هوش مصنوعی برای تحلیلگران داده: از سؤال تا نمودار
بخش تکراری کار تحلیل داده را میشود سپرد؛ بخشی که اگر غلط شود کسی نمیفهمد را نه. این نوشته مرز آن دو را با مثالهای واقعی مشخص میکند.
ساعت ده صبح یک فایل اکسل میرسد: فروش تیر نسبت به خرداد پایین آمده، «تا آخر وقت بگو چرا». فایل سی هزار ردیف دارد، نام شعبهها با سه املای متفاوت ثبت شده و ستون تاریخ نصفش شمسی است و نصفش میلادی.
بخش زیادی از کاری که پیش رو دارید تکراری است — یکدستکردن اسمها، تبدیل تاریخ، ساختن پیوت، کشیدن نمودار. همین بخش را میشود سپرد. آنچه نمیشود سپرد این است که تصمیم بگیرید افت واقعی است یا اثر جابهجایی تعطیلات، و اینکه اصلاً کدام مقایسه معنا دارد.
مرز این دو، موضوع این نوشته است.
کدام بخش کار واقعاً جواب میدهد
سه دسته کار هست که مدلهای امروزی در آن قابل اتکا هستند و یک دسته که نیست.
ترجمهی سؤال به کد. «میانگین سبد خرید هر شعبه در سه ماه گذشته، فقط سفارشهای تأییدشده» به SQL یا فرمول اکسل تبدیل میشود، سریع و معمولاً درست. اگر ساختار جدول را هم بچسبانید، دقت محسوس بالا میرود.
تمیزکردن ساختاری. یکدستکردن املا، تشخیص تاریخ بدفرمت، جدا کردن ستونهای بههمچسبیده. اینجا نقطهی قوت واقعی است، چون کار الگویی است و الگو همان چیزی است که این مدلها خوب میگیرند.
توضیحدادن. «این کوئری چه میکند» یا «چرا این عدد با گزارش ماه قبل نمیخواند» — بهعنوان همفکر خوب عمل میکند، مخصوصاً وقتی کد را کس دیگری نوشته باشد.
و دستهای که نباید به آن اعتماد کرد: محاسبهی مستقیم روی دادهی خام داخل چت. اگر جدول را در پیام بچسبانید و بخواهید جمع بزند، عددی میگیرید که اغلب نزدیک است و گاهی نیست. «گاهی» در گزارش مالی یعنی دردسر.
هر عددی که وارد گزارش میشود باید از یک اجرای واقعی بیرون آمده باشد: کوئری، اسکریپت یا فرمول. عددی که مدل «گفته» عدد نیست، حدس است.
قدم صفر: سؤال مدیر را بشکنید
«چرا فروش افت کرد» سؤال قابل تحلیل نیست. قابل تحلیلش این است: سهم هر شعبه از افت چقدر است؟ افت از تعداد سفارش آمده یا از مبلغ سبد؟ کدام دستهی کالا بیشترین کاهش را داشته؟
سؤال مدیر: «چرا فروش تیر افت کرد؟»
دادهی من: جدول سفارشها با ستونهای
[تاریخ، شعبه، دستهکالا، مبلغ، وضعیت].
این سؤال را به حداکثر ۶ سؤال قابل اندازهگیری بشکن.
کنار هر سؤال بنویس با کدام ستونها جواب داده میشود.
سؤالی که با این داده اصلاً جواب ندارد را جدا علامت بزن.خط آخر مهمترین بخش است. معمولاً معلوم میشود نیمی از چیزی که مدیر میخواهد بداند اصلاً در داده نیست — بهتر است این را ساعت ده بفهمید تا ساعت پنج. اگر پرامپتهایتان مدام کلی از آب درمیآید، راهنمای پرامپتنویسی فارسی همین مسئله را باز کرده است.
تمیزکردن: جایی که بیشترین وقت آزاد میشود
ستونی که در آن «تهران-ونک»، «ونک» و «شعبه ونک» سه مقدار جداگانهاند، کلاسیکترین دردسر دادهی فارسی است. کنارش «ي» و «ك» عربی بهجای فارسی، نیمفاصلهی جاافتاده، و اعداد فارسی که بهعنوان متن خوانده میشوند.
بهجای نوشتن دستی فهرست تبدیلها، مقادیر یکتای آن ستون را بدهید و بخواهید یک نگاشت پیشنهاد کند. بعد نگاشت را خودتان مرور کنید. مرور صد سطر نگاشت چند دقیقه وقت میبرد؛ اعتماد نکرده به آن، یک گزارش غلط تحویل میدهد.
دامهای آماری که مدل هم در آن میافتد
وقتی تفسیر میخواهید، همان خطاهای رایج انسانی تکرار میشود — فقط با لحن مطمئنتر:
- همبستگی بهجای علیت. «فروش با بازدید سایت بالا رفته» یعنی هر دو بالا رفتهاند، نه اینکه یکی دیگری را ساخته.
- نادیدهگرفتن تقویم. مقایسهی دو ماه در سالی که عید یا امتحانات جابهجا شده بیمعنا میشود. تقویم را صریح در پرامپت بنویسید، چون مدل تقویم شمسی امسال را فرض میگیرد نه میداند.
- نمونهی کوچک. شعبهای با دوازده سفارش در ماه، درصدش نوسان میکند نه معنا.
- بقای بازمانده. تحلیل روی مشتریهای فعال، آنهایی را که رفتهاند نمیبیند — و پاسخ معمولاً همانجاست.
یک عادت که واقعاً کمک میکند: بعد از هر تفسیر، پیام دوم بفرستید — «سه دلیل جایگزین برای این الگو بگو که ربطی به فرضیهی من نداشته باشد». اغلب یکی از آن سه درست است.
نمودار و گزارش نهایی
برای نمودار کد بخواهید، نه تصویر. یک اسکریپت که فایل واقعی شما را میخواند قابل اجرا و قابل تکرار است. مستندات گالری matplotlib و راهنمای pandas بهترین مرجع برای اصلاح همان کد است.
برای گزارش، ساختار را خودتان تحمیل کنید: یافته در یک جمله، عدد پشتیبان، و کاری که پیشنهاد میشود. برای ارائهی جلسه، ساخت اسلاید با هوش مصنوعی مسیر سریعتری است و برای نمایش بصری اعداد ساخت اینفوگرافیک جواب میدهد.
چه چیزی را بسپاریم، چه چیزی را نه
| کار | بسپاریم؟ | شرط |
|---|---|---|
| نوشتن SQL و فرمول | بله | ساختار جدول را بدهید، روی نمونه تست کنید |
| یکدستکردن مقادیر متنی | بله | نگاشت پیشنهادی را دستی مرور کنید |
| محاسبهی مستقیم در چت | خیر | — |
| پیشنهاد فرضیه | بله | بهعنوان فهرست بررسی، نه نتیجه |
| تفسیر و توصیه | مشروط | پیشنویس بگیرید، تصمیم با شماست |
| دادهی هویتی مشتری | خیر | اول ناشناسسازی کنید |
دادهی مشتری را کجا نگذارید
شمارهی موبایل، کد ملی، آدرس و اطلاعات کارت را در پیام نچسبانید. برای تحلیل تقریباً همیشه میشود ستون هویتی را با یک شناسهی بیمعنا جایگزین کرد و همان نتیجه را گرفت. جزئیات بیشتر را در امنیت اطلاعات در کار با هوش مصنوعی نوشتهایم.
جمعبندی
سپردن کارِ الگویی به ابزار، سه ساعت پاکسازی را به بیست دقیقه مرور تبدیل میکند. این تفاوت واقعی است و ارزش یادگرفتن دارد. ولی همان ابزار، اگر بگذارید عدد تولید کند، خطایی میسازد که تا جلسهی بعد کسی نمیبیند.
قاعدهای که در عمل جواب میدهد ساده است: کد را از ابزار بگیرید، عدد را از اجرا. تفسیر را پیشنویس بدانید و امضا را خودتان بزنید. اگر میخواهید همین حالا امتحان کنید، ساختار یکی از جدولهایتان را در نارنگی بگذارید و اولین کوئری را بخواهید.
برای ادامه:
