نظرة عامة والدافع

التحليلات (analytics) استخدام البيانات والإحصاء للإجابة عن الأسئلة وإعلام القرارات. في إدارة الخدمات تتراوح من عدّ أسبوعي بسيط للبلاغات إلى نماذج تتنبأ بأي التغييرات ستفشل. التحليلات العدسة الرابعة في هذا الكتاب، بجانب ممارسة الأجايل والذكاء الاصطناعي والأتمتة، وهي أيضًا ما تعتمد عليه العدسات الثلاث الأخرى. لوحة مبنية على جودة بيانات (data quality) رديئة تعطي إجابات واثقة عن أسئلة خاطئة.

جودة البيانات مجموعة خصائص: هل البيانات كاملة ودقيقة ومتسقة وحديثة وفريدة وصالحة. غطت مواضيع سابقة من أين تأتي بيانات الخدمة وكيف تُقرأ (انظر الموضوع 1.5، مصادر البيانات وأدوات القياس، والموضوع 1.6، الثقافة الإحصائية لمقاييس الخدمة). ويحول هذا الموضوع تلك الأفكار إلى مقاييس يستطيع فريق تتبعها عن بياناته وتحليله، كما يقيس الجزء 4 التغيير. ويغطي أيضًا التحليلات ممارسةً: الأسئلة المطروحة والطرق المستخدمة ومن يفحصها وهل غيرت النتيجة قرارًا.

التحليلات جذابة لأنها تتوسع. يستطيع محلل واحد خدمة فرق كثيرة، ونموذج واحد تسجيل كل بلاغ. والحجم نفسه يضخم الأخطاء. تعريف أسيء قراءته في مجموعة بيانات مشتركة ينتشر إلى كل تقرير مبني عليها، ونموذج دُرب على سلوك سابق قد يكرر تحيزًا قديمًا بسرعة. وأدوات الذكاء الاصطناعي التي تكتب الاستعلامات والرسوم والملخصات تجعل التحليل أرخص وتجعل الأخطاء أسهل إنتاجًا بثقة، فالفحص أهم.

مصطلحات مستخدمة هنا. مجموعة البيانات مجموعة سجلات معرَّفة، مثل البلاغات أو عمليات النشر. والنسب (lineage) سجل من أين جاءت البيانات وماذا فُعل بها. والتوفيق مقارنة مصدرين يجب أن يتفقا. وعقد البيانات اتفاق بين منتج مجموعة بيانات ومستخدميها عن بنيتها ومعناها وجودتها. والتحليل سؤال وطريقة ونتيجة. وعدم اليقين النطاق الذي قد تقع ضمنه قيمة، بالنظر إلى البيانات والطريقة. وسجل القرارات يسجل القرارات التي أعلمها رقم.

المبادئ الأساسية

  • ابدأ من السؤال والقرار. تحليل بلا قرار مرتبط عبء إضافي.
  • قِس البيانات عن البيانات. الاكتمال والحداثة والتوفيق مقاييس يستطيع فريق أن يملكها.
  • احتفظ بالنسب. رقم لا تستطيع تتبعه إلى مصدره لا يمكن تصحيحه.
  • اذكر عدم اليقين والحدود. أظهر العدد خلف المعدل وقل ما لا يستطيع الرقم إظهاره.
  • افحص التحليل كالشيفرة. راجع التعريفات والاستعلامات، وأبقها في التحكم بالإصدارات.
  • احمِ الناس. تحليلات سلوك الأشخاص تحتاج حدود خصوصية، والنتائج تصف الفرق والخدمات.

تعريفات المقاييس

المقياس التعريف الصيغة الوحدة مصدر البيانات ممارسة ITIL المقابل في الأجايل التكرار
اكتمال الحقول المطلوبة حصة السجلات التي فيها كل الحقول المطلوبة للمقاييس التي تستخدمها السجلات التي كل حقل مطلوب فيها موجود وصالح / السجلات ضمن النطاق نسبة مئوية مقتطفات النظام المصدر وفحوص جودة البيانات القياس والإبلاغ؛ إدارة المعرفة تعريف الإنجاز للسجلات شهري
حداثة البيانات عمر أحدث بيانات في مجموعة بيانات لحظة قراءة تقرير الوسيط والأقصى لـ(وقت قراءة التقرير ناقص وقت آخر سجل محمَّل) عبر مجموعات البيانات ساعات سجلات الخط والبيانات الوصفية لمجموعة البيانات القياس والإبلاغ ملاحظات سريعة أسبوعي
تباين التوفيق الفرق بين مصدرين يجب أن يتفقا على الكمية نفسها الفرق المطلق بين المصدر A والمصدر B / المصدر A، لعينة معلنة من الكميات وفترة نسبة مئوية نظامان مصدران القياس والإبلاغ؛ الإدارة المالية اتفاقيات عمل على التعريفات ربع سنوي
تغطية النسب حصة المقاييس المبلَّغة التي مصدرها وتحويلاتها ومالكها موثقة المقاييس في السجل ذات النسب الموثق / المقاييس المبلَّغة نسبة مئوية سجل المقاييس وكتالوج البيانات الحوكمة اتفاقيات الفريق ربع سنوي
معدل فشل تشغيلات خط البيانات حصة تشغيلات خط البيانات التي تفشل أو تحمّل بيانات ناقصة تشغيلات خط البيانات التي فشلت أو حملت بيانات ناقصة / التشغيلات التي بدأت نسبة مئوية سجلات خط البيانات القياس والإبلاغ تكامل مستمر للبيانات أسبوعي
معدل مراجعة التحليل حصة قطع التحليل المنشورة التي راجعها شخص ثانٍ قبل الاستخدام قطع التحليل ذات المراجعة المسجلة / قطع التحليل المنشورة لجمهور يتخذ القرارات نسبة مئوية سجل التحليل وسجل المراجعة القياس والإبلاغ؛ التحسين المستمر مراجعة الأقران ربع سنوي
معدل استخدام القرار حصة المقاييس المبلَّغة المذكورة في قرار مسجل في الفترة المقاييس المذكورة في إدخال سجل قرارات / المقاييس المبلَّغة نسبة مئوية سجل القرارات وسجل المقاييس التحسين المستمر إجراءات اجتماع المراجعة ربع سنوي

يعدّ الاكتمال حقلًا موجودًا فقط إن احتوى قيمة صالحة، فلا يُحسب بديل مثل «غير متاح». ويُطبَّق تباين التوفيق على عينة مسماة من الكميات، مثل أعداد البلاغات لشهر، ويذكر العينة.

التوصيات

اجعل جودة البيانات مرئية

1. عرّف جودة البيانات بدلالة المقاييس. اسرد الحقول والطوابع الزمنية التي تعتمد عليها أهم مقاييسك، وعرّف كيف يبدو الصالح لكل منها. افحصها أولًا، فطابع زمني مفقود يكسر مقياس زمن.

2. افحص عند المصدر، لا في التقرير فقط. فحص جودة يجري حين تُنشأ البيانات، مثل حقل مطلوب في نموذج البلاغ، يمنع أخطاء لا يصلحها تنظيف لاحق تمامًا. أضف فحوصًا عند تحميل البيانات أيضًا.

3. انشر الجودة بجانب الأرقام. أظهر الاكتمال والحداثة على اللوحة التي تُظهر المقياس. ينبغي أن يرى القارئ جودة البيانات دون أن يسأل.

4. وفّق بجدول. قارن كمية واحدة على الأقل عبر نظامين كل ربع، مثل عدد التغييرات في سجل التغيير وفي الخط. حقق وفسّر الفروق، وسجّل النتيجة.

أبقِ التحليل صادقًا

5. اكتب السؤال والقرار أولًا. قبل التحليل، سجّل السؤال والقرار الذي يعلمه ومن سيقرر. حين يمر القرار، سجّل ما تقرر.

6. احتفظ بالنسب والتعريفات في سجل واحد. اربط كل مقياس بمصدره وتحويله ومالكه وتاريخ مراجعته (انظر الموضوع 1.4، حوكمة المقاييس وملكيتها). تُسجَّل تغييرات التعريفات بأسبابها وتُعلَّم على الرسوم.

