تضمنت تجربة الذكاء الاصطناعي الأخيرة إدخال أسابيع من سجلات قعادة الجراء المكتوبة بخط اليد في ChatGPT. قمت أنا وزوجتي بتتبع كل بول، وبراز، ومشي، وحادث لجرونا أوليفر، مما أدى إلى إنشاء سلالة جديدة من مؤشرات الأداء الرئيسية: مؤشرات النونية الرئيسية.
استخرج ChatGPT البيانات من ملاحظاتنا المكتوبة وحولها إلى ملف CSV منسق بالكامل. ثم ذهبت إلى المدينة لرسم مؤشرات الأداء الرئيسية هذه.
لقد توصلت إلى مجموعة من المقاييس الفاخرة، بما في ذلك ARR (معدل تقليل الحوادث)، وLTV (أطول فترة خالية من الفراغ)، ونسبة PTP (البراز إلى التبول)، ومعدل WAF (الخالي من الحوادث الأسبوعية)، وDPV (حجم المرحاض اليومي).
كان هذا الرسم البياني مفيدًا، حيث يوضح كيفية ارتباط الحوادث بعدد المرات التي نسير فيها على أوليفر.
رسم بياني يوضح الاتجاهات في بيانات تدريب الجراء على استخدام الحمام أليستير بار/ شات جي بي تي
ووجد تحليل الذكاء الاصطناعي أن الحوادث لم تكن عشوائية. يتجمعون في نافذتين يمكن التنبؤ بهما: منتصف النهار (من الظهر تقريبًا إلى الساعة 3 مساءً) وفي وقت متأخر من المساء (من الساعة 8 مساءً إلى الساعة 10 مساءً)، غالبًا بعد الوجبات أو القيلولة أو جلسات اللعب.
أهم ما يمكن تعلمه هو أن النجاح يأتي من تقليص الفجوة بين “الحاجة إلى الذهاب” و”فرصة الذهاب”. وفقًا للوحة معلومات مؤشرات الأداء الرئيسية الخاصة بـ Oliver، فإن الاتساق يتفوق على الانضباط، وكل حادث يمثل فرصة تدريب، وأصبح جرونا قابلاً للتنبؤ بشكل متزايد.
قم بالتسجيل في النشرة الإخبارية Tech Memo الخاصة بـ BI هنا. تواصل معي عبر البريد الإلكتروني على [email protected].
