ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ?
ਇੱਕ ਸਧਾਰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਲਗਭਗ ਹਰ ਪੜਾਅ 'ਤੇ AI ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ: ਸਵਾਲ ਸਪਸ਼ਟ ਕਰਨ, ਡਾਟਾ-ਸਮੂਹ ਦਾ ਵੇਰਵਾ ਦੇਣ, ਡਾਟਾ ਸਾਫ਼ ਕਰਨ ਦੇ ਕਦਮ ਸੁਝਾਉਣ, ਸੰਖੇਪ ਅੰਕੜੇ ਗਿਣਨ, ਫਾਰਮੂਲੇ ਜਾਂ Python ਲਿਖਣ, ਚਾਰਟ ਬਣਾਉਣ ਅਤੇ ਲਿਖਤੀ ਵਿਆਖਿਆ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ ਲਈ। ਸਮਾਂ ਜ਼ਿਆਦਾਤਰ ਰੁਟੀਨੀ ਕਦਮਾਂ ਵਿੱਚ ਬਚਦਾ ਹੈ। ਜੋਖਮ ਜ਼ਿਆਦਾਤਰ ਆਖ਼ਰੀ ਕਦਮ ਵਿੱਚ ਹੁੰਦਾ ਹੈ, ਜਿੱਥੇ ਸੁਚੱਜੀ ਭਾਸ਼ਾ ਵਿੱਚ ਲਿਖਿਆ ਪੈਰਾ ਅਜਿਹਾ ਨਤੀਜਾ ਪੇਸ਼ ਕਰ ਸਕਦਾ ਹੈ ਜਿਸ ਦਾ ਡਾਟਾ ਸਮਰਥਨ ਨਹੀਂ ਕਰਦਾ।
ਇਹ ਗਾਈਡ ਗੈਰ-ਮਾਹਿਰਾਂ ਵੱਲੋਂ ਕੀਤੇ ਜਾਂਦੇ ਰੋਜ਼ਾਨਾ ਕਾਰੋਬਾਰੀ ਵਿਸ਼ਲੇਸ਼ਣ ਬਾਰੇ ਹੈ: ਮਹੀਨੇ ਮੁਤਾਬਕ ਵਿਕਰੀ ਦੇਖਦਾ ਮੈਨੇਜਰ, ਸਹਾਇਤਾ ਬੇਨਤੀਆਂ ਦੀ ਗਿਣਤੀ ਦੇਖਦਾ ਸਹਾਇਤਾ ਟੀਮ ਮੁਖੀ, ਜਾਂ ਸਪਲਾਇਰਾਂ ਦੇ ਸਪਲਾਈ ਦੇਣ ਵਿੱਚ ਲੱਗਣ ਵਾਲੇ ਸਮੇਂ ਦੀ ਤੁਲਨਾ ਕਰਦਾ ਸੰਚਾਲਨ ਕੋਆਰਡੀਨੇਟਰ। Excel ਲਈ AI ਬਾਰੇ ਸਾਥੀ ਗਾਈਡ ਫ਼ਾਰਮੂਲਿਆਂ ਅਤੇ ਸਪ੍ਰੈਡਸ਼ੀਟ ਦੀ ਸਫ਼ਾਈ ਨੂੰ ਵਿਸਥਾਰ ਨਾਲ ਕਵਰ ਕਰਦੀ ਹੈ।
AI ਕਿਸ ਤਰ੍ਹਾਂ ਦੇ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ?
ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਅਕਸਰ ਚਾਰ ਕਿਸਮਾਂ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ AI ਹਰ ਕਿਸਮ ਵਿੱਚ ਵੱਖਰੇ ਪੱਧਰ ਦੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਸਵਾਲ ਜਿੰਨਾ ਜ਼ਿਆਦਾ ਇਸ ਤੋਂ ਅੱਗੇ ਵਧਦਾ ਹੈ ਕਿ ਕੀ ਹੋਇਆ ਅਤੇ ਇਸ ਵੱਲ ਜਾਂਦਾ ਹੈ ਕਿ ਕਿਉਂ ਹੋਇਆ ਅਤੇ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ, ਜਵਾਬ ਲਈ ਉੱਨੀ ਹੀ ਵੱਧ ਮਨੁੱਖੀ ਸੂਝ-ਬੂਝ ਅਤੇ ਸੰਦਰਭ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
| ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਕਿਸਮ | ਇਹ ਕਿਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦਿੰਦਾ ਹੈ | AI ਕਿੰਨੀ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ |
|---|---|---|
| ਵਰਣਨਾਤਮਕ | ਕੀ ਹੋਇਆ? | ਬਹੁਤ ਕੁਝ: ਕੁੱਲ ਜੋੜ, ਰੁਝਾਨ, ਵੇਰਵੇਵਾਰ ਵੰਡ ਅਤੇ ਚਾਰਟ, ਜਿਨ੍ਹਾਂ ਦੀ ਜਾਂਚ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ |
| ਸ਼ੁਰੂਆਤੀ ਪੱਧਰ ਦੀ ਜਾਂਚ | ਇਹ ਕਿਉਂ ਹੋਇਆ? | ਕੁਝ ਹੱਦ ਤੱਕ: ਇਹ ਜਾਂਚਣ ਲਈ ਅਨੁਮਾਨ ਅਤੇ ਡਾਟੇ ਦੀਆਂ ਵੰਡਾਂ ਸੁਝਾ ਸਕਦਾ ਹੈ, ਪਰ ਕਾਰਨ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦਾ |
| ਪੂਰਵ-ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਾਲਾ | ਅੱਗੇ ਕੀ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਹੈ? | ਗੈਰ-ਮਾਹਰਾਂ ਲਈ ਸੀਮਤ: ਪੂਰਵ-ਅਨੁਮਾਨਾਂ ਲਈ ਵਿਧੀ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਦੀ ਜਾਂਚ ਲੋੜੀਂਦੀ ਹੈ |
| ਕਾਰਵਾਈ ਸੁਝਾਉਣ ਵਾਲਾ | ਸਾਨੂੰ ਕੀ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? | ਵਿਕਲਪਾਂ ਦੀ ਸ਼ੁਰੂਆਤੀ ਸੂਚੀ; ਫ਼ੈਸਲਾ ਅਤੇ ਉਸ ਦੇ ਲਾਭ-ਨੁਕਸਾਨ ਤੋਲਣ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲੋਕਾਂ ਕੋਲ ਹੀ ਰਹਿੰਦੀ ਹੈ |