7. راجع كل قطعة تحليل. يفحص شخص ثانٍ التعريفات والاستعلامات والاستنتاجات لأي تحليل يُستخدم في قرار. أبقِ الاستعلامات في التحكم بالإصدارات ليمكن إعادة تشغيلها.

8. اذكر عدم اليقين والحدود. أظهر عدد البنود خلف كل معدل، وفواصل حيث تهم، وما لا يستطيع التحليل إظهاره. تجنب دقة الرقم الواحد حيث لا تدعمها البيانات.

أخضع الاستخدام للحوكمة

9. استخدم عقود بيانات لمجموعات البيانات المشتركة. يذكر الفريق المنتج لمجموعة بيانات معناها وحقولها وحداثتها ومشكلاتها المعروفة، ويخبر المستخدمين حين تتغير. التغييرات الكاسرة تحتاج إشعارًا.

10. احمِ الأشخاص في البيانات. قرر من يستطيع رؤية السجلات الخام ومدة الاحتفاظ بالبيانات وما الحد الأدنى لحجم المجموعة للتقارير. أبقِ التحليلات على مستوى الفريق والخدمة، وافحص قواعد الخصوصية التي تنطبق عليك.

11. اسحب التقارير ومجموعات البيانات. تقرير لا يستخدمه أحد ما زال يكلف صيانة وقد يضلل. راجع الاستخدام واسحب ما لا يُذكر في قرارات.

12. عامل التحليل المدعوم بالذكاء الاصطناعي غير مراجَع حتى يُفحص. قد تكتب أدوات الذكاء الاصطناعي استعلامًا أو ملخصًا يبدو صحيحًا وهو خاطئ. راجع الاستعلام، وأعد التشغيل على عينة صغيرة معروفة، وسجّل أنه فُحص.

مسارات التلاعب وحواجز الحماية

المقياس كيف يُتلاعب به حاجز الحماية أو الممارسة المقترنة
اكتمال الحقول المطلوبة ملء الحقول ببدائل أو قيم افتراضية؛ جعل الحقول اختيارية فحوص صلاحية للمحتوى؛ خذ عينات من السجلات لقيم حقيقية
حداثة البيانات ختم التحميلات بدل الأحداث؛ تحميل تحديثات فارغة افحص وقت الحدث مقابل وقت التحميل؛ أعداد الصفوف لكل تحميل
تباين التوفيق اختيار كميات تتفق مصادفة؛ تعديل مصدر ليطابق ناوب الكميات؛ احتفظ بمسار تدقيق للتعديلات
تغطية النسب توثيق النسب سطحيًا؛ نسخ النص بين الإدخالات خذ عينات من الإدخالات وتتبع مقياسًا واحدًا من طرف إلى طرف
معدل فشل تشغيلات خط البيانات تعليم التشغيلات الفاشلة معادة أو ناجحة؛ حذف السجلات قارن أعداد السجلات بالمصدر؛ نبّه على الفجوات
معدل مراجعة التحليل مراجعات شكلية؛ المراجعة بعد القرار افحص ملاحظات المراجع؛ اشترط المراجعة قبل الاستخدام
معدل استخدام القرار ذكر مقاييس في السجل بلا أثر في القرار اسأل ما الذي تغير؛ خذ عينات من الإدخالات

القراءة السليمة أرقام جودة بيانات مرئية وثابتة، وفروق بين المصادر تُفسَّر، وتحليل يُراجَع قبل الاستخدام، ومقاييس تأتي وتذهب بحسب حاجة القرارات.

المفاضلات: الإيجابيات والسلبيات

النهج نقطة القوة نقطة الضعف
تحقق صارم عند الإدخال يمنع الأخطاء مبكرًا احتكاك للمستخدمين؛ إدخالات بديلة
تنظيف البيانات بعد الواقعة مرن؛ لا يبطئ المستخدمين يخفي السبب؛ تبقى أخطاء في بعض التقارير
فريق تحليلات مركزي طرق وجودة متسقة عنق زجاجة؛ بعيد عن العمل
تحليلات ذاتية الخدمة من الفرق سريعة؛ قريبة من العمل تعريفات غير متسقة؛ جودة متفاوتة
تحليل مدعوم بالذكاء الاصطناعي مسودات سريعة؛ يخفض الحاجز أخطاء واثقة؛ قابلية إعادة إنتاج ضعيفة

الخلاصة منع الأخطاء عند المصدر، ومشاركة التعريفات والنسب في مكان واحد، واشتراط المراجعة لأي تحليل يعلم قرارًا. السرعة من الخدمة الذاتية والذكاء الاصطناعي مرحب بها حين يواكبها الفحص.

أسئلة للنقاش مع فريقك

1. أي ثلاثة أرقام على لوحتنا سنندم عليها أكثر لو كانت البيانات تحتها خاطئة؟ ابدأ بالأرقام التي تقود القرارات أو الأهداف. اسأل على ماذا تعتمد البيانات ومن يملك المصدر. كثيرًا يكتشف الناس أن رقمًا رئيسيًا يعتمد على حقل يُدخل يدويًا. تابع باختيار واحد للفحص هذا الشهر.

2. متى اختلف تقريران، وكيف حللنا ذلك؟ قصص الأرقام المتعارضة تُظهر أين تختلف التعريفات. اسأل هل سُجل الحل وهل أُصلح السبب. على الميسّر تدوين الأسباب المتكررة، مثل اختلاف المناطق الزمنية أو تعريفات الحالة. تابع بالاتفاق على تعريف واحد ومالك.

3. كم عمر البيانات في التقرير الذي ننظر إليه أكثر؟ كثيرون لا يعرفون. اسأل كيف تظهر الحداثة وهل سيُلاحظ تحميل قديم. ناقشوا كلفة قرار متقادم. تابع بإضافة الحداثة إلى التقرير.

4. من راجع آخر تحليل غيّر قرارًا؟ ابحث عن زوج عيون ثانٍ على التعريفات والاستعلامات. إن لم يوجد، فناقشوا لماذا. اسأل أي مراجعة تناسب. تابع باختيار خطوة مراجعة بسيطة لأي تحليل يعلم قرارًا مهمًا.

5. ماذا لا يستطيع أكثر مقاييسنا استخدامًا أن يخبرنا؟ تسمية الحدود عادة التحليلات الجيدة. اطلب نقاطًا عمياء محددة، مثل مستخدمين لا يتصلون بالدعم. سجّل الحدود بجانب المقياس. تابع بإضافة مقياس يغطي نقطة عمياء.

6. كيف نستخدم أدوات الذكاء الاصطناعي لكتابة الاستعلامات والملخصات، وكيف نفحصها؟ اطلب الممارسة الفعلية لا السياسة. أصغِ إلى مخرجات غير مراجَعة مستخدمة في تقارير. ناقشوا فحصًا بسيطًا، مثل إعادة التشغيل على عينة معروفة. تابع بالاتفاق على قاعدة للتحليل المدعوم بالذكاء الاصطناعي.

أربعة منظورات

فرق المنتج والتسليم

تنتج أدواتكم كثيرًا من البيانات التي يحللها غيركم. أبقوا الطوابع الزمنية والمعرّفات والحالات موثوقة، وأخبروا مستخدمي البيانات حين يتغير حقل. أدرجوا جودة البيانات في تعريف الإنجاز للميزات الجديدة التي تنتج بيانات.

فرق الخدمة والعمليات

تعتمد بيانات البلاغات على كيف يملأ الناس النماذج تحت الضغط. اجعلوا الإدخال الصحيح هو السهل، وافحصوا جودة البيانات في الأداة، وتكلموا حين يسيء مقياس قراءة العمل. لا تؤرخوا السجلات رجعيًا ولا تحدثوها بالجملة لتحسين رقم.

القيادة والحوكمة

اطلبوا الجودة والنسب بجانب أي رقم يدعم قرارًا أو هدفًا. موّلوا هندسة البيانات ووقت المراجعة، لا اللوحات فقط. احموا الخصوصية، وتجنبوا استخدام تحليلات الأفراد لتقييم الأشخاص.

