การตัดสินใจโดยใช้ข้อมูลและการวิเคราะห์ข้อมูลสาธารณะ

กำไร:

• ตระหนักถึงคุณภาพ การรักษาความลับ และอันตรายจากการตีความของการทำงานกับข้อมูล และสร้างขั้นตอนการวิเคราะห์ที่ปลอดภัย
• โดยจะเลือกตัวบ่งชี้ที่เหมาะสมสำหรับวัตถุประสงค์ โดยแยกความแตกต่างระหว่างตัวบ่งชี้เดี่ยวที่ทำให้เข้าใจผิดและการวัดที่เปิดให้มีการบิดเบือน
• โดยจะจดจำเทคนิคแผนภูมิที่ทำให้เข้าใจผิด (แกนไม่เริ่มจากศูนย์ ช่วงที่เลือก) และสังเกตการแสดงภาพที่ตรงไปตรงมา

สาธารณชนจัดทำข้อมูลทุกวัน: หมายเลขใบสมัคร เวลาของการแก้ปัญหา รายการงบประมาณ การเคลื่อนไหวของประชากร คำขอรับบริการ ผลการตรวจสอบ การสำรวจความพึงพอใจ ข้อมูลส่วนใหญ่อยู่ในสเปรดชีต แบบฟอร์ม และระบบการบันทึกของ Excel แต่ไม่ได้แปลเป็นการตัดสินใจ เนื่องจากการวิเคราะห์ต้องใช้ความเชี่ยวชาญและเวลา การตัดสินใจโดยอาศัยข้อมูล (แนวทางในการจัดสรรทรัพยากรและการกำหนดนโยบายตามหลักฐานที่วัดได้ แทนที่จะเป็นความคิดเห็นหรือนิสัย) เพิ่มประสิทธิภาพและความเป็นธรรมในภาครัฐ: ทรัพยากรจะไปในที่ที่ต้องการมากที่สุดตามตัวเลข ที่นี่ AI เป็นตัวช่วยที่ทรงพลังในการทำความเข้าใจตาราง ค้นหารูปแบบและความผิดปกติ ดึงข้อมูลสถิติสรุป และแปลสิ่งที่ค้นพบเป็นประโยคง่ายๆ ในหน่วยนี้ คุณจะเห็นวิธีย่อเส้นทางจากข้อมูลสาธารณะดิบไปสู่การตัดสินใจที่สามารถป้องกันได้ด้วย AI และรักษาวินัยในด้านที่สำคัญที่สุด นั่นคือการตีความตัวเลขที่ถูกต้อง

อันตรายสามประการในการทำงานกับข้อมูล

ข้อมูลนั้นทรงพลัง แต่ก็มีกับดักสามประการ และ AI ก็สามารถบรรเทาและขยายกับดักเหล่านี้ได้:

1. สหสัมพันธ์ ≠ สาเหตุ เพียงเพราะสองสิ่งเปลี่ยนแปลงร่วมกันไม่ได้หมายความว่าสิ่งหนึ่งทำให้เกิดสิ่งอื่น ยอดขายไอศกรีมและการจมน้ำกำลังเพิ่มสูงขึ้น เนื่องจากทั้งสองอย่างเชื่อมโยงกับความร้อนในฤดูร้อน ไม่ใช่สิ่งหนึ่งทำให้เกิดอีกสิ่งหนึ่ง AI สร้างประโยค “เพราะ” ได้อย่างคล่องแคล่ว ตั้งคำถามกับการอ้างเหตุผลทุกครั้ง
2. ข้อมูลเอนเอียง/ขาดหายไป ข้อมูลถูกเก็บรวบรวมจากใครและอย่างไร? ข้อมูลข้อร้องเรียนสะท้อนเฉพาะผู้ที่สามารถร้องเรียนได้ ข้อมูลแอปพลิเคชันดิจิทัลที่มีการเข้าถึงอินเทอร์เน็ต หากไม่เห็นกลุ่มที่หายไป การตัดสินใจจะมีความลำเอียง
3. ตัวเลขที่ไม่มีบริบท “เพิ่มขึ้น 30%” เพียงอย่างเดียวก็ไม่มีความหมายอะไรเป็นจำนวนเต็มในช่วงใด? ถาม AI สำหรับบริบท