ਕੀ ChatGPT ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ?
ChatGPT, Claude ਅਤੇ Gemini ਵਰਗੇ ਆਮ ਸਹਾਇਕ ਡਾਟੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ: ਤੁਹਾਡੇ ਵੱਲੋਂ ਪੇਸਟ ਕੀਤੇ ਜਾਂ ਵਰਣਨ ਕੀਤੇ ਡਾਟੇ ਉੱਤੇ ਤਰਕ ਕਰਕੇ, ਅਤੇ ਕੁਝ ਪਲਾਨਾਂ ਵਿੱਚ, ਤੁਹਾਡੀ ਅੱਪਲੋਡ ਕੀਤੀ ਫਾਈਲ ਉੱਤੇ ਕੋਡ ਚਲਾ ਕੇ। ਜਦੋਂ ਕੋਈ ਟੂਲ ਕੋਡ ਚਲਾਉਂਦਾ ਹੈ, ਤਾਂ ਉਸਦੀ ਅੰਕਗਣਿਤ ਆਮ ਤੌਰ ਉੱਤੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਅੰਕੜਿਆਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਾਉਣ ਨਾਲੋਂ ਵੱਧ ਭਰੋਸੇਯੋਗ ਹੁੰਦੀ ਹੈ, ਪਰ ਕੋਡ ਫਿਰ ਵੀ ਉਸ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇ ਸਕਦਾ ਹੈ ਜੋ ਤੁਹਾਡੇ ਅਸਲ ਸਵਾਲ ਤੋਂ ਥੋੜ੍ਹਾ ਵੱਖਰਾ ਹੋਵੇ। ਵਿਕਰੇਤਾ ਦੇ ਮੌਜੂਦਾ ਦਸਤਾਵੇਜ਼ਾਂ ਵਿੱਚ ਜਾਂਚੋ ਕਿ ਤੁਹਾਡੇ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਪਲਾਨ ਵਿੱਚ ਕਿਹੜੀਆਂ ਸਮਰੱਥਾਵਾਂ ਸ਼ਾਮਲ ਹਨ।
ਸਪ੍ਰੈਡਸ਼ੀਟ ਸਹਾਇਕ ਇੱਕ ਹੋਰ ਰਸਤਾ ਹਨ। Microsoft ਮੁਤਾਬਕ Excel ਵਿੱਚ Copilot ਦਾ ਸਿਰਫ਼ ਗੱਲਬਾਤ ਵਾਲਾ ਢੰਗ ਵਰਕਬੁੱਕ ਦੇ ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ ਅਤੇ ਵਰਕਬੁੱਕ ਬਦਲੇ ਬਿਨਾਂ ਲਾਭਦਾਇਕ ਜਾਣਕਾਰੀ ਦਿੰਦਾ ਹੈ। Google ਦਾ ਕਹਿਣਾ ਹੈ ਕਿ Sheets ਵਿੱਚ Gemini ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦਾ ਹੈ, ਲਾਭਦਾਇਕ ਜਾਣਕਾਰੀ ਦੇ ਸਕਦਾ ਹੈ ਅਤੇ ਚਾਰਟ ਬਣਾ ਸਕਦਾ ਹੈ। Google ਦਾ ਪੰਨਾ ਇਹ ਚੇਤਾਵਨੀ ਵੀ ਦਿੰਦਾ ਹੈ ਕਿ Gemini ਗ਼ਲਤ ਜਾਣਕਾਰੀ ਸੁਝਾ ਸਕਦਾ ਹੈ। ਤੁਸੀਂ ਕੋਈ ਵੀ ਰਸਤਾ ਵਰਤੋ, ਇਸ ਗਾਈਡ ਦੀਆਂ ਜਾਂਚਾਂ ਲਾਗੂ ਹੁੰਦੀਆਂ ਹਨ।
AI ਨਾਲ ਡਾਟੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦਾ ਸੁਰੱਖਿਅਤ ਤਰੀਕਾ ਕੀ ਹੈ?
