مثبت سمی؟ هنگامی که در مورد داده صحبت می شود، این کمی سخت به نظر می رسد، به خصوص با توجه به این که اکثر مشاغل مدرن تلاش می کنند هم در استراتژی و هم در اجرا بر داده محور باشند. در واقع، در طول یک یا دو دهه گذشته، داده‌ها تقریباً به‌عنوان یک دارایی کلیدی شرکت و یک سهم اساسی در تصمیم‌گیری با کیفیت در نظر گرفته شده‌اند.
با این حال، اهمیت روزافزون داده ها به عنوان یک دارایی منجر به نیاز به سربار قابل توجهی برای محافظت از آن شده است. چه در مورد امنیت، تعهدات نظارتی یا صرفاً یکپارچگی داده ها صحبت کنیم، واضح است که خطرات و نگرانی های زیادی در ارتباط با داده ها وجود دارد.
اخیراً، مفهوم داده به عنوان یک بدهی نیز مورد توجه قرار گرفته است، اگرچه معمولاً از نظر ارزش استراتژیک آن و اینکه اگر به نوعی به خطر بیفتد چه اتفاقی می افتد. قیاس غالب در اینجا از «داده ها نفت جدید است» به «داده ها مانند اورانیوم است» تغییر می کند، هم قدرتمند و هم خطرناک. متخصصان باتجربه داده اکنون متوجه شده اند که مدیریت، اگرچه هرگز جذاب نیست، اما اهمیت جدید و فزاینده ای پیدا کرده است.
آنچه دانشمندان داده موثر می دانند: زمینه مهم است.
با این حال، این دقیقاً همان چیزی نیست که ما در اینجا در مورد آن صحبت می کنیم. برای من، ایده اعمال مثبت سمی به داده ها به دو شکل است: زمینه و بازنمایی. به همین ترتیب، مفهوم گسترده‌تر مثبت‌گرایی سمی یک ساختار اجتماعی است که برای فرهنگ عامه امروزی جذاب است و چرا به داده‌ها مربوط نمی‌شود؟
با اندیشیدن در ابتدا از نظر زمینه، به راحتی می توانید ببینید که چه تعداد از متخصصان داده شیفته تجزیه و تحلیل ها و گزارش های خود می شوند و نسبت به ملاحظات پیش پا افتاده تر مانند ارتباط و تأثیر چشم پوشی می کنند. این نوع مثبت گرایی سمی از این ایده سرچشمه می گیرد که داده ها تنها حقیقت (عینی) و بنابراین غیرقابل انکار هستند. اعتماد بیش از حد به داده ها و الگوریتم های شما باعث ایجاد اطمینان بی دلیل در مورد بینش ها می شود و می تواند منجر به تصمیمات ناقص مرگبار شود.
راه حل این مشکل حفظ یک شک و تردید سالم نسبت به آن است در ابتدا پاسخ می دهد و عقل سلیم و تجربه را به همان اندازه به کار می گیرد. در گذشته به روزهای مشاوره مدیریت من، از داده ها برای اثبات یا رد یک فرضیه استفاده می شود، نه برعکس.
زنگ هشدار هوش مصنوعی: همیشه مسیر کمترین مقاومت را زیر سوال ببرید.
با این حال، در ماه‌های اخیر، یک تهدید موذی‌تر برای یکپارچگی تصمیم‌گیری در قالب راه‌حل‌های هوش مصنوعی مولد و به‌ویژه رابط‌های کاربری آنها ظاهر شده است. چالش‌های هوش مصنوعی هم متعدد و هم به خوبی شناسایی شده‌اند و شامل فقدان توضیح‌پذیری، شفافیت ضعیف و کیفیت متغیر داده‌ها می‌شود. بدیهی است که مشکل “مثبت” اکنون زمانی پدیدار می شود که شکل (یا ارائه) پاسخ های هوش مصنوعی را در نظر بگیریم – آنها به گونه ای تجویزی و مقتدرانه ارائه می شوند که هر گونه بحث در مورد ارزش یا درستی آنها را خاموش می کند.
اینجاست که نقاط ضعف فناوری به سمت سمیت مثبت گرایش دارد: پاسخ‌های جذاب و آسانی که خود را به عنوان پاسخ‌های قانع‌کننده و «درست» نشان می‌دهند، گزینه آسانی برای تحلیل‌گران کم‌وقت یا مصرف‌کنندگان منفعل بینش‌ها هستند. حل این مشکل بسیار دشوارتر است، عمدتاً به این دلیل که هوش مصنوعی Generative دارای چنین کاربرد گسترده ای است، بدون امضای واضح برای استفاده از آن.
به همین ترتیب، کاربران بدون اینکه بدانند پاسخ‌ها درست یا غلط هستند، طبیعتاً مسیر کمترین مقاومت را دنبال خواهند کرد. متأسفانه وقتی آنها از آن جاده بروند، برگشتن برایشان بسیار سخت است.
برای استفاده حداکثری از داده های خود، هرگز اصول اولیه را فراموش نکنید.
عبارات بالا به منظور زیر سوال بردن ارزش داده یا تصمیم گیری مبتنی بر داده برای آن موضوع نیست. دانش درست، با دقت به کار رفته، می تواند یک تصمیم را با امکانات جدید روشن کند. در عوض، برجسته کردن یکی از اصول عمل تجزیه و تحلیل است که همیشه وجود داشته است: ابتدا تجارت خود را درک کنید و سپس به دنبال بینش های مرتبط و متفکر باشید.
کسب و کار شما برای «مصرف بینش» وجود ندارد. برای برآوردن نیازهای مشتری و در عین حال ایجاد سود وجود دارد. وظیفه سرپرستی بر عهده متخصص داده است که درک می کند چگونه بینش ها از خلاقیت، بهره وری و سرسختی لازم برای موفقیت کسب و کار پشتیبانی می کنند.
به نقل قول معروف پابلو پیکاسو از سال 1964، “رایانه ها بی فایده هستند، آنها فقط می توانند به شما پاسخ دهند.” . اغلب، این رفتار خود را در سوگیری تایید نشان می دهد، جایی که رهبران به بینش هایی می چسبند که به سادگی آنچه را که می خواهند باور کنند، تقویت می کند. بحث عمومی جاری در مورد تغییرات آب و هوایی نمونه کلاسیک این رفتار است.
مثبت بودن سمی به شکل جعبه صابون جذابی است که در گوشه ای ایستاده است و به شما می گوید که آنها همه پاسخ های زیبا را دارند (هر سوالی که باشد). در Domo، ما می‌خواهیم “کنجکاوی داده” را در مشتریان خود الهام دهیم – و این هرگز مهمتر از این نبوده است.