يمكن لأداة الذكاء الاصطناعي قراءة جدول بيانات وإنشاء العديد من المخططات وشرح النتيجة قبل أن يتحقق معظم الأشخاص من الصيغة الأولى. هذه السرعة مفيدة. كما أنه يجعل من السهل قبول إجابة واثقة في وقت مبكر جدًا.
لمعرفة ما لا يزال بحاجة إلى التحقق ، قمنا بتحميل مجموعة بيانات تجارة إلكترونية خاضعة للرقابة مدتها ستة أشهر إلى ChartGen وسألناها عن الشهر الأفضل أداءً وما سبب التغيير.
لم تكن النتيجة نجاحًا أو فشلًا بسيطًا. عثر ChartGen على حركة الإيرادات الرئيسية ، وربطها بالأوامر ومتوسط قيمة الطلب ، ولاحظ المقياس الوحيد الذي يعقد القصة. الموجه الثاني جعل الحسابات أسهل بكثير للتدقيق.
حتى ذلك الحين ، احتاجت بعض التسميات والافتراضات إلى مراجعة بشرية قبل أن تكون النتيجة جاهزة للتقرير.
مجموعة البيانات المستخدمة في الاختبار
احتوى الملف على ستة سجلات شهرية وستة حقول:
كانت مجموعة البيانات صغيرة بشكل متعمد. يمكن إعادة حساب كل نسبة مئوية يدويًا ، ولا توجد حقول عميل أو حملة أو منتج أو سبب استرداد يمكن أن تفسر سبب تغيير المقياس.
سألنا أولا:
"قم بتحليل بيانات أداء التجارة الإلكترونية الشهرية هذه. ما هو الشهر الأفضل أداءً ، وما الذي تسبب في التغيير ؟"
الإجابة الأولى كانت أفضل من ملخص بسيط للإيرادات
وصف ChartGen زيادة الإيرادات لشهر يونيو بأنها "رفع مزدوج المحرك" لأن حجم الطلب ومتوسط قيمة الطلب زادا معًا. كما اقترح العديد من التفسيرات المحتملة ، بما في ذلك حملة زيادة البيع أو تغيير مزيج المنتجات أو الترويج.
والأهم من ذلك ، أنه لم يتوقف عند المقاييس الإيجابية. ووصفت معدل الاسترداد بأنه علامة حمراء وخلصت إلى أن يونيو كان أفضل أداء إجمالي بينما كانت الصورة الصافية أقل وضوحًا.
ربطت ChartGen زيادة الإيرادات لشهر يونيو بالطلبات ومتوسط قيمة الطلب ، ثم تأهلت النتيجة بسبب ارتفاع المبالغ المستردة.
كان هذا تمريرة أولى مفيدة. تطابق وصف المصعد المزدوج مع البيانات ، وأوضحت مصطلحات مثل "يوحي" أن الأسباب المقترحة كانت احتمالات وليست حقائق مؤكدة.
جملة واحدة لا تزال تتجاوز الملف. قال الرد إن النمو المتزامن في الطلبات ومتوسط قيمة الطلب كان "نادرًا نسبيًا". لم تتمكن السجلات الستة الشهرية من تحديد مدى ندرة هذا النمط. سيحتاج هذا الادعاء إلى مجموعة بيانات تاريخية أكبر أو مصدر خارجي.
ظلت التفسيرات المحتملة أيضًا فرضيات. لم يُظهر أي شيء في جدول البيانات ما إذا كان ChartGen يبحث في عرض ترويجي أو فئة منتج جديدة أو تغيير في الأسعار أو مزيج مختلف من العملاء.
كانت الإيرادات صحيحة ، لكن المحور غير الانطباع
أظهر الرسم البياني الأول الذي تم إنشاؤه الإيرادات الشهرية من يناير إلى يونيو. كانت جميع القيم الست صحيحة ، وتم تحديد شهر يونيو بوضوح عند 120 ألف دولار.
استخدم مخطط الإيرادات الذي تم إنشاؤه خط أساس قدره 80000 دولار ، مما يجعل الفرق بين الأشرطة الشهرية يبدو أكبر.
بدأ المحور الرأسي عند 80000 دولار بدلاً من الصفر. جعل هذا الاختيار شريط يونيو يظهر ضعف ارتفاع شريط يناير فوق خط الأساس المرئي.
زادت الإيرادات الفعلية من 100000 دولار إلى 120 ألف دولار ، وهي زيادة بنسبة 20 ٪. لم يغير الرسم البياني القيم ، لكنه أعطى الفرق البصري وزناً أكبر مما تبرره الأرقام وحدها.
هذا تمييز مهم في تحليل مخطط الذكاء الاصطناعي. لا تضمن التسمية الصحيحة مقياسًا بصريًا محايدًا. تشير إرشادات الرسم البيانيلوظيفة التحليل الحكومي في المملكة المتحدة إلى أن كسر محور رقمي يمكن أن يساعد القراء على رؤية اتجاه ضيق ، لكنه ليس مناسبًا دائمًا. هنا ، أعطى خط الأساس البالغ 80 ألف دولار زيادة بنسبة 20 ٪ في الوزن البصري أكثر مما يستحق.
خطين صاعدين لا يعنيان أن المقاييس كانت قابلة للمقارنة
وضعت ChartGen أيضًا الطلبات ومتوسط قيمة الطلب على مخطط خطي ثنائي المحور.
تستخدم الطلبات المحور الأيسر ، بينما يستخدم متوسط قيمة الطلب مقياسًا منفصلاً على اليمين. \[/ caption\]
أظهر الرسم البياني بشكل صحيح أن كلا المقياسين زادا في يونيو. ومع ذلك ، استخدم الخطان وحدات مختلفة ومحاور مختلفة: الطلبات على اليسار والدولار لكل طلب على اليمين.
لا يمكن مقارنة مواقعهم الرأسية بشكل مباشر. لا تعني الخطوط المجاورة أن المقياسين لهما نفس الحجم ، أو تم نقلهما بنفس النسبة المئوية ، أو كانت لهما علاقة سببية.
احتفظ المخطط أيضًا بتسميات على غرار جداول البيانات مثل Average \_ Order \_ Value ، واختصر وسيلة الإيضاح اسم الحقل. هذه مشكلات بسيطة في العرض التقديمي ، ولكنها مهمة بمجرد أن يترك المخطط مساحة عمل تحليلية ويدخل تقرير العميل.
سيستخدم الإصدار الأكثر أمانًا مخططين متوافقين مع نفس المحور الشهري ، أو يسمي بوضوح النسبة المئوية للتغيير لكل مقياس بدلاً من دعوة القراء لمقارنة ارتفاع الخط.
مخطط واحد تم إنشاؤه لم يكن جاهزًا للنشر
كان الهدف من الناتج الثالث إظهار اتجاه معدل الاسترداد الشهري. ذكر عنوانها بشكل صحيح أن يونيو قد وصل إلى 5.02 ٪ ، لكن الصورة المصدرة عرضت فقط متوسط خط مرجعي عند 2.48 ٪ تقريبًا. لم تكن القيم الشهرية الست وارتفاع يونيو مرئيين في قطعة الأرض.
استبعدنا تلك الصورة من صور المقالة.
لم تكن هذه مشكلة في الحساب الأساسي. كانت مشكلة في الأدلة المقدمة. يمكن للقارئ رؤية الادعاء في العنوان الفرعي ولكن لم يتمكن من التحقق منه من الرسم البياني نفسه.
من السهل التغاضي عن هذا الفحص عندما يبدو التحليل المكتوب صحيحًا بالفعل: تأكد من أن كل مخطط تم تصديره يعرض بالفعل السلسلة الموضحة في العنوان والتعليق.
الموجه الثاني جعل المنطق أسهل للتدقيق
ثم طلبنا من ChartGen استخدام البيانات التي تم تحميلها فقط ، وإظهار حساباتها ، وفصل الملاحظات عن التفسيرات ، وتحديد أي مقياس يتعارض مع الاستنتاج الرئيسي.
تم حساب الاستجابة الثانية:
نمو الإيرادات من مايو إلى يونيو: 9.09 ٪
نمو الطلب: 3.40 ٪
متوسط نمو قيمة الطلبات: 5.49 ٪
نمو الاسترداد: 161.9 ٪
معدل الاسترداد: 1.98 ٪ إلى 5.02 ٪
كما تحقق مما إذا كانت الإيرادات متوافقة مع الطلبات مضروبة في متوسط قيمة الطلب. تم تفسير الاختلافات الصغيرة من خلال قيم AOV التي يتم تخزينها في منزلتين عشريتين.
