అర్థరహితం: దేని ప్రకారం, ఏ కాలంలో, సంపూర్ణ సంఖ్య ఏమిటి? సందర్భం కోసం AIని అడగండి.

శ్రద్ధ: AI మీరు అందించే పట్టికను విశ్లేషిస్తున్నప్పుడు, ఇది కొన్నిసార్లు "సహేతుకమైన" కానీ కల్పిత సంఖ్యలను టేబుల్ వెలుపలి నుండి జోడిస్తుంది లేదా తప్పిపోయిన సెల్‌లను నిశ్శబ్దంగా నింపుతుంది. ప్రతి అవుట్‌పుట్ సంఖ్యను మూల పట్టికతో సరిపోల్చండి; AIకి నియమాన్ని ఇవ్వండి "నేను మీకు ఇచ్చే పట్టికలోని విలువలను మాత్రమే ఉపయోగించండి, లేకుంటే 'డేటా లేదు' అని చెప్పండి".

దశల వారీ డేటా విశ్లేషణ ప్రవాహం

1. ప్రశ్నను స్పష్టం చేయండి. నిర్ణయం కోసం మేము ఏ ప్రశ్నకు సమాధానాలు వెతుకుతున్నాము? ("ఏ పరిసర ప్రాంతంలో పరిష్కార సమయం ఎక్కువ సమయం పడుతుంది?")
2. డేటా తెలుసుకోండి. నిలువు వరుసలు ఏమిటి, యూనిట్ ఏమిటి, కాలం ఏమిటి, ఏవైనా తప్పిపోయిన/తప్పు విలువలు ఉన్నాయా?
3. వ్యక్తిగత డేటాను సంగ్రహించండి. విశ్లేషణ కోసం వ్యక్తిగత గుర్తింపు అవసరం లేకుంటే అనామకీకరించండి/మొత్తం చేయండి (యూనిట్ 11 చూడండి).
4. సారాంశం మరియు నమూనా ఉద్భవించాయి. AI ప్రాథమిక గణాంకాలు, గ్రూపింగ్ మరియు అనామలీ మార్కింగ్‌ను నిర్వహించేలా చేయండి.
5. వ్యాఖ్యను ప్రశ్నించండి. సహసంబంధం లేదా కారణం? ప్రత్యామ్నాయ వివరణ? సమూహం కనిపించడం లేదు?
6. దృశ్యమానం మరియు సరళీకృతం చేయండి. నిర్ణయాధికారులు అర్థం చేసుకోగలిగే సాధారణ సారాంశం మరియు గ్రాఫిక్.
7. నిర్ణయం మరియు దాని తార్కికతను డాక్యుమెంట్ చేయండి. ఏ డేటా ఆధారంగా ఏ నిర్ణయం తీసుకున్నారు? ఆడిట్ ట్రయల్.

మూడు చిన్న కేసులు

కేసు 1 - మూలం సరైన స్థానానికి వెళ్లింది. గతంలో, మునిసిపాలిటీ తన పార్క్ నిర్వహణ బడ్జెట్‌ను "ప్రతి పొరుగువారికి సమానంగా" పంపిణీ చేసింది. AIతో 18 నెలల డిమాండ్ మరియు వినియోగ డేటాను విశ్లేషించినప్పుడు, మూడు పొరుగు ప్రాంతాల తలసరి డిమాండ్ సగటు కంటే 2.4 రెట్లు ఉంది. అవసరాన్ని బట్టి బడ్జెట్ పునఃపంపిణీ చేయబడింది; అదనపు ఖర్చు లేకుండా మొత్తం సంతృప్తి పెరిగింది.

కేసు 2 - పక్షపాత డేటా గుర్తించబడింది. ఒక ఏజెన్సీ డిజిటల్ అప్లికేషన్ డేటాను పరిశీలిస్తుంది మరియు "పౌరులు ఇకపై టోల్ బూత్‌కు రావడం లేదు" అని నిర్ధారించారు. కానీ విశ్లేషణలో వయస్సు వివక్షను అభ్యర్థించినప్పుడు, 65 ఏళ్లు పైబడిన దరఖాస్తులు ఇప్పటికీ కౌంటర్ నుండి ఎక్కువగా వస్తున్నట్లు కనిపించింది. డిజిటల్ డేటాను మాత్రమే చూసినట్లయితే, ఈ సమూహం విస్మరించబడుతుంది; బాక్స్ ఆఫీస్ సేవ భద్రపరచబడింది.

కేస్ 3 - కల్పిత కారణం ఆగిపోయింది. YZ ఒక టేబుల్‌ని అన్వయించేటప్పుడు, "తనిఖీల సంఖ్య పెరిగినందున ప్రమాదాలు తగ్గాయి" అని చెప్పారు. అదే కాలంలో వాతావరణం కూడా మారిందని మరియు ట్రాఫిక్ తగ్గిందని విశ్లేషకుడు గుర్తు చేశారు; ఒకే కారణాన్ని ఆపాదించి తప్పుదారి పట్టించారు. "సంబంధం ఉంది కానీ కారణం నిరూపించబడలేదు" అని నివేదిక సరిదిద్దబడింది.

నాలుగు కాపీ చేయగల టెంప్లేట్‌లు

1) పట్టికను తెలుసుకోవడం:

మీ పాత్ర: డేటా విశ్లేషకుడు. దిగువ పట్టికను పరిశీలించండి మరియు ఈ పట్టికలోని విలువల ఆధారంగా మాత్రమే: (1) ప్రతి నిలువు వరుస ఏమిటో, దాని యూనిట్ మరియు వ్యవధి, (2) తప్పిపోయిన/తప్పుగా కనిపించే ఏవైనా సెల్‌లు, (3) ప్రత్యేకంగా కనిపించే టాప్ 3 నమూనాలను సంగ్రహించండి. పట్టిక వెలుపల నుండి సంఖ్యలను జోడించడం; తప్పిపోయినట్లయితే, "డేటా లేదు" అని చెప్పండి. టేబుల్: [డేటాను అతికించండి]

2) సందర్భంతో కూడిన సారాంశ గణాంకాలు:

దిగువ పట్టిక నుండి క్రింది ప్రశ్నకు సమాధానం ఇవ్వండి: [ప్రశ్న]. సందర్భంతో ఫలితాన్ని తప్పనిసరిగా ఇవ్వాలి: సంపూర్ణ సంఖ్య + రేటు + పోలిక వ్యవధి. మీరు "X% పెంచారు" అని చెప్పినప్పుడు, ఏ మేరకు మరియు ఏ కాలంలో అని పేర్కొనండి. ఇచ్చిన డేటాను ఉపయోగించండి. టేబుల్: [డేటా] ప్రశ్న: [ప్రశ్న]

3) కారణాన్ని ప్రశ్నించేవాడు:

కింది అన్వేషణను వివరించండి, కానీ జాగ్రత్త: కారణంతో సహసంబంధాన్ని కంగారు పెట్టవద్దు. ఈ సంబంధం కోసం కనీసం 3 ప్రత్యామ్నాయ వివరణలను రూపొందించండి (మూడవ వేరియబుల్, రివర్స్ డైరెక్షన్, యాదృచ్చికం). కారణాన్ని నిరూపించడానికి అదనపు డేటా ఏమి అవసరమో నాకు చెప్పండి. కనుగొనడం: [సంబంధం]

4) నిర్ణయం కోసం సాధారణ సారాంశం:

డేటా నిపుణుడు కాని డెసిషన్ మేకర్ కోసం క్రింది విశ్లేషణను సులభతరం చేయండి: 5 కంటే ఎక్కువ అంశాలు ఉండకూడదు, ప్రతి అంశం ఒక అన్వేషణ మరియు “దీని అర్థం ఏమిటి” వివరణ. డేటా యొక్క అనిశ్చితులు మరియు పరిమితులను కూడా స్పష్టంగా వ్రాయండి. కొత్త సమాచారాన్ని జోడిస్తోంది. విశ్లేషణ: [టెక్స్ట్]

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనం: "ఈ చార్ట్‌ని విశ్లేషించి, మనం ఏమి చేయాలో మాకు చెప్పండి."

