برنامهریزی تحلیل داده با هوش مصنوعی
پیش از شروع تحلیل، سوال تصمیمگیرنده، داده لازم، مراحل کار و ریسک تاخیر را در یک برنامه قابل بررسی کنار هم بگذارید.
برنامهریزی تحلیل داده با هوش مصنوعی از یک سوال عملی شروع میشود. وقتی کسی میگوید «ریزش مشتریها را تحلیل کن»، هنوز معلوم نیست میخواهد دلیل لغو اشتراک را بداند یا برای تماس با مشتریان فعلی تصمیم بگیرد. اسکیل analysis-planning کمک میکند پیش از جمع کردن جدولها، تصمیم مورد نظر را روشن کنید و برای آن یک خروجی مشخص در نظر بگیرید.
وقتی سوال معلوم شد، کار را به چند مرحله تقسیم کنید. برای هر مرحله بنویسید چه دادهای باید برسد، چه کسی درباره تعریف شاخص نظر میدهد و از کجا میفهمید آن مرحله تمام شده است. ممکن است تحلیل فقط دو روز زمان ببرد، ولی اجازه خواندن یک جدول یک هفته طول بکشد. اگر این دو را با هم مخلوط کنید، مهلتی که به تیم دادهاید قابل اتکا نخواهد بود.
کاربردها
- محدوده پروژه را با مواردی که فعلا بیرون میمانند بنویسید تا درخواستهای بعدی بدون تصمیم به کار اصلی اضافه نشوند.
- سوال تحلیل را طوری بیان کنید که ذینفع بتواند بگوید جواب آن چه تصمیمی را عوض میکند.
- داده لازم را با مالک، وضعیت دسترسی و زمان آماده شدن ثبت کنید تا وابستگی کار از اول معلوم باشد.
- زمان تحویل را با برآورد تلاش و انتظار برای ورودیهای بیرونی بسنجید و برای ریسک مهم یک راه جایگزین در نظر بگیرید.
- برای شروع پروژه خلاصهای آماده کنید که روی هدف، خروجی و معیار پذیرش توافق بسازد و مبنای بررسی بعدی باشد.
نصب و استفاده
- درخواست مجاز تیم، مهلت، افراد درگیر و فهرست دادههای احتمالی را به ایجنت بدهید. برای تنظیم برنامه اولیه اتصال مستقیم به دیتابیس لازم نیست.
- مثلا بگویید «برای تصمیم تمدید اشتراک یک برنامه دو هفتهای میخواهیم. مشخص کن بدون جدول لغو سفارش چه بخشی قابل انجام است و کجا باید صبر کنیم.»
- پیشنویس را با مالک تصمیم و تیم داده مرور کنید. اگر یک وابستگی حل نشد، محدوده یا مهلت را آشکارا تغییر بدهید.
سوالات متداول
منبع
ساخته Nimrod Fisher. نام اصلی: analysis-planning، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub