فیصلے کی حمایت: ڈیٹا کو بصیرت میں تبدیل کرنا

فائدہ:

• ڈیٹا-انفارمیشن-بصیرت-فیصلے کی سیڑھی کو سمجھ کر اور مصنوعی ذہانت کو مرحلہ وار انجام دے کر منتشر ڈیٹا سے فیصلہ سازی پر مبنی بصیرت پیدا کرنے کی صلاحیت
• سیگمنٹ بریک ڈاؤن کے ذریعے کل نمبروں سے چھپے ہوئے سچ کو ظاہر کرنے اور وجہ سے تعلق کو الگ کرنے کی صلاحیت
• مصنوعی ذہانت کے ذریعہ تجویز کردہ وجوہات کو جانچنے کے لئے فرضی تصورات کے طور پر علاج کرنے کی صلاحیت اور حتمی فیصلہ تصدیق شدہ بصیرت پر مبنی ہے

مینیجر کی میز پر روزانہ درجنوں نمبر آتے ہیں: سیلز کے اعداد و شمار، اخراجات، صارفین کی شکایات، انوینٹری کی سطح، ملازمین کے کاروبار کی شرح۔ لیکن اکیلے نمبر فیصلہ نہیں ہے. فیصلہ نمبر کے اندر معنی دیکھنے کے ساتھ شروع ہوتا ہے۔ "گذشتہ مہینے کے مقابلے میں فروخت 8 فیصد کم ہے" دی گئی ہے۔ "فروخت میں کمی ایجیئن کے علاقے میں دو بڑے صارفین کی طرف سے اپنے آرڈرز ملتوی کرنے کی وجہ سے ہے" ایک بصیرت ہے۔ یہاں، فیصلے کی حمایت - وہ عمل جو مینیجر کے لیے بہتر فیصلے کرنے کے لیے ڈیٹا کو معنی خیز بناتا ہے - وہ پل ہے جو ڈیٹا کو بصیرت میں بدل دیتا ہے۔ اس یونٹ میں، ہم اس پل پر AI کو استعمال کرنے کا طریقہ سیکھیں گے۔ حد شروع سے ہی واضح ہے: AI مسودہ بصیرت پیدا کرتا ہے۔ مینیجر فیصلہ کرتا ہے کہ کون سی بصیرت حقیقی ہے اور کیا کرنا ہے۔

ڈیٹا سے بصیرت تک چار مراحل

فیصلے کی حمایت ایک سیڑھی ہے۔ پہلا ہندسہ — ڈیٹا: خام نمبر (اس مہینے 1,240 آرڈر آئے)۔ دوسرا ہندسہ — معلومات: ترمیم شدہ، مقابلے کی تعداد (گزشتہ ماہ سے 8 فیصد کم)۔ تیسرا درجہ — بصیرت: کمی کی وجہ کو سمجھنا (دو بڑے صارفین کی طرف سے تاخیر)۔ چوتھا مرحلہ — فیصلہ: کیا کرنا ہے (ان صارفین کا انٹرویو لیں اور نئے صارفین کو ہدف بنائیں)۔ AI پہلے اور دوسرے مرحلے پر بہت تیز ہے، تیسرے پر ایک اچھا مددگار ہے، صرف چوتھے پر اختیارات پیش کرتا ہے۔

اس سیڑھی کو جاننا ضروری ہے کیونکہ زیادہ تر مینیجرز براہ راست AI سے "میرے لیے فیصلہ کرنے" اور مایوس ہونے کو کہتے ہیں۔ تاہم، اگر آپ AI کو مرحلہ وار انجام دیتے ہیں - پہلے خلاصہ کریں، پھر موازنہ کریں، پھر ممکنہ وجوہات پر سوال کریں، اور آخر میں فیصلہ خود کریں - آپ دونوں تیز اور قابل اعتماد ہوں گے۔

اشارہ: AI سے پوچھیں "آپ اس ڈیٹا سے کیا اندازہ لگاتے ہیں؟" ایک ساتھ سب کچھ پوچھنے کے بجائے، یہ کہہ کر قدم بہ قدم آگے بڑھیں کہ "پہلے خلاصہ کریں، پھر 3 سب سے قابل ذکر تبدیلیاں دکھائیں، پھر ہر ایک کے لیے 2 ممکنہ وجوہات تجویز کریں۔" مرحلہ وار سوچ زیادہ درست نتائج دیتی ہے۔

ارتباط اور وجہ کا جال

فیصلے کی حمایت کا سب سے خطرناک خرابی وجہ کا غلط تعلق ہے۔ باہمی تعلق اس وقت ہوتا ہے جب دو چیزیں ایک ساتھ چلتی ہیں (گرمیوں میں آئس کریم کی فروخت اور ڈوبنے کی تعداد ایک ساتھ بڑھ جاتی ہے)۔ وجہ اس وقت ہوتی ہے جب ایک دوسرے کی طرف لے جاتا ہے (آئس کریم گھٹن کا سبب نہیں بنتی؛ گرم موسم عام وجہ ہے)۔ AI آپ کے ڈیٹا میں ایک ساتھ حرکت کرنے والی چیزوں کو تلاش کرنے میں بہت اچھا ہے، لیکن یہ نہیں بتا سکتا کہ اصل وجہ کون سی ہے۔ یہ کہنا کہ "اشتہاری اخراجات میں اضافہ ہوا اور فروخت میں اضافہ ہوا" یہ ثابت نہیں کرتا کہ اشتہارات نے فروخت میں اضافہ کیا۔ شاید دونوں تہواروں کے موسم سے متاثر ہوئے تھے۔

لہذا جب AI کوئی وجہ بتاتا ہے، تو اسے ایک مفروضے کے طور پر سمجھو (مفروضہ جس کو ثابت کرنے کی ضرورت ہے)، حقیقت کے طور پر نہیں۔ "میں اس کی جانچ کیسے کروں؟" پوچھنا ایک اچھا مینیجر فیلڈ میں یا ڈیٹا کے ساتھ AI کی تجویز کردہ وجہ کی جانچ کرتا ہے۔

تین چھوٹے مقدمات

کیس 1 - خفیہ زوال کو پکڑنا۔ ایک ای کامرس کمپنی میں، کل ٹرن اوور مستحکم دکھائی دے رہا تھا، کوئی بھی پریشان نہیں ہوا۔ مینیجر AI کو گمنام ماہانہ ڈیٹا دیتا ہے اور پوچھتا ہے "کون سا طبقہ بڑھ رہا ہے اور کون سا زمرہ کی بنیاد پر سکڑ رہا ہے؟" اس نے پوچھا. YZ نے ظاہر کیا کہ جب کل ​​ٹرن اوور مستقل تھا، زیادہ منافع بخش الیکٹرانکس کیٹیگری میں درحقیقت 22 فیصد کی کمی واقع ہوئی، جس میں کم منافع والے آلات کی فروخت اس کو چھپا رہی ہے۔ مینیجر نے اس کی تصدیق کی اور الیکٹرانکس کے زمرے پر توجہ مرکوز کی۔ کل تعداد چھپائی گئی تھی۔ وقفے سے حقیقت سامنے آگئی۔

کیس 2 - غلط وجہ کی طرف بھاگنا۔ ایک کیفے چین کے مینیجر نے AI کو سیلز ڈیٹا دیا۔ "ویک اینڈ سیلز موسم کے درجہ حرارت کے ساتھ چلتی ہے،" YZ نے کہا۔ مینیجر نے اسے "گرم موسم سیلز بڑھاتا ہے" کے طور پر پڑھا اور ایئر کنڈیشنر کو ٹھکرا دیا۔ تاہم، اصل وجہ ہفتے کے آخر میں صارفین کی بڑھتی ہوئی ٹریفک تھی۔ درجہ حرارت اتفاق سے اسی سمت میں چلا گیا۔ مینیجر نے وجہ کے لیے ارتباط کو غلط سمجھا۔ اس نے اپنا سبق سیکھا اور اب سے ہر وجہ کو جانچا۔

کیس 3 - موازنہ کو درست طریقے سے قائم کرنا۔ ایک پیداواری ادارے میں دو کارخانوں کی کارکردگی کا موازنہ کیا جا رہا تھا۔ مینیجر AI سے پوچھتا ہے، "کیا فیکٹری A B سے زیادہ موثر ہے؟" اس نے پوچھا، لیکن اے آئی کو نہیں معلوم تھا کہ فیکٹری اے نئی اور چھوٹی تھی۔ مینیجر نے فوری طور پر درست کیا: "فی یونٹ پیداوار کا موازنہ کریں، اکاؤنٹ کے سائز اور عمر کے فرق کو مدنظر رکھتے ہوئے"۔ اس بار تجزیہ منصفانہ تھا اور اصل فرق سامنے آگیا۔