బలమైనది: "మీ పాత్ర డేటా విశ్లేషకుడు. దిగువ పట్టికను మాత్రమే ఉపయోగించండి; తప్పిపోయిన సెల్‌కు బయటి నుండి సంఖ్యలను జోడించవద్దు, 'డేటా లేదు' అని చెప్పండి. ముందుగా, నిలువు వరుసలు, యూనిట్‌లు మరియు వ్యవధిని తెలుసుకోండి. ఆపై 'ఏ పొరుగు ప్రాంతంలో ఎక్కువ పరిష్కార సమయం ఉంది' అనే ప్రశ్నకు సంపూర్ణ సంఖ్య + నిష్పత్తి + పోలిక వ్యవధితో సమాధానం ఇవ్వండి. మీరు దానిని కనుగొంటే, ప్రత్యామ్నాయ పాయింట్ల వివరణ మరియు 3 నమూనాతో ముందు వివరించండి. డేటా యొక్క సరిహద్దులు (మిస్సింగ్ గ్రూప్, షార్ట్ పీరియడ్) నిర్ణయాన్ని మాకు వదిలివేస్తుంది."

తేడా: బలమైన ప్రాంప్ట్ డేటా విశ్వసనీయత, సందర్భం, కారణ క్రమశిక్షణ మరియు నిర్ణయ-సరిహద్దును కలిపి ఏర్పాటు చేస్తుంది; అవుట్‌పుట్ ఒక డిఫెన్సిబుల్ విశ్లేషణ.

డేటా వ్యాపారంలో AIని ఎక్కడ విశ్వసించవచ్చు?

వ్యాపారం

AI ట్రస్ట్

పాలన

పట్టిక సారాంశం, సమూహం

అధిక

డేటా మాత్రమే ఇవ్వబడింది

క్రమరాహిత్యం/నమూనా మార్కింగ్

మధ్యస్థ

మానవ నిర్ధారణ

కారణ వివరణ

తక్కువ

ప్రత్యామ్నాయ వివరణ అవసరం

తప్పిపోయిన డేటాను పూరించడం

చాలా తక్కువ

అది జరిగేలా చేయవద్దు; "డేటా లేదు"

సరళీకరణ/దృశ్య సారాంశం

అధిక

అర్థాన్ని కాపాడుకోవాలి

సూచిక రూపకల్పన మరియు తప్పుదారి పట్టించే చార్ట్ ట్రాప్

డేటాతో నిర్ణయాలు తీసుకోవడంలో అత్యంత కీలకమైన దశ సరైన సూచికను ఎంచుకోవడం (ఒక దృగ్విషయాన్ని కొలవగలిగేలా చేసే సంఖ్యా వ్యక్తీకరణ-ఉదాహరణకు, “సగటు ప్రాసెసింగ్ సమయం” లేదా “అప్లికేషన్‌కు ధర”). ఖచ్చితమైన డేటాతో కూడా తప్పు సూచిక తప్పు నిర్ణయానికి దారి తీస్తుంది: "పరిష్కరించబడిన దావాల మొత్తం సంఖ్య" పెరుగుతున్నట్లు కనిపిస్తున్నప్పటికీ, "ప్రతి పౌరునికి వేచి ఉండే సమయం" మరింత దిగజారవచ్చు. AI ఒక అంశం కోసం అభ్యర్థి సూచికలను జాబితా చేయగలదు మరియు ప్రతి ఒక్కటి కొలతలు మరియు దాచిపెట్టేవి; అయితే ఏ సూచిక నిజంగా ప్రజా ప్రయోజనాలను సూచిస్తుందో మీరు నిర్ణయించుకోండి. అలాగే, AI సూచించే లేదా వివరించే గ్రాఫ్‌లలో తప్పుదారి పట్టించే విజువలైజేషన్ (అక్షం సున్నా నుండి ప్రారంభం కాకపోవడం, అసమాన స్కేల్, ఎంచుకున్న సమయ విరామం వంటి సాంకేతికతలతో వక్రీకరించే అవగాహన) ప్రమాదం గురించి తెలుసుకోండి; పబ్లిక్ డేటాలో నిజాయితీ దృశ్యం పాలనలో భాగం.

