Clarificăm rezultatul
Ce trebuie să poată face datele? Ce decizie, proces sau rezultat trebuie îmbunătățit? Ce înseamnă un rezultat bun și cum va fi folosit?
CUM LUCRĂM
Începem cu problema. Metoda vine după ce înțelegem ce trebuie să funcționeze.
AIQU lucrează hands-on: intrăm în date, reconstruim contextul, dezvoltăm logica necesară, o facem executabilă și o testăm pe realitate.
Înțelegem datele
Vedem ce surse există, ce înseamnă câmpurile, ce perioade și populații sunt relevante, unde sunt inconsistențe și ce trebuie reconstruit sau validat.
Stabilim abordarea
Poate fi suficientă o analiză, o serie de reguli sau o automatizare. Sau problema poate cere statistică, forecasting, scoring, ranking, optimizare ori un model predictiv. Alegem complexitatea pe care o justifică problema.
Construim suficient cât să putem testa
Transformăm raționamentul în ceva executabil: query, script, model, workflow, spreadsheet, proces automat sau prototip de instrument.
Rulăm pe date reale
Nu evaluăm metoda doar pe exemple convenabile. Inspectăm rezultatele, erorile, excepțiile și cazurile extreme.
Învățăm și iterăm
Datele reale pot arăta că o regulă este incompletă, un semnal este inutil sau o presupunere nu se susține. Modificăm și rulăm din nou.
Validăm
Stabilim ce funcționează, unde, cu ce limite și pentru ce utilizare este rezultatul suficient de robust.
Îl punem în lucru
Rezultatul poate rămâne o analiză, poate deveni un proces recurent, o automatizare, un instrument intern sau logică validată pentru integrarea într-un sistem mai mare.
Nu presupunem că proiectul trebuie să devină software
Dacă un Excel bine construit rezolvă problema, nu este nevoie de o aplicație. Dacă un query și un proces automat sunt suficiente, nu este nevoie de machine learning. Dacă metoda trebuie folosită de mai mulți oameni sau integrată într-un flux, construim mai departe. Forma rezultatului urmează problema.