العملاء والمستخدمون

تقود البيانات عنكم كيف تعاملكم الخدمة، فاسألوا ماذا يُجمع وكيف يُستخدم. وحيث تكون ملاحظاتكم في البيانات، مثل ردود الاستبيانات، اسألوا كيف تُحمى وكيف وصلت إلى قرار.

في الممارسة: مثال من إدارة الخدمات

تبني إدارة تقنية المعلومات في شركة مرافق إقليمية لوحة لزمن حل الحوادث ومعدل فشل التغيير لفريقها التنفيذي. الأرقام في هذا المثال توضيحية. تُظهر اللوحة وسيط زمن الحل 3.1 ساعة ومعدل فشل التغيير 4 في المئة.

يفحص محلل الجودة قبل الإطلاق. اكتمال الحقل المطلوب لطابع الحل الزمني 91 في المئة، والسجلات المفقودة في معظمها حوادث كبرى أُدخلت بعد الواقعة. والحداثة 26 ساعة لأن المقتطف يعمل ليلًا. ويُظهر توفيق سجل التغيير مع الخط أن في الخط 8 في المئة تغييرات إنتاج أكثر مما في سجل التغيير، فمعدل الفشل فيه مشكلة مقام.

يجري الفريق تغييرات. يشترط نموذج البلاغ وقت الحل ويفحص أنه بعد وقت الفتح. وتُظهر اللوحة عدد الحوادث خلف كل رقم وعمر البيانات واكتمال الحقول المستخدمة. ويذكر عقد بيانات أن سجل التغيير نظام السجل للتغييرات الموافق عليها والخط لعمليات النشر، مع توفيق شهري. ويفسر أول توفيق الفجوة بتغييرات طارئة سُجلت في الخط فقط.

يظهر خطر تلاعب حين يقترح مدير استثناء الحوادث ذات أزمنة الحل المفقودة لتحسين الاكتمال. يرفض الفريق ويصلح الإدخال. والنتيجة فاصل وسيط أوسع ومعدل فشل تغيير 6 في المئة. ويسجل سجل القرارات أن الفريق التنفيذي اختار الانتظار ربعًا قبل وضع هدف. ما يبقى صعبًا: الإدخالات المؤرخة رجعيًا لا يمكن اكتشافها كلها، ويعتمد التوفيق على رابط معرّف يدوي.

الأجايل والذكاء الاصطناعي والأتمتة والتحليلات

الأجايل

تساعد حلقات الملاحظات القصيرة جودة البيانات: أصلح النموذج، وافحص بيانات اليوم التالي، واسأل المستخدمين. ممارسة جيدة مراجعة أرقام جودة البيانات في حوار التحسين المنتظم مع من يدخلون البيانات. والتحذير أن التغييرات المستمرة في الحقول والحالات تكسر الاتجاهات، فسجّل كل تغيير في التعريف.

الذكاء الاصطناعي

يستطيع الذكاء الاصطناعي كتابة الاستعلامات وصياغة الرسوم وتلخيص التعليقات وتعليم الشذوذات، ويستطيع أيضًا اختلاق نتائج معقولة. عامل التحليل المدعوم بالذكاء الاصطناعي غير مراجَع حتى يفحص شخص الاستعلام ويعيد تشغيله على عينة صغيرة معروفة، وسجّل أنه فُحص. والتحذير أن ملخصات الذكاء الاصطناعي لتعليقات الاستبيان قد تسيء قراءة اللغة والنبرة، فاقرأ عينة من الأصول.

الأتمتة

أتمت فحوص جودة البيانات عند التحميل ووقت التقرير، وقِس خطوط البيانات بالإخفاقات والفجوات. نبّه على التحميلات المفقودة والتغيرات المفاجئة في الحجم. والتحذير أن قواعد التنظيف الآلي قد تخفي مشكلة مصدر، فأبلِغ ما تغير ولماذا.

التحليلات

هذا الموضوع عن التحليلات، فالممارسة ملاحظة قصيرة على كل مقياس: سؤاله وقراره ونسبه وجودته وحدوده. والقرار الذي يفيد فيه هو هل تثق برقم بما يكفي للتصرف. والتحذير أن اللوحات النظيفة المظهر قد تجلس على بيانات ضعيفة، فأظهر أرقام الجودة بجانب النتيجة وأبقِ تعريفات مقاييس إدارة الخدمات في سجل واحد.

منظور القطاعات

الشركات الناشئة. البيانات صغيرة ومتغيرة. احتفظ بمصدر حقيقة واحد لكل مقياس، واكتب التعريفات في مستند قصير، وتجنب بناء منصة بيانات قبل وضوح الأسئلة.

الأعمال الصغيرة. قد تعيش البيانات في أداة مستضافة بتقارير ثابتة. افحص كيف تعرّف الأداة كل مقياس، وصدّر عينات للتحقق، واحتفظ بقائمة قصيرة بما لا تستطيع التقارير إظهاره.

المؤسسات الكبرى. المصادر والفرق الكثيرة تخلق تعريفات متعارضة. استخدم سجل مقاييس مشتركًا وعقود بيانات وتوفيقًا منتظمًا، وأعطِ الفرق وسائل فحص بياناتها.

الحكومة والقطاع العام. قد تخضع السجلات لقواعد الاحتفاظ والوصول والإبلاغ العام. وثّق النسب لأي رقم منشور، واحتفظ بقواعد الخصوصية لبيانات الأشخاص (انظر الموضوع 8.5، التقارير التنظيمية والحكومية).

مبررات الأعمال: الدوافع والعائد على الاستثمار والتكلفة الإجمالية للملكية

الكلفة وقت الموظفين لفحوص جودة البيانات والتوفيق والتوثيق والمراجعة، إضافة إلى أدوات خطوط البيانات والكتالوجات حيث تُستخدم. كثير منها يمكن أن يبدأ بخطوات صغيرة، مثل التحقق في نموذج البلاغ.

العائد قرارات تُتخذ على أرقام أفضل، ووقت أقل في الجدال حول أي تقرير صحيح، وإعادة عمل أقل حين يُكتشف رقم أسيء قراءته متأخرًا. صفه نمطًا لا رقمًا: قرارات معكوسة أقل ونزاعات أقل. وإن احتجت أرقامًا لحجة، فقِس خطوطك الأساسية، مثل تباين التوفيق ووقت حل نزاعات التقارير، قبل التغيير وبعده (انظر الموضوع 7.7، العائد على الاستثمار ومبررات الأعمال).

الأنماط المضادة والمزالق

  • التنظيف في التقرير فقط. يواصل المصدر إنتاج الأخطاء. أصلح فحوص الإدخال والتحميل.
  • لوحات بلا أرقام جودة. لا يستطيع القراء الحكم على الرقم. أظهر الاكتمال والحداثة والأعداد.
  • تعريفات غير موثقة. تتغير معاني الأرقام بصمت. احتفظ بالنسب وسجل تغييرات.
  • تحليل غير مراجَع. تصل الأخطاء إلى القرارات. اشترط نظرة ثانية.
  • الوثوق بملخصات الذكاء الاصطناعي. قد تكون سلسة وخاطئة. افحص الاستعلامات وخذ عينات من الأصول.
  • تحليلات على الأفراد. تتحول إلى مراقبة وتفسد البيانات. أبلِغ على مستوى الفريق بحد أدنى لحجم المجموعة.
  • عدم سحب التقارير أبدًا. تتراكم وتضلل. راجع الاستخدام وأزل.
  • أرقام منفردة بلا عدم يقين. تدعو إلى رد فعل مفرط. أظهر الأعداد والنطاقات.

نموذج النضج

البُعد البدء التطوير التوحيد الإدارة التنسيق
جودة البيانات جودة مجهولة؛ جداول بيانات يدوية الاكتمال مفحوص للحقول الرئيسية فحوص جودة عند الإدخال والتحميل، معروضة على التقارير التوفيق واتجاهات الجودة تُراجَع بإيقاع الجودة مُدارة بعقود بيانات عبر الفرق
النسب والتعريفات التعريفات في رؤوس الناس بعض التعريفات مكتوبة سجل بالمصدر والمالك وسجل تغييرات النسب متتبَّع من طرف إلى طرف للمقاييس الرئيسية التعريفات مشتركة عبر الفرق والموردين
ممارسة التحليل تقارير لمرة واحدة؛ لا مراجعة بعض مراجعة الأقران الأسئلة والقرارات والمراجعة مسجلة التحليل يُعاد استخدامه ويُراجَع ويُسحب التحليلات مدمجة في القرارات مع ملاحظات على النتائج