చిన్న కేసు - తప్పు సంకేతం, తప్పు ప్రగల్భాలు. ఒక యూనిట్ "నెలకు మూసివేయబడిన ఫైల్‌ల సంఖ్య" సూచికలో రికార్డులను బద్దలు కొట్టింది; కానీ పౌరుల ఫిర్యాదులు పెరిగాయి. ఖచ్చితమైన సూచికను చూస్తే, “మొదటి సంప్రదింపు రిజల్యూషన్ రేటు,” రేటు 58 శాతం నుండి 44 శాతానికి పడిపోయింది - ఫైల్‌లు మూసివేయబడ్డాయి మరియు త్వరగా తిరిగి తెరవబడుతున్నాయి. సూచిక మారినప్పుడు, నిర్వహణ ప్రాధాన్యత కూడా మారింది.

మినీ కేస్ — సున్నా నుండి ప్రారంభం కాని అక్షం. ప్రెజెంటేషన్‌లో వివరించిన గ్రాఫ్ AIలో, నిలువు అక్షం 40 వద్ద ప్రారంభమవుతుంది, 2 శాతం పెరుగుదల నాటకీయంగా జంప్ లాగా అనిపించింది. అక్షం సున్నాకి తరలించబడినప్పుడు, నిజమైన చిత్రం ఉద్భవించింది మరియు అతిశయోక్తి అవగాహన నుండి నిర్ణయం తొలగించబడింది.

సూచిక ఎంపికకు మద్దతు ఇచ్చే టెంప్లేట్:

విధి: కింది ప్రయోజనం కోసం 5 అభ్యర్థి సూచికలను సూచించండి. ప్రయోజనం: [ఉదా. పౌరుల సేవ నాణ్యతను మెరుగుపరచడం]ప్రతి సూచిక కోసం: అది ఏమి కొలుస్తుంది | అది ఏమి దాచగలదు | తారుమారుకి నిష్కాపట్యత | సిఫార్సు చేసిన రీడింగ్ ఫ్రీక్వెన్సీ.తదుపరి: ఈ సూచికలను కలిసి చదవడానికి 3 హెచ్చరికలు (తమ స్వంతంగా తప్పుదారి పట్టించేవి) వ్రాయండి. నియమం: సంఖ్యలను ఉత్పత్తి చేయవద్దు; సూచిక రూపకల్పనను సూచించండి.

హెచ్చరిక: "సంఖ్య లక్ష్యం" అనే అపోహలో పడకండి. మీరు ఏ సంఖ్యను కొలుస్తారు, మీరు దానిని ఎలా ప్రదర్శిస్తారు మరియు మీరు ఏ పరిధిని ఎంచుకుంటారు అనేవి వివరణకు సంబంధించిన అంశం. ఖచ్చితమైన డేటాను కలిగి ఉన్నంత ముఖ్యమైనది పారదర్శక మరియు నిజాయితీగల ప్రజల వివరణ.