ข้อควรสนใจ: ในขณะที่ AI ​​วิเคราะห์ตารางที่คุณระบุ บางครั้งระบบจะเพิ่มตัวเลขที่ "สมเหตุสมผล" แต่เป็นเพียงตัวเลขสมมติจากนอกตาราง หรือเติมลงในเซลล์ที่หายไปโดยไม่แจ้งให้ทราบ เปรียบเทียบหมายเลขเอาต์พุตแต่ละรายการกับตารางต้นฉบับ ให้กฎแก่ AI "ใช้เฉพาะค่าในตารางที่ฉันให้คุณหากไม่มีข้อมูลให้พูดว่า 'ไม่มีข้อมูล'"

การไหลของการวิเคราะห์ข้อมูลทีละขั้นตอน

1. ชี้แจงคำถาม. เรากำลังมองหาคำตอบสำหรับคำถามอะไรในการตัดสินใจ? ("เวลาในการแก้ปัญหาในย่านใดใช้เวลานานที่สุด")
2. รู้ข้อมูล คอลัมน์คืออะไร, หน่วยคืออะไร, ระยะเวลาคืออะไร, มีค่าใดที่ขาดหายไป/ไม่ถูกต้องหรือไม่
3. ดึงข้อมูลส่วนบุคคล ไม่ระบุชื่อ/รวมกลุ่มหากไม่จำเป็นต้องระบุตัวตนส่วนบุคคลสำหรับการวิเคราะห์ (ดูหน่วยที่ 11)
4. สรุปและแบบแผนออกมา ให้ AI ทำสถิติพื้นฐาน การจัดกลุ่ม และการทำเครื่องหมายความผิดปกติ
5. สอบถามความคิดเห็น. ความสัมพันธ์หรือสาเหตุ? คำอธิบายทางเลือก? กลุ่มหาย?
6. เห็นภาพและลดความซับซ้อน สรุปและกราฟิกง่ายๆ ที่ผู้มีอำนาจตัดสินใจสามารถเข้าใจได้
7. บันทึกการตัดสินใจและเหตุผลของมัน การตัดสินใจใดขึ้นอยู่กับข้อมูลใด เส้นทางการตรวจสอบ

มินิเคสสามอัน

กรณีที่ 1 — แหล่งที่มาไปถูกที่แล้ว ในอดีต เทศบาลเมืองแห่งหนึ่งกระจายงบประมาณการบำรุงรักษาสวนสาธารณะ "เท่าๆ กันในแต่ละละแวกใกล้เคียง" เมื่อวิเคราะห์ข้อมูลความต้องการและการใช้งานในช่วง 18 เดือนด้วย AI ความต้องการต่อหัวของย่านใกล้เคียงทั้งสามคือ 2.4 เท่าของค่าเฉลี่ย งบประมาณถูกจัดสรรใหม่ตามความต้องการ ความพึงพอใจโดยรวมเพิ่มขึ้นโดยไม่มีค่าใช้จ่ายเพิ่มเติม

กรณีที่ 2 — สังเกตเห็นข้อมูลเอนเอียง หน่วยงานจะดูข้อมูลแอปพลิเคชันดิจิทัลและสรุปว่า “ประชาชนไม่มาที่ตู้เก็บค่าผ่านทางอีกต่อไป” แต่เมื่อมีการขอแยกย่อยอายุในการวิเคราะห์ พบว่าใบสมัครที่อายุเกิน 65 ปีส่วนใหญ่ยังมาจากเคาน์เตอร์ หากดูเฉพาะข้อมูลดิจิทัล กลุ่มนี้จะถูกละเลย บริการบ็อกซ์ออฟฟิศได้รับการเก็บรักษาไว้

กรณีที่ 3 — สาเหตุที่ตั้งใจหยุดทำงาน ขณะแปลตาราง YZ กล่าวว่า "อุบัติเหตุลดลงเนื่องจากจำนวนการตรวจสอบเพิ่มขึ้น" นักวิเคราะห์เตือนว่าสภาพอากาศเปลี่ยนแปลงและการจราจรลดลงในช่วงเวลาเดียวกัน การอ้างว่าเป็นสาเหตุเดียวทำให้เข้าใจผิด รายงานได้รับการแก้ไขโดยระบุว่า "มีความสัมพันธ์แต่สาเหตุยังไม่ได้รับการพิสูจน์"

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) ทำความรู้จักกับตาราง:

บทบาทของคุณ: นักวิเคราะห์ข้อมูล ตรวจสอบตารางด้านล่างและยึดตามเฉพาะค่าในตารางนี้: (1) สรุปว่าแต่ละคอลัมน์คืออะไร หน่วยและระยะเวลา (2) เซลล์ใดๆ ที่ปรากฏหายไป/ไม่ถูกต้อง (3) สรุปรูปแบบ 3 อันดับแรกที่โดดเด่น การบวกตัวเลขจากนอกตาราง หากไม่มีข้อมูล ให้พูดว่า "ไม่มีข้อมูล" ตาราง: [วางข้อมูล]

2) สถิติสรุปพร้อมบริบท:

ตอบคำถามต่อไปนี้จากตารางด้านล่าง: [คำถาม] ต้องให้ผลลัพธ์พร้อมบริบท: จำนวนสัมบูรณ์ + อัตรา + ระยะเวลาการเปรียบเทียบ เมื่อพูดว่า "เพิ่มขึ้น X%" ให้ระบุขอบเขตและช่วงเวลาใด เพียงใช้ข้อมูลที่กำหนด ตาราง: [ข้อมูล] คำถาม: [คำถาม]

3) ผู้ถามเชิงสาเหตุ:

ให้ตีความการค้นพบต่อไปนี้ แต่ข้อควรระวัง: อย่าสับสนระหว่างความสัมพันธ์กับสาเหตุ สร้างคำอธิบายทางเลือกอย่างน้อย 3 รายการสำหรับความสัมพันธ์นี้ (ตัวแปรที่สาม ทิศทางย้อนกลับ ความบังเอิญ) บอกฉันว่าจำเป็นต้องมีข้อมูลเพิ่มเติมอะไรบ้างในการพิสูจน์สาเหตุ การค้นหา: [ความสัมพันธ์]

4) สรุปง่ายๆ สำหรับการตัดสินใจ:

ลดความซับซ้อนของการวิเคราะห์ต่อไปนี้สำหรับผู้มีอำนาจตัดสินใจที่ไม่ใช่ผู้เชี่ยวชาญด้านข้อมูล: ไม่เกิน 5 รายการ แต่ละรายการเป็นข้อค้นพบและคำอธิบาย "สิ่งนี้หมายความว่าอย่างไร" พร้อมทั้งเขียนความไม่แน่นอนและขีดจำกัดของข้อมูลไว้อย่างชัดเจน การเพิ่มข้อมูลใหม่การวิเคราะห์: [ข้อความ]

พรอมต์อ่อน / พรอมต์แรง

จุดอ่อน: "วิเคราะห์แผนภูมินี้แล้วบอกเราว่าเราควรทำอย่างไร"

Strong: "บทบาทของคุณคือนักวิเคราะห์ข้อมูล ใช้ตารางด้านล่างเท่านั้น อย่าเพิ่มตัวเลขจากภายนอก พูดว่า 'ไม่มีข้อมูล' ลงในเซลล์ที่ขาดไป ขั้นแรก ทำความรู้จักกับคอลัมน์ หน่วย และช่วงเวลา จากนั้นตอบคำถาม 'ย่านใกล้เคียงใดมีเวลาแก้ปัญหาที่ยาวที่สุด' ด้วยจำนวนสัมบูรณ์ + อัตราส่วน + ระยะเวลาการเปรียบเทียบ หากคุณพบรูปแบบ ให้หาคำอธิบายทางเลือก 3 รายการก่อนที่จะอธิบายด้วยเหตุและผล สุดท้าย ให้ระบุจุดและขอบเขตของข้อมูล (กลุ่มที่ขาดหายไป ระยะเวลาสั้น) ที่ออกจากการตัดสินใจ สำหรับเรา"

ความแตกต่าง: การแจ้งเตือนที่ชัดเจนจะสร้างความเที่ยงตรงของข้อมูล บริบท วินัยเชิงเหตุและผล และขอบเขตการตัดสินใจร่วมกัน ผลลัพธ์คือการวิเคราะห์ที่สามารถป้องกันได้

AI จะน่าเชื่อถือในธุรกิจข้อมูลได้ที่ไหน?

ธุรกิจ

เอไอไว้วางใจ

กฎ

สรุปตารางการจัดกลุ่ม

สูง

ข้อมูลที่ให้ไว้เท่านั้น

ความผิดปกติ/การทำเครื่องหมายรูปแบบ

ปานกลาง

การยืนยันของมนุษย์

การตีความเชิงสาเหตุ

ต่ำ

จำเป็นต้องมีคำอธิบายอื่น

การกรอกข้อมูลที่ขาดหายไป

ต่ำเกินไป

อย่าทำให้มันเกิดขึ้น "ไม่มีข้อมูล"

ลดความซับซ้อน/สรุปภาพ

สูง

ความหมายต้องคงไว้

การออกแบบตัวบ่งชี้และกับดักแผนภูมิที่ทำให้เข้าใจผิด

ขั้นตอนที่สำคัญที่สุดในการตัดสินใจด้วยข้อมูลคือการเลือกตัวบ่งชี้ที่ถูกต้อง (นิพจน์ตัวเลขที่ทำให้ปรากฏการณ์สามารถวัดได้ เช่น “เวลาประมวลผลโดยเฉลี่ย” หรือ “ต้นทุนต่อแอปพลิเคชัน”) ตัวบ่งชี้ที่ไม่ถูกต้องนำไปสู่การตัดสินใจที่ไม่ถูกต้อง แม้ว่าจะมีข้อมูลที่ถูกต้องก็ตาม แม้ว่า "จำนวนการเรียกร้องที่ได้รับการแก้ไขทั้งหมด" ดูเหมือนจะเพิ่มขึ้น แต่ "เวลาในการรอต่อพลเมืองหนึ่งคน" อาจแย่ลง AI สามารถแสดงรายการตัวบ่งชี้ผู้สมัครสำหรับหัวข้อ รวมถึงสิ่งที่แต่ละมาตรการและปกปิด แต่คุณตัดสินใจว่าตัวบ่งชี้ใดที่แสดงถึงผลประโยชน์สาธารณะอย่างแท้จริง นอกจากนี้ ควรคำนึงถึงความเสี่ยงในการมองเห็นภาพที่ทำให้เข้าใจผิด (การบิดเบือนการรับรู้ด้วยเทคนิคต่างๆ เช่น แกนไม่เริ่มจากศูนย์ สเกลไม่สมส่วน ช่วงเวลาที่เลือก) ในกราฟที่ AI แนะนำหรืออธิบาย การแสดงภาพที่ซื่อสัตย์ในข้อมูลสาธารณะเป็นส่วนหนึ่งของการกำกับดูแล

มินิเคส - สัญญาณผิด โม้ผิด หน่วยหนึ่งทำลายสถิติในตัวบ่งชี้ "จำนวนไฟล์ที่ถูกปิดต่อเดือน"; แต่การร้องเรียนของประชาชนเพิ่มขึ้น เมื่อดูตัวบ่งชี้ที่แม่นยำ “อัตราการแก้ปัญหาการติดต่อครั้งแรก” อัตรานี้ลดลงจาก 58 เปอร์เซ็นต์เป็น 44 เปอร์เซ็นต์ — ไฟล์ถูกปิดและเปิดใหม่อย่างรวดเร็ว เมื่อตัวบ่งชี้เปลี่ยนไป ลำดับความสำคัญของการจัดการก็เปลี่ยนไปด้วย

Mini case — แกนที่ไม่ได้เริ่มจากศูนย์ บนกราฟที่ AI อธิบายไว้ในงานนำเสนอ แกนตั้งเริ่มต้นที่ 40 ซึ่งเพิ่มขึ้น 2 เปอร์เซ็นต์ดูเหมือนเป็นการก้าวกระโดดอย่างมาก เมื่อแกนถูกย้ายไปที่ศูนย์ ภาพที่แท้จริงก็ปรากฏขึ้น และการตัดสินใจก็ถูกขจัดออกจากการรับรู้ที่เกินจริง

เทมเพลตที่รองรับการเลือกตัวบ่งชี้:

ภารกิจ: เสนอแนะตัวบ่งชี้ผู้สมัคร 5 ตัวเพื่อวัตถุประสงค์ดังต่อไปนี้ วัตถุประสงค์: [เช่น การปรับปรุงคุณภาพการบริการประชาชน]สำหรับตัวบ่งชี้แต่ละตัว: มีมาตรการอะไร | มันซ่อนอะไรได้บ้าง | การเปิดกว้างต่อการจัดการ | ความถี่ในการอ่านที่แนะนำ ถัดไป: เขียนคำเตือน 3 ข้อ (คำเตือนที่ทำให้เข้าใจผิดด้วยตนเอง) เพื่ออ่านตัวบ่งชี้เหล่านี้ร่วมกัน กฎ: ห้ามสร้างตัวเลข เพียงแนะนำการออกแบบตัวบ่งชี้

ข้อควรระวัง: อย่าเข้าใจผิดว่า "ตัวเลขมีวัตถุประสงค์" ตัวเลขที่คุณวัด วิธีที่คุณแสดง และช่วงที่คุณเลือก ล้วนเป็นเรื่องของการตีความ การตีความสาธารณะที่โปร่งใสและซื่อสัตย์มีความสำคัญพอๆ กับการมีข้อมูลที่ถูกต้อง

ข้อผิดพลาดทั่วไป

• ความสัมพันธ์ที่ผิดพลาดสำหรับสาเหตุ “เพิ่มขึ้นมาด้วยกัน” ไม่ใช่เหตุ; มองหาคำอธิบายอื่น
• การมี AI กรอกข้อมูลที่ขาดหายไป การวิเคราะห์จะพังทลายลงพร้อมกับมูลค่าที่ถูกสร้างขึ้น ปล่อยให้สิ่งที่ขาดหายหายไป
• การสรุปข้อมูลที่มีอคติ การร้องเรียน/ข้อมูลดิจิทัลไม่ได้เป็นตัวแทนของทุกคน สอบถามกลุ่มที่หายไป
• การนำเสนอตัวเลขโดยไม่มีบริบท ถัดจากอัตราส่วนควรมีจำนวนสัมบูรณ์และระยะเวลาการเปรียบเทียบ
• การวิเคราะห์ข้อมูลส่วนบุคคลโดยไม่จำเป็น อย่าใช้การระบุตัวตนส่วนบุคคลหากข้อมูลที่รวบรวมไว้เพียงพอ
• ไม่บันทึกการตัดสินใจ การตัดสินใจใดขึ้นอยู่กับข้อมูลที่ควรบันทึกไว้เพื่อตรวจสอบ

โดยสรุป

การตัดสินใจโดยอาศัยข้อมูลเป็นวิธีที่มีประสิทธิภาพที่สุดในการกระจายทรัพยากรอย่างยุติธรรมและมีประสิทธิภาพในภาครัฐ AI เป็นตัวช่วยที่รวดเร็วในธุรกิจนี้ที่เข้าใจภาพ ค้นหารูปแบบ และทำให้การค้นหาง่ายขึ้น แต่อย่าให้ AI แต่งตัวเลข อย่าทำให้มันกรอกข้อมูลที่ขาดหายไป อย่าปล่อยให้มันสร้างความสับสนระหว่างความสัมพันธ์กับความเป็นเหตุเป็นผล และหลีกเลี่ยงการสรุปข้อมูลที่เอนเอียง/ไม่สมบูรณ์โดยทั่วไป มีความแข็งแกร่งเป็นตัวเลข ผู้ที่ตีความอย่างถูกต้องและบันทึกการตัดสินใจจะแข็งแกร่งกว่า

งานสมัคร

รับตารางจริง (ข้อมูลส่วนบุคคลที่ถูกปล้น) จากหน่วยของคุณ แนะนำข้อมูลด้วยเทมเพลต "ทำความรู้จักกับตาราง" จากนั้นตอบคำถามสำคัญสำหรับการตัดสินใจด้วยเทมเพลต "สถิติสรุปตามบริบท" ใช้เทมเพลต "ผู้ถามเชิงสาเหตุ" กับความสัมพันธ์ที่กำลังเกิดขึ้นและค้นหาคำอธิบายทางเลือกอย่างน้อยหนึ่งข้อ ตรวจสอบว่า AI กำลังบวกตัวเลขจากนอกตารางหรือไม่

รายการตรวจสอบ

• [ ] AI ใช้เฉพาะตารางที่กำหนดเท่านั้น เขาไม่ได้บวกเลขจากข้างนอก
• [ ] ฉันไม่ได้กรอกข้อมูลที่ขาดหายไป ฉันปล่อยให้มันเป็น "ไม่มีข้อมูล"
• [ ] ฉันนำเสนอผลลัพธ์แต่ละรายการพร้อมบริบท (จำนวนสัมบูรณ์ + อัตรา + ระยะเวลา)
• [ ] ฉันจัดทำคำอธิบายทางเลือกอื่นสำหรับการกล่าวอ้างเกี่ยวกับสาเหตุ
• [ ] ฉันประเมินความเสี่ยงของข้อมูลเอนเอียง/หายไปและกลุ่มที่หายไป
• [ ] ฉันบันทึกการตัดสินใจและข้อมูลที่เป็นพื้นฐาน