Resim: LVMH.
Ayakkabıcılar, söylendiği gibi, her zaman en kötü ayakkabılardır. Bu durum veri ve yapay zeka uzmanları için de geçerli olabilir. Her halükarda, Hub Enstitüsü tarafından düzenlenen Perakende ve e-ticaret fuarının son baskısında Fanjuan Shi’nin önerdiği şey buydu.
Lüks grup LVMH’nin Veri Stratejisi ve Veri Değer Ofisi Başkanı, Veri ve Yapay Zeka projelerinin kalitesinin değerlendirilmesine sıklıkla dahil olur. İronik bir şekilde, bu projelerin ekipleri genellikle girişimlerinin başarısını verilerle kanıtlamakta zorlanıyor.
Değer kanıtına dikkat edilmediği için reddedilen projeler
Fanjuan Shi, katıldığı 34 projenin yakın zamanda gözden geçirilmesi vesilesiyle, “projelerin üçte birinde, ekibin şu soruyu yanıtlamakta güçlük çektiğini gözlemleyebildi: ‘Doğru KPI’larla, yaratılan değer? »
Bu eksiklik, uzmanlar tarafından gözden geçirilmeleri sırasında Veri ve Yapay Zeka projelerinin önceliklendirilmesini, ancak Comex’e yapılan sunumlar sırasında daha da fazla cezalandırıyor.
“Teknik detayları anlamıyor ve tüm detayları kavraması gerekmiyor. Comex’in bilmek istediği şey yatırım getirisidir. Ancak proje üyeleri bu noktada beklentileri karşılamakta zorlanıyor” diyen çok uluslu uzmanın altını çiziyor.
Fanjuan Shi, bunu düzeltmek için test ve ölçüm çözümlerinin uygulanmasını önerir. Bunların iki avantajı vardır. İlk olarak, değer ölçümüne ilişkin görünürlük sağlarlar.
Ancak buna ek olarak, doğrudan güvene ve nihayetinde proje sponsorluğuna katkıda bulunurlar. “Test ve ölçüm”ün ilk aşaması “doğru göstergelerin” seçilmesini içerir. Ve uzman, yaygın olduğu gibi, proje sırasında KPI’lardaki değişikliklere karşı uyarıda bulunur.
Doğru ve istikrarlı KPI’lar anahtardır
Yeni bir veri ürününün yaratılmasının başlangıç noktası, ilke olarak belirli bir unsurun iyileştirilmesidir. Bu nedenle, hedef optimizasyonunu ölçmek için gösterge(ler) kararlı olmalıdır.
Diğer bir bileşen, kıyaslama için “ilgili ve tutarlı” bir yöntemin benimsenmesidir. Bu, kontrollü ve istatistiksel olarak sağlam bir metodolojiyi seçmek anlamına gelir. Son ana unsurlar: test izleyicilerinin seçimi ve bu testlerin süresi (“ne çok uzun ne de çok kısa”).
“Buzdolabı satmak için Kuzey Kutbu’ndaki tüketicileri seçmek muhtemelen doğru bir yaklaşım değil. Kullanım durumunu etkili bir şekilde değerlendirmek için kitleler temsili ve homojen olmalıdır. »
Bu bariz özelliklere, önyargılarla ilgili özel dikkat de eklenmelidir. Bu nedenle Fanjuan Shi, metodolojiye dahil edilen önyargıların ortadan kaldırılması veya en aza indirilmesi çağrısında bulunur. Birkaç parametre dikkate alınmalıdır.
Örneğin, bu, bir özelliğin ürettiği artımlı değerin rastgele bir etkiye bağlı olmamasını sağlayacaktır. “Bu, bu tür bir önyargıyı önlemek için yeterli numune hacmine sahip olmak anlamına gelir. »
Bir Comex’i nasıl ikna edebilirim? KPI’lar ve iş dili
Fanjuan Shi, LVMH içinde işle ilgili sorulara dayalı bir karar ağacı tasarladı. Bunlar, benzer kullanım durumları için sistematik olarak çoğaltılması gereken en uygun test metodolojisini tanımlamayı amaçlar.
“Metodolojinin sistematikleştirilmesi, dönemler ve deneyimler arasında kıyaslama yapmayı mümkün kılıyor. Aynı zamanda daha güvenilir sonuçlara ulaşmanın bir aracıdır” diye teşvik ediyor.
Bu nedenle LVMH, matrisini kullanarak tercih edilen metodolojileri önerir ve istatistiksel olarak sağlam sonuçlar elde etmek için ekiplerine önerilen örnek boyutlarını sağlar.
Comex’in ortak bir dili var: ROI ve iş KPI’ları. Güvenlerini kazanmak için birkaç unsur gereklidir. Kesin ve istikrarlı bir KPI. İyi bir test metodolojisi. Son olarak, onları Data projesinin değer artışına ikna etmek için görsel panolar ve iş dili kullanmaktır,” diye bitiriyor Fanjuan Shi.