كشفت استجابة المتابعة الحسابات وفحصت ما إذا كانت الحقول ذات الصلة قد تم التوفيق بينها. \[/ caption\]
كان هذا أكثر فائدة من ملخص عام آخر. أظهر مصدر النسب المئوية وجعل اختلافات التقريب مرئية.
قام ChartGen أيضًا بفصل التفسيرات المحتملة عن ملاحظاته. تم تقديم العروض الترويجية وفئات المنتجات الجديدة ومشاكل الجودة وتوقيت الاسترداد بشكل صريح كفرضيات لم تتمكن مجموعة البيانات من تأكيدها.
حدد الرد الثاني بوضوح تفسيرات الحملة والمنتج والوفاء والمحاسبة على أنها فرضيات غير مؤكدة.
جعل هذا الفصل الإجابة أكثر أمانًا للاستخدام. لقد منع الخلط بين قصة عمل معقولة والنتيجة الواردة في جدول البيانات.
إجابة التحقق لا تزال بحاجة إلى التحقق
حسنت الاستجابة الثانية التحليل ، لكنها لم تكن جاهزة لنسخها في تقرير دون تغيير.
استخدم "متوسط مجموعة البيانات" خط الأساس الخاطئ
أطلق على 1.99 ٪ معدل استرداد "متوسط مجموعة البيانات". في جميع الأشهر الستة ، كان المتوسط حوالي 2.48 ٪. يمثل الرقم 1.99 ٪ خط الأساس من يناير إلى مايو ، قبل ارتفاع يونيو. كان الرقم مفيدًا ، لكن التسمية كانت خاطئة.
يعتمد تقدير صافي الإيرادات على ثلاثة افتراضات
قدرت الإجابة أيضًا صافي إيرادات يونيو بضرب عدد المبالغ المستردة في متوسط قيمة الطلب وطرح النتيجة من إجمالي الإيرادات. كان الحساب مفهومًا ، لكن الملف المصدر لم يحتوي على قيم استرداد فعلية. كما لم يوضح ما إذا كانت المبالغ المستردة لشهر يونيو تنتمي إلى أوامر يونيو.
ويعتمد هذا التقدير على ثلاثة افتراضات على الأقل:
- كان لكل طلب مسترد نفس قيمة متوسط الطلب الشهري.
- جميع المبالغ المستردة المسجلة في يونيو تتعلق بمبيعات يونيو.
- لم يتم بالفعل تعديل حقل الإيرادات للمبالغ المستردة.
يمكن تقديمه كسيناريو ، ولكن ليس كملاحظة واقعية فقط.
استخدمت الزيادة بنسبة 164 ٪ خط أساس غير واضح
كما وصفت الاستجابة زيادة معدل الاسترداد بنسبة 164 ٪ دون تحديد فترة المقارنة. من 1.98 ٪ في مايو إلى 5.02 ٪ في يونيو ، كانت الزيادة النسبية حوالي 153.5 ٪. ستستخدم الزيادة بنسبة 164 ٪ خط أساس مختلف ، بالقرب من 1.90 ٪ في يناير.
ستة أشهر لم تكن كافية لمطالبة خارجية رسمية
أخيرًا ، كان وصف يونيو بأنه استثناء إحصائي بناءً على ست ملاحظات شهرية أقوى من اللازم. من الواضح أن شهر يونيو كان شذوذًا بالنسبة إلى النطاق من يناير إلى مايو. سيحتاج الاستنتاج الإحصائي الرسمي إلى مزيد من التاريخ وطريقة مناسبة للعملية الأساسية.
لم تجعل أي من هذه القضايا الإجابة الثانية عديمة الفائدة. لقد أظهروا سبب قيام مطالبة التحقق بتحسين العمل دون استبدال المراجع.
الاستنتاج الذي سننشره بالفعل
بعد التحقق من بيانات المصدر والحسابات والتسميات والافتراضات ، يمكن ذكر النتيجة بشكل أكثر وضوحًا:
سجل شهر يونيو أعلى إجمالي للإيرادات وحجم الطلبات ومتوسط قيمة الطلب في مجموعة البيانات ذات الستة أشهر. ارتفعت الإيرادات بنسبة 9.09 ٪ عن مايو ، بينما ارتفعت الطلبات بنسبة 3.40 ٪ ومتوسط قيمة الطلب بنسبة 5.49 ٪.
لم تكن النتيجة تحسنًا غير مشروط. زادت المبالغ المستردة من 42 إلى 110 ، وارتفع معدل الاسترداد من 1.98 ٪ إلى 5.02 ٪ ، بزيادة قدرها 3.04 نقطة مئوية.
لا تتضمن مجموعة البيانات قيم الاسترداد أو السجلات على مستوى المنتج أو معلومات الحملة أو أسباب الاسترداد. لذلك لا يمكنها تأكيد صافي إيرادات شهر يونيو أو شرح سبب ارتفاع المبالغ المستردة.
يحتفظ هذا الإصدار بالنتائج التي يمكن إعادة إنتاجها ويزيل التفسيرات التي لا يمكن للملف توفيرها.
ما الذي تغير بين الإجابة الأولى والنسخة النهائية ؟
كانت استجابة ChartGen الأولى قوية من الناحية الاتجاهية. ووجدت الشهر الأكثر أهمية ، وحددت المساهمين في نمو الإيرادات ، ولاحظت شذوذ الاسترداد دون أن يُطلب منها ذلك.
الموجه الثاني حسّن الإجابة من خلال كشف الحسابات وفصل الحقائق عن الفرضيات.
المراجعة البشرية لا تزال تغير أربعة أشياء:
يحتاج مخطط الإيرادات إلى خط أساس أكثر ملاءمة.
كان مخطط الاسترداد بحاجة إلى التجديد لأن سلسلته الشهرية لم تكن مرئية.
يحتاج خط الأساس لمعدل الاسترداد إلى ملصق صحيح.
يجب أن يظل تقدير صافي الإيرادات والتفسيرات السببية خارج النتائج التي تم التحقق منها.
هذه طريقة عملية لاستخدام مولد مخطط AI. دعه يؤدي التمريرة الأولى السريعة ، ثم تحقق من الأجزاء التي تتطلب سياقًا أو حكمًا.
عملية مراجعة قصيرة لرؤى الرسم البياني التي تم إنشاؤها بواسطة AI
ابدأ بالتحقق مما إذا كان المخطط يحتوي على الحقول والتواريخ والوحدات والتجميع الصحيح. أعد حساب تغيير العنوان من الملف المصدر بدلاً من تسمية المخطط.
بعد ذلك ، افحص الصورة المرئية نفسها. تحقق من خط الأساس للمحور ، وتأكد من أن كل سلسلة موعودة مرئية ، وكن حذرًا عندما يستخدم مقياسان مقاييس مختلفة.
ثم فصل ثلاثة أنواع من البيانات:
القيم المنسوخة مباشرة من البيانات
النتائج المحسوبة من تلك القيم
التفسيرات التي تتطلب معلومات خارج الملف
أخيرًا ، اطرح سؤالًا ثانيًا مصممًا لتحدي الإجابة الأولى. اطلب الصيغ والمقاييس المتناقضة والافتراضات والأدلة المفقودة. يجب أيضًا مراجعة الرد الثاني ؛يمكن للإجابة الأكثر تفصيلاً أن تقدم افتراضات جديدة جنبًا إلى جنب مع عمليات التحقق المفيدة.
يمكن الوثوق بالنتيجة ، ولكن فقط مع التحقق السليم
وصل هذا الاختبار إلى نتيجة واضحة. وجد ChartGen النمط الرئيسي ، لكن إنتاجه لم يكن جاهزًا للنشر دون مراجعة.
تطابقت أرقام الإيرادات وحسابات مايو إلى يونيو وارتفاع المبالغ المستردة مع بيانات المصدر. لم يكن لدى صافي الإيرادات المقدرة والأسباب المقترحة أدلة كافية.
يعد تحليل مخطط الذكاء الاصطناعي مفيدًا لإجراء مراجعة أولى سريعة ، وليس كدليل نهائي. تحقق من القيم والحسابات وتصميم المخطط والمطالبات السببية قبل استخدام النتيجة في التقرير.
حاول ChartGen مع ملف CSV أو Excel ، ثم استخدم موجهًا ثانيًا للتحقق من النتيجة قبل نشرها.