ਟੂਲ ਖੋਲ੍ਹਣ ਤੋਂ ਪਹਿਲਾਂ ਸਵਾਲ ਲਿਖੋ, ਡਾਟੇ ਦਾ ਸਹੀ ਵਰਣਨ ਕਰੋ, ਜਵਾਬ ਤੋਂ ਪਹਿਲਾਂ ਤਰੀਕਾ ਪੁੱਛੋ, ਅਤੇ ਹਰ ਉਸ ਅੰਕੜੇ ਦੀ ਤਸਦੀਕ ਕਰੋ ਜੋ ਤੁਸੀਂ ਅੱਗੇ ਵਰਤੋਗੇ। ਹੇਠਾਂ ਦਿੱਤੇ ਕਦਮ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਦੇ ਜ਼ਿਆਦਾਤਰ ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਲਈ ਕੰਮ ਕਰਦੇ ਹਨ।
ਸਵਾਲ ਦੱਸੋ
ਇੱਕ ਵਾਕ ਲਿਖੋ: ਇਸ ਤੋਂ ਕਿਹੜਾ ਫ਼ੈਸਲਾ ਲੈਣ ਵਿੱਚ ਮਦਦ ਮਿਲੇਗੀ, ਅਤੇ ਕਿਹੜੀ ਗੱਲ ਤੁਹਾਡੀ ਰਾਏ ਬਦਲ ਸਕਦੀ ਹੈ? ਇਸ ਤੋਂ ਬਿਨਾਂ ਸਾਧਨ ਰੁਝਾਨ ਤਾਂ ਲੱਭ ਲਵੇਗਾ, ਪਰ ਉਹਨਾਂ ਵਿੱਚੋਂ ਕੁਝ ਸਿਰਫ਼ ਬੇਮਤਲਬ ਇਤਫ਼ਾਕ ਹੋਣਗੇ।
ਡਾਟੇ ਦਾ ਵਰਣਨ ਕਰੋ
ਕਾਲਮ, ਇਕਾਈਆਂ, ਸਮਾਂ-ਮਿਆਦ, ਹਰੇਕ ਕਤਾਰ ਕਿਵੇਂ ਦਰਜ ਕੀਤੀ ਗਈ ਸੀ ਅਤੇ ਕੋਈ ਵੀ ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਜਿਸ ਦੇ ਗਾਇਬ ਹੋਣ ਦਾ ਪਤਾ ਹੈ। ਟੂਲ ਨੂੰ ਇਹ ਆਪਣੇ ਸ਼ਬਦਾਂ ਵਿੱਚ ਦੁਹਰਾਉਣ ਲਈ ਕਹੋ ਤਾਂ ਜੋ ਤੁਸੀਂ ਗ਼ਲਤਫ਼ਹਿਮੀਆਂ ਫੜ ਸਕੋ।
ਪਹਿਲਾਂ ਯੋਜਨਾ ਮੰਗੋ
ਪੁੱਛੋ ਕਿ ਇਹ ਸਵਾਲ ਦਾ ਜਵਾਬ ਕਿਵੇਂ ਦੇਵੇਗਾ ਅਤੇ ਕਿਹੜੀਆਂ ਗਣਨਾਵਾਂ ਕਰੇਗਾ। ਇਸ ਤੋਂ ਪਹਿਲਾਂ ਕਿ ਇਹ ਅੰਕੜੇ ਤਿਆਰ ਕਰੇ, ਯੋਜਨਾ ਠੀਕ ਕਰੋ।
ਮੁੱਖ ਅੰਕੜਿਆਂ ਦੀ ਮੁੜ ਗਣਨਾ ਕਰੋ
ਤੁਹਾਡੇ ਸਾਰ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋਣ ਵਾਲੇ ਦੋ ਜਾਂ ਤਿੰਨ ਅੰਕੜਿਆਂ ਨੂੰ ਫਾਰਮੂਲੇ, ਪਿਵਟ ਸਾਰਣੀ ਜਾਂ ਕੈਲਕੁਲੇਟਰ ਨਾਲ ਜਾਂਚੋ।
ਨਤੀਜੇ ਨੂੰ ਵਿਆਖਿਆ ਤੋਂ ਵੱਖ ਕਰੋ
ਲਿਖੋ ਕਿ ਡਾਟਾ ਕੀ ਦਿਖਾਉਂਦਾ ਹੈ, ਫਿਰ ਵੱਖਰੇ ਤੌਰ ਉੱਤੇ ਲਿਖੋ ਕਿ ਇਸ ਦੀ ਕੀ ਵਜ੍ਹਾ ਹੋ ਸਕਦੀ ਹੈ ਅਤੇ ਤੁਸੀਂ ਉਸ ਨੂੰ ਕਿਵੇਂ ਪਰਖੋਗੇ।
ਦਰਜ ਕਰੋ ਕਿ ਤੁਸੀਂ ਕੀ ਕੀਤਾ
ਸਵਾਲ, ਡਾਟੇ ਦਾ ਸੰਸਕਰਣ, ਤਰੀਕਾ ਅਤੇ ਜਾਂਚਾਂ ਸੰਭਾਲ ਕੇ ਰੱਖੋ, ਤਾਂ ਜੋ ਕੋਈ ਹੋਰ ਵੀ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਸਮਝ ਸਕੇ।
ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਇਹ ਕਿਸੇ ਭੂਮਿਕਾ ਨਾਲ ਕਿਵੇਂ ਜੁੜਦਾ ਹੈ?
ਟੀਮ ਲਈ ਯੋਜਿਤ ਅਜ਼ਮਾਇਸ਼ ਬਾਰੇ ਜਾਣੋ ↗AI ਦਾ ਗੁਮਰਾਹਕੁੰਨ ਵਿਸ਼ਲੇਸ਼ਣ ਕਿਹੋ ਜਿਹਾ ਹੁੰਦਾ ਹੈ?
ਇਹ ਕਲਪਿਤ ਅੰਕੜਿਆਂ ਨਾਲ ਅਮਲ ਸਮੇਤ ਉਦਾਹਰਨ ਹੈ। ਲੂਮਨ ਬਾਕਸ, ਇੱਕ ਛੋਟੀ ਗਾਹਕੀ-ਅਧਾਰਿਤ ਕੰਪਨੀ, ਨੇ 1 ਸਤੰਬਰ ਨੂੰ ਆਪਣੇ ਮਹੀਨਾਵਾਰ ਪਲਾਨ ਦੀ ਕੀਮਤ ਵਧਾਈ। ਸੰਸਥਾਪਕ ਗਾਹਕੀਆਂ ਰੱਦ ਹੋਣ ਦੀ ਸ਼ੀਟ ਅੱਪਲੋਡ ਕਰਕੇ ਪੁੱਛਦਾ ਹੈ: ਕੀ ਕੀਮਤ ਵਧਣ ਕਾਰਨ ਵੱਧ ਗਾਹਕੀਆਂ ਰੱਦ ਹੋਈਆਂ? ਡਾਟੇ ਮੁਤਾਬਕ ਅਗਸਤ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ 1,950 ਸਰਗਰਮ ਗਾਹਕੀਆਂ ਸਨ ਅਤੇ ਉਸ ਮਹੀਨੇ 100 ਰੱਦ ਹੋਈਆਂ, ਜਦਕਿ ਸਤੰਬਰ ਦੀ ਸ਼ੁਰੂਆਤ ਵਿੱਚ 2,000 ਸਰਗਰਮ ਗਾਹਕੀਆਂ ਸਨ ਅਤੇ 140 ਰੱਦ ਹੋਈਆਂ।
AI ਦਾ ਪਹਿਲਾ ਜਵਾਬ: ਸਤੰਬਰ ਵਿੱਚ ਰੱਦ ਕਰਨ ਦੀ ਗਿਣਤੀ 40 ਫ਼ੀਸਦੀ ਵਧੀ, ਜਿਸ ਤੋਂ ਪਤਾ ਲੱਗਦਾ ਹੈ ਕਿ ਕੀਮਤ ਵਧਣ ਕਾਰਨ ਗਾਹਕ ਛੱਡ ਕੇ ਚਲੇ ਗਏ। ਤੁਹਾਨੂੰ ਕੀਮਤ ਵਿੱਚ ਕੀਤਾ ਵਾਧਾ ਵਾਪਸ ਲੈਣ ਬਾਰੇ ਸੋਚਣਾ ਚਾਹੀਦਾ ਹੈ। ਤਿੰਨ ਸਮੱਸਿਆਵਾਂ ਹਨ। 40 ਫ਼ੀਸਦੀ ਰੱਦ ਕਰਨ ਦੀ ਗਿਣਤੀ ਵਿੱਚ ਵਾਧਾ ਹੈ, ਜੋ 100 ਤੋਂ 140 ਹੋਈ; ਰੱਦ ਕਰਨ ਦੀ ਦਰ ਲਗਭਗ 5.1 ਫ਼ੀਸਦੀ ਤੋਂ 7.0 ਫ਼ੀਸਦੀ ਹੋਈ, ਯਾਨੀ ਤਕਰੀਬਨ ਦੋ ਪ੍ਰਤੀਸ਼ਤ ਅੰਕਾਂ ਦਾ ਵਾਧਾ। ਫ਼ੀਸਦੀ ਅਤੇ ਪ੍ਰਤੀਸ਼ਤ ਅੰਕਾਂ ਨੂੰ ਗਡਮਡ ਕਰਨਾ AI ਵੱਲੋਂ ਲਿਖੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਸਭ ਤੋਂ ਆਮ ਗਲਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। ਦੂਜਾ, ਦੋ ਮਹੀਨਿਆਂ ਦੇ ਅੰਕੜੇ ਇਹ ਨਹੀਂ ਦਿਖਾ ਸਕਦੇ ਕਿ ਵਾਧਾ ਕੀਮਤ ਬਦਲਣ ਕਰਕੇ ਹੋਇਆ; ਸਤੰਬਰ ਹੋਰ ਕਾਰਨਾਂ ਕਰਕੇ ਵੀ ਵੱਖਰਾ ਹੋ ਸਕਦਾ ਹੈ। ਤੀਜਾ, ਸਿਫ਼ਾਰਸ਼ ਪੁੱਛੀ ਗਈ ਜਾਂ ਦਿਖਾਈ ਗਈ ਜਾਣਕਾਰੀ ਤੋਂ ਕਾਫ਼ੀ ਅੱਗੇ ਜਾਂਦੀ ਹੈ।
ਬਿਹਤਰ ਅਗਲਾ ਪ੍ਰੌਮਪਟ: ਸਿਰਫ਼ ਅੱਪਲੋਡ ਕੀਤੀ ਸ਼ੀਟ ਵਰਤ ਕੇ, ਅਗਸਤ ਅਤੇ ਸਤੰਬਰ ਦੀ ਰੱਦ ਕਰਨ ਦੀ ਦਰ ਦੱਸੋ ਅਤੇ ਗਣਨਾ ਵੀ ਦਿਖਾਓ। ਫਿਰ ਸਤੰਬਰ ਵਿੱਚ ਹੋਈਆਂ ਰੱਦਗੀਆਂ ਨੂੰ ਪਲਾਨ ਦੀ ਕਿਸਮ ਅਨੁਸਾਰ ਵੰਡੋ, ਕਿਉਂਕਿ ਸਿਰਫ਼ ਮਹੀਨਾਵਾਰ ਪਲਾਨ ਦੀ ਕੀਮਤ ਬਦਲੀ ਸੀ। ਕੋਈ ਕਾਰਨ ਨਾ ਦੱਸੋ। ਇਹ ਜਾਂਚਣ ਲਈ ਹੋਰ ਕਿਹੜਾ ਡਾਟਾ ਮਦਦਗਾਰ ਹੋਵੇਗਾ ਕਿ ਕੀਮਤ ਵਿੱਚ ਤਬਦੀਲੀ ਜ਼ਿੰਮੇਵਾਰ ਸੀ ਜਾਂ ਨਹੀਂ, ਉਸ ਦੀ ਸੂਚੀ ਦਿਓ।