సాధారణ తప్పులు

• కారణం కోసం తప్పు సహసంబంధం. "కలిసి పెరిగింది" కారణం కాదు; ప్రత్యామ్నాయ వివరణల కోసం చూడండి.
• తప్పిపోయిన డేటాను AI నింపడం. నిర్మిత విలువతో విశ్లేషణ కూలిపోతుంది; తప్పిపోయిన వారిని వదిలేయండి.
• పక్షపాత డేటాను సాధారణీకరించడం. ఫిర్యాదు/డిజిటల్ డేటా అందరికీ ప్రాతినిధ్యం వహించదు; తప్పిపోయిన సమూహాన్ని ప్రశ్నించండి.
• సందర్భం లేకుండా సంఖ్యను ప్రదర్శించడం. నిష్పత్తి పక్కన సంపూర్ణ సంఖ్య మరియు పోలిక వ్యవధి ఉండాలి.
• వ్యక్తిగత డేటాను అనవసరంగా విశ్లేషించడం. సమగ్ర డేటా సరిపోతుంటే వ్యక్తిగత గుర్తింపును ఉపయోగించవద్దు.
• నిర్ణయాన్ని డాక్యుమెంట్ చేయడం లేదు. ఆడిటింగ్ కోసం ఏ డేటాను నమోదు చేయాలి అనే దాని ఆధారంగా ఏ నిర్ణయం తీసుకున్నారు.

సారాంశంలో

ప్రభుత్వ రంగంలో వనరులను సమర్ధవంతంగా మరియు సమర్ధవంతంగా పంపిణీ చేయడానికి డేటా-ఆధారిత నిర్ణయం తీసుకోవడం అత్యంత శక్తివంతమైన మార్గం; AI అనేది ఈ వ్యాపారంలో వేగవంతమైన సహాయకుడు, ఇది చిత్రాన్ని అర్థవంతం చేస్తుంది, నమూనాలను కనుగొంటుంది మరియు కనుగొనడాన్ని సులభతరం చేస్తుంది. కానీ AI సంఖ్యలను రూపొందించవద్దు, తప్పిపోయిన డేటాను పూరించవద్దు, కారణవాదంతో సహసంబంధాన్ని గందరగోళానికి గురిచేయవద్దు మరియు పక్షపాత/అసంపూర్ణ డేటాను సాధారణీకరించకుండా నిరోధించవద్దు. సంఖ్యలలో బలం ఉంది; దానిని సరిగ్గా అర్థం చేసుకుని, నిర్ణయాన్ని డాక్యుమెంట్ చేసే వ్యక్తి బలంగా ఉంటాడు.

అప్లికేషన్ టాస్క్

మీ యూనిట్ నుండి నిజమైన (వ్యక్తిగత డేటా తీసివేయబడిన) పట్టికను పొందండి. "టేబుల్ తెలుసుకోవడం" టెంప్లేట్‌తో డేటాను పరిచయం చేయండి, ఆపై నిర్ణయం కోసం "సందర్భ సారాంశ గణాంకాలు" టెంప్లేట్‌తో ఒక ముఖ్యమైన ప్రశ్నకు సమాధానం ఇవ్వండి. ఉద్భవిస్తున్న సంబంధానికి "కారణ ప్రశ్నకర్త" టెంప్లేట్‌ను వర్తింపజేయండి మరియు కనీసం ఒక ప్రత్యామ్నాయ వివరణను కనుగొనండి. AI పట్టిక వెలుపలి నుండి సంఖ్యలను జోడిస్తోందో లేదో తనిఖీ చేయండి.

చెక్లిస్ట్

• AI ఇచ్చిన పట్టికను మాత్రమే ఉపయోగించింది; అతను బయటి సంఖ్యలను జోడించలేదు.
• [ ] నేను తప్పిపోయిన డేటాను పూరించలేదు; "నో డేటా" అని వదిలేశాను.
• [ ] నేను ప్రతి ఫలితాన్ని సందర్భంతో అందించాను (సంపూర్ణ సంఖ్య + రేటు + వ్యవధి).
• [ ] నేను కారణవాద దావాలకు ప్రత్యామ్నాయ వివరణను అందించాను.
• [ ] నేను పక్షపాతం/తప్పిపోయిన డేటా మరియు తప్పిపోయిన సమూహం యొక్క ప్రమాదాన్ని విశ్లేషించాను.
• [ ] నేను నిర్ణయం మరియు దాని ఆధారంగా ఉన్న డేటాను డాక్యుమెంట్ చేసాను.