چار کاپی کرنے کے قابل ٹیمپلیٹس

1) مرحلہ وار بصیرت نکالنا:

آپ کا کردار: مینیجر کی مدد کرنے والا کاروباری تجزیہ کار۔ منسلک گمنام ڈیٹا (مدت، زمرہ، فروخت، قیمت) استعمال کریں۔ مرحلہ وار آگے بڑھیں: 1) 4 آئٹمز میں ڈیٹا کا خلاصہ کریں۔ 2) پچھلی مدت کے مقابلے 3 سب سے زیادہ قابل ذکر تبدیلیاں دکھائیں۔ 3) ہر تبدیلی کے لیے 2 تک ممکنہ وجوہات تجویز کریں اور بتائیں کہ یہ مفروضے ہیں اور ثبوت کی ضرورت ہے۔ کوئی بھی نمبر نہ بنائیں جو میرے فراہم کردہ ڈیٹا میں موجود نہیں ہے۔

2) بریک ڈاؤن (طبقہ) تجزیہ:

یہاں تک کہ اگر کل تعداد مستحکم معلوم ہوتی ہے، میں جاننا چاہتا ہوں کہ اندر کیا ہو رہا ہے۔ زمرہ/علاقہ/کسٹمر طبقہ کے لحاظ سے منسلک ڈیٹا کو توڑ دیں۔ ٹیبل میں دکھائیں کہ کون سا طبقہ بڑھ رہا ہے اور کون سا سکڑ رہا ہے۔ خاص طور پر الٹ کو نشان زد کریں جو کل کو چھپاتے ہیں۔

3) باہمی تعلق کی جانچ:

مجھے یہ رشتہ ملا: [A اور B ایک ساتھ چلتے ہیں]۔ مجھے یہ سمجھنے میں مدد کریں کہ آیا یہ صحیح وجہ اور اثر ہے یا صرف ایک ساتھ عمل ہے۔ ممکنہ عام وجوہات کی فہرست بنائیں اور 3 عملی جانچیں تجویز کریں جو میں اس تعلق کو جانچنے کے لیے کر سکتا ہوں۔

4) فیصلہ آپشن جنریشن:

میں نے اس بصیرت کی تصدیق کی: [بصیرت]۔ میرے لیے فیصلہ نہ کریں؛ اس کے بجائے، 3 مختلف کارروائی کے اختیارات تیار کریں۔ ہر آپشن کے لیے: متوقع فائدہ، تخمینہ لاگت/کوشش، بڑا خطرہ، اور کس صورت حال کو ترجیح دی جانی چاہیے۔ اختیارات کو غیر جانبداری سے پیش کریں۔ کسی کو مسلط نہ کرو.

کمزور فوری / مضبوط اشارہ

کمزور اشارہ:

فروخت کیوں کم ہوئی؟

کوئی ڈیٹا، کوئی مدت، کوئی سیاق و سباق نہیں۔ AI عام وجوہات کی فہرست دیتا ہے (معیشت، مقابلہ، موسم)؛ ان میں سے کوئی بھی آپ کی صورت حال سے مخصوص نہیں ہے اور اس کی تصدیق نہیں کی جا سکتی ہے۔

طاقتور اشارہ:

آپ کا کردار: خوردہ تجزیہ کار۔ منسلک گمنام 6 ماہ کا ڈیٹا (مہینہ، علاقہ، زمرہ، فروخت کی تعداد، کاروبار) استعمال کریں۔ پچھلے مہینے میں کل ٹرن اوور میں 8 فیصد کمی واقع ہوئی۔ اسے علاقے اور زمرے کے لحاظ سے توڑ دیں۔ معلوم کریں کہ کس طبقے سے کمی آرہی ہے۔ آپ کو ملنے والی ہر کمی کے لیے 2 تک قابل امتحان مفروضے تجویز کریں۔ صرف ان نمبروں کا استعمال کریں جو میں نے آپ کو دیا ہے۔