قائمة التحقق

  • كل مقياس رئيسي يسرد الحقول والطوابع الزمنية التي يعتمد عليها.
  • الحقول المطلوبة تُتحقق منها عند الإدخال، لا تُنظَّف لاحقًا فقط.
  • تُظهر التقارير الاكتمال والحداثة والعدد خلف كل معدل.
  • كمية واحدة على الأقل تُوفَّق عبر مصدرين كل ربع.
  • سجل يسجل المصدر والتحويل والمالك وتاريخ المراجعة لكل مقياس.
  • تغييرات التعريف مسجلة ومعلَّمة على الرسوم.
  • التحليل الذي يعلم قرارًا يراجعه شخص ثانٍ.
  • توجد قواعد للتحليل المدعوم بالذكاء الاصطناعي، بما فيها فحص على عينة معروفة.
  • الوصول والاحتفاظ والحد الأدنى لحجم المجموعة معرَّفة لبيانات الأشخاص.
  • لكل مقياس مسار تلاعب وحاجز حماية معروضان بجانبه.

موجِّهات الذكاء الاصطناعي

صغ فحوص جودة بيانات لمقياس.

We report this metric: [metric name], defined as [definition including clock start
and stop]. It depends on these fields in [tool]: [list fields]. Propose data quality
checks for completeness, validity, timeliness, and consistency, and say where each
check should run (at entry, at load, or in the report). Do not invent thresholds;
use placeholders. Mark assumptions and list questions I should answer.

راجع تحليلًا قبل استخدامه.

Here is an analysis we plan to use for a decision: [paste question, method,
query or steps, and result, without personal data]. Review it for unclear
definitions, wrong denominators, small samples, missing uncertainty, and
conclusions that go beyond the data. Do not assume facts not in the text. List
what you could not judge and what a human reviewer should check.

خطط توفيقًا بين نظامين.

Two systems should agree on [quantity]: [system A] and [system B]. Propose a
reconciliation plan: the sample, the period, how to match records, how to
classify differences, and how to record findings. Do not invent expected
variance. List assumptions and the access I would need.

راجع خطر التلاعب بمقاييس جودة البيانات.

We report these data quality measures: [paste measures and definitions].
Context: [team size, tools, audience]. For each measure, list realistic ways it
could look better without improving the data, propose a guardrail, and say how
that guardrail could be gamed. Do not invent benchmark values. List your
assumptions.

مهارات الذكاء الاصطناعي

  • Data quality: استخدمها لتعريف جودة مجموعة بيانات وفحصها.
  • Data pipeline: استخدمها لتصميم ومراجعة الخط الذي يحمّل بيانات الخدمة.
  • Statistical analysis: استخدمها للتحقق من أن الطريقة وعدم يقينها يناسبان السؤال.
  • Service Management Metrics skill: استخدمها لإيجاد الموضوع الذي يغطي مقياسًا وحاجز حمايته المقترن.

أهم الخلاصات

  • الرقم جدير بالثقة بقدر بياناته، فقِس الاكتمال والحداثة والتوفيق وأظهرها بجانب النتيجة.
  • احتفظ بالنسب والتعريفات في سجل واحد، وسجّل كل تغيير.
  • راجع التحليل قبل أن يعلم القرارات، بما فيه المدعوم بالذكاء الاصطناعي.
  • اذكر عدم اليقين والحدود، وأظهر العدد خلف كل معدل.
  • أبقِ التحليلات على مستوى الفريق والخدمة، بحدود خصوصية لبيانات الأشخاص.

المراجع والقراءات الإضافية

  1. Wikipedia, Analytics.
  2. Wikipedia, Data quality.
  3. Wikipedia, Data lineage.
  4. Wikipedia, Data governance.
  5. Wikipedia, Statistical process control.
  6. Wikipedia, Goodhart's law.
  7. Wikipedia, Reproducibility.