ਸਮੀਖਿਆ ਕੀਤਾ ਨਤੀਜਾ: ਮਹੀਨਾਵਾਰ ਰੱਦ ਕਰਨ ਦੀ ਦਰ ਅਗਸਤ ਵਿੱਚ ਲਗਭਗ 5.1 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵਧ ਕੇ ਸਤੰਬਰ ਵਿੱਚ 7.0 ਪ੍ਰਤੀਸ਼ਤ ਹੋ ਗਈ। ਇਹ ਵਾਧਾ ਮਹੀਨਾਵਾਰ ਪਲਾਨ ਦੀ ਕੀਮਤ ਵਿੱਚ 1 September ਨੂੰ ਹੋਈ ਤਬਦੀਲੀ ਦੇ ਨਾਲ ਹੀ ਹੋਇਆ। ਇਹ ਜਾਂਚਣ ਲਈ ਕਿ ਕੀ ਇਹੀ ਕਾਰਨ ਸੀ, ਮਹੀਨਾਵਾਰ ਪਲਾਨ ਦੇ ਰੱਦ ਹੋਣ ਦੀ ਤੁਲਨਾ ਬਿਨਾਂ ਬਦਲਾਅ ਵਾਲੇ ਸਾਲਾਨਾ ਪਲਾਨ ਨਾਲ ਕਰੋ, ਗਾਹਕਾਂ ਵੱਲੋਂ ਦੱਸੇ ਰੱਦ ਕਰਨ ਦੇ ਕਾਰਨ ਪੜ੍ਹੋ ਅਤੇ ਪਿਛਲੇ ਸਾਲ ਦੇ ਇਨ੍ਹਾਂ ਹੀ ਮਹੀਨਿਆਂ ਨੂੰ ਵੇਖੋ। ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸੰਸਥਾਪਕ ਨੇ ਦੋਵੇਂ ਦਰਾਂ ਹੱਥੀਂ ਗਿਣ ਕੇ ਜਾਂਚੀਆਂ।
ਤੁਹਾਨੂੰ AI ਟੂਲ ਨੂੰ ਕਿਹੜਾ ਡਾਟਾ ਨਹੀਂ ਦੇਣਾ ਚਾਹੀਦਾ?
ਕਿਸੇ AI ਸਾਧਨ ਨੂੰ ਨਿੱਜੀ ਜਾਂ ਗੁਪਤ ਡਾਟਾ ਨਾ ਦਿਓ, ਜਦੋਂ ਤੱਕ ਤੁਹਾਡੀ ਕੰਪਨੀ ਨੇ ਉਸ ਸਾਧਨ ਅਤੇ ਉਸ ਦੀ ਯੋਜਨਾ ਨੂੰ ਇਸ ਕੰਮ ਲਈ ਮਨਜ਼ੂਰੀ ਨਾ ਦਿੱਤੀ ਹੋਵੇ। ਗਾਹਕਾਂ ਦੀਆਂ ਸੂਚੀਆਂ, ਕਰਮਚਾਰੀਆਂ ਦੇ ਰਿਕਾਰਡ, ਸਿਹਤ ਸੰਬੰਧੀ ਜਾਣਕਾਰੀ ਅਤੇ ਅਜੇ ਜਾਰੀ ਨਾ ਕੀਤੇ ਵਿੱਤੀ ਨਤੀਜਿਆਂ ਲਈ ਆਮ ਤੌਰ ਉੱਤੇ ਸਪਸ਼ਟ ਮਨਜ਼ੂਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਨਾਮਾਂ ਦੀ ਥਾਂ ਕੋਡ ਵਰਤਣਾ ਮਦਦਗਾਰ ਹੈ, ਪਰ ਜੇ ਕੋਈ ਉਨ੍ਹਾਂ ਕੋਡਾਂ ਨੂੰ ਮੁੜ ਵਿਅਕਤੀਆਂ ਨਾਲ ਜੋੜ ਸਕਦਾ ਹੈ ਤਾਂ ਡਾਟਾ ਗੁਮਨਾਮ ਨਹੀਂ ਹੋ ਜਾਂਦਾ। ਯੂਕੇ ਦਾ ICO ਕਹਿੰਦਾ ਹੈ ਕਿ ਛਦਮ ਪਛਾਣ ਵਾਲਾ ਡਾਟਾ ਉਸ ਵਿਅਕਤੀ ਦੇ ਹੱਥਾਂ ਵਿੱਚ ਨਿੱਜੀ ਡਾਟਾ ਹੀ ਹੈ ਜਿਸ ਕੋਲ ਲੋਕਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਲਈ ਲੋੜੀਂਦੀ ਵਾਧੂ ਜਾਣਕਾਰੀ ਹੈ।
ਅਕਸਰ ਤੁਸੀਂ ਇਸ ਸਵਾਲ ਤੋਂ ਬਚ ਸਕਦੇ ਹੋ। ਪਹਿਲਾਂ ਅੰਕੜਿਆਂ ਨੂੰ ਇਕੱਠਾ ਕਰੋ, ਤਾਂ ਜੋ ਤੁਸੀਂ ਵੱਖ-ਵੱਖ ਕਤਾਰਾਂ ਦੀ ਬਜਾਏ ਮਹੀਨਾਵਾਰ ਕੁੱਲ ਸਾਂਝੇ ਕਰੋ। ਜਾਂ ਕਾਲਮਾਂ ਦਾ ਵਰਣਨ ਕਰੋ ਅਤੇ ਫਾਰਮੂਲਾ ਜਾਂ ਕੋਡ ਲੈਣ ਲਈ ਕਾਲਪਨਿਕ ਨਮੂਨਾ ਕਤਾਰਾਂ ਵਰਤੋ, ਫਿਰ ਉਸ ਨੂੰ ਆਪਣੇ ਸਿਸਟਮਾਂ ਅੰਦਰ ਅਸਲ ਡਾਟੇ 'ਤੇ ਚਲਾਓ। ਇਹ ਆਮ ਜਾਣਕਾਰੀ ਹੈ, ਕਾਨੂੰਨੀ ਸਲਾਹ ਨਹੀਂ; ਆਪਣੀ ਨੀਤੀ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਜਿੱਥੇ ਲੋੜ ਹੋਵੇ, ਆਪਣੇ ਡਾਟਾ ਸੁਰੱਖਿਆ ਦੇ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਨਾਲ ਗੱਲ ਕਰੋ।
ਕੀ Copilot ਡਾਟੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਵਧੀਆ ਹੈ?
ਜੇ ਤੁਹਾਡੀ ਸੰਸਥਾ ਕੋਲ ਪਹਿਲਾਂ ਹੀ Excel ਵਿੱਚ Copilot ਹੈ ਤਾਂ ਇਹ ਰੋਜ਼ਾਨਾ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਢੁਕਵਾਂ ਵਿਕਲਪ ਹੈ, ਕਿਉਂਕਿ ਇਹ ਉਸੇ ਵਰਕਬੁੱਕ ਵਿੱਚ ਕੰਮ ਕਰਦਾ ਹੈ ਜਿੱਥੇ ਡਾਟਾ ਮੌਜੂਦ ਹੈ ਅਤੇ, Microsoft ਮੁਤਾਬਕ, ਇਸ ਵਿੱਚ ਅਜਿਹਾ ਮੋਡ ਹੈ ਜੋ ਬਿਨਾਂ ਸੋਧ ਕੀਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦਾ ਹੈ। ਕਿਸੇ ਖ਼ਾਸ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਇਹ ਚੰਗਾ ਹੈ ਜਾਂ ਨਹੀਂ, ਇਹ ਉਨ੍ਹਾਂ ਹੀ ਗੱਲਾਂ ਉੱਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਜੋ ਕਿਸੇ ਵੀ ਟੂਲ ਲਈ ਲਾਗੂ ਹੁੰਦੀਆਂ ਹਨ: ਡਾਟਾ ਕਿੰਨਾ ਸਾਫ਼ ਹੈ, ਤੁਸੀਂ ਕਿੰਨੀ ਸਟੀਕ ਹਦਾਇਤ ਦਿੰਦੇ ਹੋ ਅਤੇ ਕੀ ਤੁਸੀਂ ਨਤੀਜੇ ਦੀ ਜਾਂਚ ਕਰਦੇ ਹੋ। ਇਹ ਇਸ ਸਮਝ ਦੀ ਥਾਂ ਨਹੀਂ ਲੈਂਦਾ ਕਿ ਵਾਜਬ ਜਵਾਬ ਕਿਹੋ ਜਿਹਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਜੇ ਤੁਹਾਡੀ ਟੀਮ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਵੱਖ-ਵੱਖ ਸਹਾਇਕਾਂ ਵਿੱਚੋਂ ਚੋਣ ਕਰ ਰਹੀ ਹੈ, ਤਾਂ ਹਰ ਇੱਕ ਨੂੰ ਅਜਿਹੇ ਇੱਕ ਅਸਲ, ਗ਼ੈਰ-ਸੰਵੇਦਨਸ਼ੀਲ ਸਵਾਲ ਨਾਲ ਪਰਖੋ ਜਿਸ ਦਾ ਜਵਾਬ ਤੁਹਾਨੂੰ ਪਹਿਲਾਂ ਹੀ ਪਤਾ ਹੈ। ਇਸ ਨਾਲ ਤੁਹਾਨੂੰ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੀ ਤੁਲਨਾ ਨਾਲੋਂ ਵੱਧ ਪਤਾ ਲੱਗੇਗਾ।
ਤੁਹਾਨੂੰ ਇਸ ਦੀ ਬਜਾਏ ਵਿਸ਼ਲੇਸ਼ਕ ਦੀ ਮਦਦ ਕਦੋਂ ਲੈਣੀ ਚਾਹੀਦੀ ਹੈ?
