Прибуток:
- Здатність виробляти розуміння, орієнтоване на прийняття рішень, на основі розрізнених даних, розуміючи ланцюжок дані-інформація-розуміння-рішення та крок за кроком використовуючи штучний інтелект
- Здатність розкривати правду, приховану загальними числами, через розбивку сегментів і відрізняти кореляцію від причинно-наслідкового зв’язку
- Здатність розглядати причини, запропоновані штучним інтелектом, як гіпотези, які потрібно перевірити, і базувати остаточне рішення на перевіреному розумінні
Щодня на стіл керівника надходять десятки цифр: дані про продажі, витрати, скарги клієнтів, рівень запасів, плинність кадрів. Але лише кількість не є вирішальним. Рішення починається з того, що ви бачите значення числа. «Продажі впали на 8 відсотків порівняно з минулим місяцем» — це даність; «Зменшення продажів пов’язане з тим, що два великі клієнти в регіоні Егейського моря відклали виконання своїх замовлень», — таке розуміння. Тут підтримка прийняття рішень - процес, який робить дані значущими для менеджера, щоб приймати кращі рішення - є мостом, який перетворює дані на розуміння. У цьому розділі ми навчимося використовувати ШІ на цьому мосту. Межа чітка з самого початку: штучний інтелект створює чернетки; Менеджер вирішує, яке розуміння справжнє і що робити.
Чотири кроки від даних до розуміння
Підтримка прийняття рішень - це сходи. Перша цифра — дані: вихідні цифри (цього місяця надійшло 1240 замовлень). Друга цифра — інформація: відредагована, порівняна кількість (зменшення на 8 відсотків порівняно з минулим місяцем). Третій рівень — інсайт: розуміння причини відмови (затримка від двох великих клієнтів). Крок четвертий — рішення: що робити (опитувати цих клієнтів і націлюватися на нових клієнтів). AI дуже швидкий на першому і другому кроках, хороший помічник на третьому, пропонує варіанти лише на четвертому.
Знати цю драбину важливо, оскільки більшість менеджерів прямо просять ШІ «вирішувати за мене» і розчаровуються. Однак, якщо ви крок за кроком виконуєте штучний інтелект — спочатку узагальнюєте, потім порівнюєте, потім сумніваєтеся в можливих причинах і, нарешті, самостійно приймаєте рішення, — ви будете швидкими та надійними.
Підказка: запитайте ШІ: «Що ви зробили з цих даних?» Замість того, щоб запитувати все одразу, переходьте крок за кроком, кажучи: «спочатку підсумуйте, потім покажіть 3 найбільш помітні зміни, а потім запропонуйте 2 можливі причини для кожної». Поетапне мислення дає точніші результати.
Пастка кореляції та причинності
Найнебезпечнішим недоліком підтримки прийняття рішень є помилкове сприйняття кореляції за причинно-наслідковий зв’язок. Кореляція - це коли дві речі рухаються разом (продажі морозива та утоплення збільшуються разом влітку). Причинно-наслідковий зв’язок – це коли одне призводить до іншого (морозиво не викликає задухи; спекотна погода є загальною причиною). ШІ дуже добре знаходить речі, які рухаються разом у ваших даних, але він не може визначити справжню причину. Вислів «витрати на рекламу зросли, а продажі зросли» не доводить, що реклама збільшила продажі; можливо, на обох вплинув святковий сезон.
Тому, коли штучний інтелект пропонує причину, розглядайте це як гіпотезу (припущення, яке потрібно довести), а не як факт. «Як це перевірити?» запитати. Хороший менеджер перевіряє причину, яку пропонує AI, у полі або за допомогою даних.
три міні-чохла
Випадок 1 — Спіймати таємне падіння. У компанії електронної комерції загальний оборот здавався стабільним, ніхто не стривожився. Менеджер надає AI анонімні щомісячні дані та запитує: «Який сегмент зростає, а який скорочується на основі категорії?» запитав він. YZ показав, що хоча загальний товарообіг був постійним, категорія високоприбуткової електроніки фактично впала на 22 відсотки, при цьому це маскували низькорентабельні продажі аксесуарів. Менеджер це підтвердив і зупинився на категорії електроніка. Загальна кількість була прихована; Розрив відкрив правду.
Випадок 2 — звернення до неправильної причини. Керівник мережі кафе передав дані про продажі ШІ. «Розпродажі у вихідні змінюються відповідно до температури погоди», — сказав YZ. Менеджер прочитав це як «жарка погода збільшує продажі» і вимкнув кондиціонери. Однак справжньою причиною було збільшення клієнтського трафіку на вихідних; Температура випадково змінилася в тому ж напрямку. Керівник помилково прийняв кореляцію за причинно-наслідковий зв’язок. Він засвоїв свій урок і відтепер перевірив усі причини.
Випадок 3 — Правильне порівняння. Порівнювали ефективність двох заводів виробничого підприємства. Менеджер запитує ШІ: «Чи фабрика А ефективніша за Б?» — запитав він, але ШІ не знав, що фабрика А була новішою і меншою. Менеджер виправив підказку: «порівняйте врожайність одиниці з урахуванням розміру та різниці у віці». Цього разу аналіз був справедливим і виявилася справжня різниця.
Чотири шаблони, які можна копіювати
1) Поетапне вилучення інформації:
Ваша роль: бізнес-аналітик, який допомагає керівнику. Використовуйте додані анонімні дані (період, категорія, продажі, вартість). Продовжуйте крок за кроком: 1) Узагальніть дані в 4 пунктах. 2) Покажіть 3 найбільш помітні зміни порівняно з минулим періодом. 3) Запропонуйте до 2 МОЖЛИВИХ причин для кожної зміни та вкажіть, що це гіпотези та потрібні докази. Не вигадуйте цифр, яких немає в наданих мною даних.
2) Розбивка (сегментний) аналіз:
Навіть якщо загальні цифри здаються стабільними, я хочу знати, що відбувається всередині. Розбийте додані дані за категоріями/регіонами/сегментами клієнтів. Покажіть у таблиці, який сегмент зростає, а який зменшується. Особливо позначте розвороти, які маскують тотал.
3) Кореляційно-причинний тест:
Я знайшов такий зв’язок: [А і В рухаються разом]. Допоможіть мені зрозуміти, чи це справжня причина та наслідок, чи просто спільна дія. Перелічіть можливі ПОШИРЕНІ причини та запропонуйте 3 практичні перевірки, які я можу зробити, щоб перевірити цей зв’язок.
4) Генерація варіанту рішення:
Я підтвердив це розуміння: [insight].НЕ вирішуйте за мене; натомість згенеруйте 3 різні варіанти дій. Для кожного варіанту: очікувана вигода, оцінена вартість/зусилля, основний ризик і ситуація, якій слід віддати перевагу. Представте варіанти нейтрально; не нав'язуй комусь.
Слабка підказка / Сильна підказка
Слабка підказка:
Чому впали продажі?
Ні даних, ні періоду, ні контексту. AI перераховує загальні причини (економія, конкуренція, сезон); Жодне з них не стосується вашої ситуації та не може бути перевірено.
Потужна підказка:
Ваша роль: роздрібний аналітик. Використовуйте додані анонімні дані за 6 місяців (місяць, регіон, категорія, кількість продажів, оборот). Загальний товарообіг за останній місяць знизився на 8%. Розбийте це за регіонами та категоріями; з'ясувати, з якого сегмента відбувається падіння. Запропонуйте до 2 перевірених гіпотез для кожного знайденого відхилення. Просто використовуйте цифри, які я вам дав.
Розмір
поганий підхід
Сильний підхід
дані
Жодного
Анонімно та додається
Питання
Загальне «чому?»
Заломлений і сфокусований
вихід
Загальні причини
Перевірені гіпотези
Перевіряемість
низький
висока
значення рішення
менше
висока
Поширені помилки
- Спираючись на загальну кількість. Хоча загальна сума постійна, всередині можуть бути великі розвороти; Обов'язково подивіться на розбивку.
- Помилково приймаючи кореляцію за причинно-наслідковий зв’язок. Розглядайте взаємозв’язок, який знаходить ШІ, як гіпотезу, яку потрібно перевірити, а не як доказ.
- Несправедливе порівняння. Не порівнюйте одиниці різних розмірів/віку/станів, не нормалізувавши їх.
- Запит рішень безпосередньо від ШІ. AI генерує варіанти; Ви несете рішення та відповідальність.
- Складання висновків за даними за один період. Для визначення тенденцій потрібні достатні історичні дані.
Застереження. Незалежно від того, наскільки розумним здається розуміння, воно не повинно стати рішенням, якщо його не можна перевірити за допомогою ваших даних. «ШІ так сказав» не є виправданням; «Я протестував це з даними, і це було підтверджено» - це обґрунтування.
Підсумовуючи
Підтримка прийняття рішень — це сходи, які перетворюють дані на розуміння: дані, інформація, розуміння, рішення. ШІ дуже швидкий на перших двох етапах, хороший помічник на третьому, і просто постачальник опцій на четвертому. Подивіться на розподіл, а не на загальні цифри; Не плутайте кореляцію з причинно-наслідковим зв’язком; Перегляньте причини, які ШІ пропонує як гіпотези для перевірки. Поетапне мислення дає точніші результати. Остаточне рішення приймає менеджер на основі підтвердженого розуміння.
Аплікаційне завдання
Підготуйте анонімний набір даних вашого бізнесу (наприклад, продажі за категоріями за останні 6 місяців). Попросіть штучний інтелект розбити сегменти за допомогою шаблону «Аналіз розбивки» вище. Створіть гіпотезу за допомогою шаблону «Тест кореляції та причинно-наслідкового зв’язку» для найбільшої знайденої зміни та запишіть, як ви перевірятимете цю гіпотезу в полі у 3 пунктах.
контрольний список
- [ ] Чи я анонімізував дані?
- [ ] Чи дивився я на розподіл (сегмент), а не на загальну суму?
- [ ] Чи вважав я причину, запропоновану ШІ, гіпотезою?
- [ ] Чи справедливо (нормализовано) я встановив порівняння?
- [ ] Чи я сам прийняв рішення на основі перевірених думок?