بررسی صحت تحلیل داده با هوش مصنوعی
قبل از فرستادن گزارش، روش محاسبه، بازه مقایسه و ادعای متن رو با داده بسنجید و ببینید کدوم مورد باید اصلاح بشه.
برای بررسی صحت تحلیل داده با هوش مصنوعی، گزارش آماده رو همراه روشی بدید که عددها ازش به دست اومدن. فرض کنید نمودار میگه مبلغ سفارشها بالا رفته ولی جدول فروش چنین تغییری نشون نمیده. validate-data کمک میکنه سراغ چیزهایی برید که واقعا عدد رو عوض میکنن. مثلا وصل کردن جدول سفارش به جدول اقلام ممکنه مبلغ کل یک سفارش رو برای هر قلم دوباره بشمره.
همه ایرادها در حساب و کتاب نیستن. شاید یک ماه کامل با ده روز اول ماه بعد مقایسه شده باشه یا عنوان نمودار از «همزمانی» به «علت» رسیده باشه. میتونید بخواید نتیجه بازبینی مشخص کنه گزارش همین الان قابل استفاده هست، باید با توضیح همراه بشه یا قبل از ارسال نیاز به اصلاح داره. برای موارد جدی، نمونه ردیف یا عدد مرجع بخواید تا تیم بتونه بررسی رو تکرار کنه.
کاربردها
- بازبینی گزارش تحلیلی قبل از جلسه
- بررسی جمع تکراری بعد از اتصال دو جدول
- مقایسه بازه زمانی و مخرج درصدهای گزارش
- کنترل عدد نمودار با جدول یا گزارش مرجع
- مشخص کردن محدودیتهایی که باید کنار نتیجه نوشته بشن
نصب و استفاده
- اسکیل رو نصب کنید و گزارش، تعریف شاخص و در صورت امکان پرسوجو یا جدول مجاز رو بدید. برای محاسبه دوباره، دسترسی خواندن از منبع اصلی یا خروجی قابل بررسی لازمه.
- مثلا بگید «این گزارش میانگین مبلغ سفارش رو بررسی کنید. بعد از اتصال جدول اقلام، سه سفارش رو جدا حساب کنید و اختلاف با عدد گزارش رو توضیح بدید.»
- فهرست ایرادها رو با تیم مرور کنید. خطای موثر روی نتیجه رو قبل از فرستادن گزارش اصلاح کنید و روش بازبینی، محدوده داده و مواردی رو که نشد بررسی کرد نگه دارید.
سوالات متداول
منبع
ساخته Anthropic. نام اصلی: validate-data، منتشرشده در GitHub با مجوز Apache-2.0.
مشاهده در GitHub