سائز

غریب نقطہ نظر

مضبوط نقطہ نظر

ڈیٹا

کوئی نہیں۔

گمنام اور منسلک

سوال

جنرل "کیوں؟"

Refracted اور توجہ مرکوز

آؤٹ پٹ

عمومی وجوہات

قابل امتحان مفروضے۔

تصدیق کی اہلیت

کم

اعلی

فیصلے کی قدر

کم

اعلی

عام غلطیاں

• کل تعداد پر انحصار کرنا۔ جبکہ کل مستقل ہے، اندر بڑے الٹ پھیر ہو سکتے ہیں۔ بریک ڈاؤن کو ضرور دیکھیں۔
• وجہ کے لیے غلط تعلق۔ AI کو جانچنے کے لیے ایک مفروضے کے طور پر پایا جانے والا تعلق دیکھیں، ثبوت کے طور پر نہیں۔
• غیر منصفانہ موازنہ۔ مختلف سائز/عمر/حالات کی اکائیوں کو معمول بنائے بغیر ان کا موازنہ نہ کریں۔
• براہ راست AI سے فیصلوں کی درخواست کرنا۔ AI اختیارات پیدا کرتا ہے۔ آپ فیصلہ اور ذمہ داری برداشت کرتے ہیں۔
• سنگل پیریڈ ڈیٹا کے ساتھ نتیجہ اخذ کرنا۔ رجحان سازی کے لیے کافی تاریخی ڈیٹا درکار ہے۔

احتیاط: اس سے کوئی فرق نہیں پڑتا ہے کہ کوئی بصیرت کتنی ہی ہوشیار نظر آتی ہے، اگر آپ کے ڈیٹا سے اس کی تصدیق نہیں کی جا سکتی ہے تو اسے فیصلہ نہیں ہونا چاہیے۔ "AI نے ایسا کہا" کوئی جواز نہیں ہے؛ "میں نے ڈیٹا کے ساتھ اس کا تجربہ کیا اور اس کی توثیق ہوگئی" ایک جواز ہے۔

خلاصہ میں

فیصلے کی حمایت وہ سیڑھی ہے جو ڈیٹا کو بصیرت میں بدل دیتی ہے: ڈیٹا، معلومات، بصیرت، فیصلہ۔ پہلے دو مراحل میں AI بہت تیز ہے، تیسرے میں ایک اچھا مددگار، اور چوتھے میں صرف ایک آپشن فراہم کرنے والا۔ ٹوٹل کو دیکھو، کل تعداد کو نہیں؛ وجہ کے لئے ارتباط کی غلطی نہ کریں؛ ان وجوہات کو دیکھیں جن کی AI جانچ کے لیے مفروضوں کے طور پر تجویز کرتا ہے۔ مرحلہ وار سوچ زیادہ درست نتائج دیتی ہے۔ حتمی فیصلہ مینیجر کی توثیق شدہ بصیرت پر مبنی ہے۔

درخواست کا کام

اپنے کاروبار سے ایک گمنام ڈیٹا سیٹ تیار کریں (مثلاً گزشتہ 6 ماہ کے لیے زمرہ پر مبنی سیلز)۔ AI کو اوپر دیے گئے "بریک ڈاؤن تجزیہ" ٹیمپلیٹ کے ساتھ سیگمنٹ بریک ڈاؤن کرنے کو کہیں۔ آپ کو جو سب سے بڑی تبدیلی ملی ہے اس کے لیے "Correlation-causation test" ٹیمپلیٹ کا استعمال کرتے ہوئے ایک مفروضہ بنائیں اور لکھیں کہ آپ فیلڈ میں اس مفروضے کو 3 آئٹمز میں کیسے جانچیں گے۔

چیک لسٹ

• کیا میں نے ڈیٹا کو گمنام کر دیا ہے؟
• کیا میں نے ٹوٹل کے بجائے ٹوٹ پھوٹ (طبقہ) کو دیکھا؟
• کیا میں نے AI کی تجویز کردہ وجہ کو مفروضے کے طور پر سمجھا؟
• کیا میں نے موازنہ کو منصفانہ (معمول کے مطابق) ترتیب دیا ہے؟
• کیا میں نے تصدیق شدہ بصیرت کی بنیاد پر خود فیصلہ کیا؟