ਜਦੋਂ ਫ਼ੈਸਲੇ ਨਾਲ ਵੱਡੀ ਲਾਗਤ ਜੁੜੀ ਹੋਵੇ, ਡਾਟਾ ਬਹੁਤ ਜ਼ਿਆਦਾ ਜਾਂ ਬੇਤਰਤੀਬ ਹੋਵੇ, ਜਾਂ ਸਵਾਲ ਕਾਰਨ, ਭਵਿੱਖਬਾਣੀ ਜਾਂ ਇਹ ਜਾਣਨ ਬਾਰੇ ਹੋਵੇ ਕਿ ਫ਼ਰਕ ਅਸਲ ਹੈ ਜਾਂ ਸਿਰਫ਼ ਬੇਤਰਤੀਬ ਉਤਾਰ-ਚੜ੍ਹਾਅ, ਤਾਂ ਕਿਸੇ ਵਿਸ਼ਲੇਸ਼ਕ ਜਾਂ ਅੰਕੜਾ-ਵਿਗਿਆਨ ਦੀ ਸਿਖਲਾਈ ਵਾਲੇ ਵਿਅਕਤੀ ਨੂੰ ਬੁਲਾਓ। AI ਨਾਲ ਭਰੋਸੇਯੋਗ ਦਿਖਾਈ ਦੇਣ ਵਾਲਾ ਚਾਰਟ ਅਤੇ ਸੁਚੱਜਾ ਪੈਰਾ ਬਣਾਉਣਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ। ਪਰ ਇਸ ਨਾਲ ਪਿੱਛੇ ਵਰਤਿਆ ਅੰਕੜਾ-ਵਿਗਿਆਨ ਸੌਖਾ ਨਹੀਂ ਹੋ ਜਾਂਦਾ, ਅਤੇ ਗ਼ੈਰ-ਮਾਹਰ ਨੂੰ ਸ਼ਾਇਦ ਇਹ ਵੀ ਨਾ ਪਤਾ ਹੋਵੇ ਕਿ ਟੂਲ ਨੂੰ ਕਿਹੜਾ ਸਵਾਲ ਪੁੱਛਣਾ ਹੈ।
AI ਗੁੰਮ ਜਾਣਕਾਰੀ ਦਾ ਬਦਲ ਵੀ ਨਹੀਂ ਹੈ। ਜੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਲੋੜੀਂਦੀ ਜਾਣਕਾਰੀ ਕਦੇ ਦਰਜ ਹੀ ਨਹੀਂ ਕੀਤੀ ਗਈ, ਤਾਂ ਸਹੀ ਨਤੀਜਾ ਇੱਕ ਨੋਟ ਹੈ ਜੋ ਇਹ ਗੱਲ ਦੱਸੇ ਅਤੇ ਉਸ ਜਾਣਕਾਰੀ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਦੀ ਯੋਜਨਾ ਦੇਵੇ।
ਸਰੋਤ ਅਤੇ ਦਾਇਰਾ
Microsoft ਸਹਾਇਤਾ, Excel ਵਿੱਚ Copilot ਨਾਲ ਸ਼ੁਰੂਆਤ ਕਰੋ, 16 ਅਕਤੂਬਰ 2026 ਨੂੰ ਵੇਖਿਆ ↗
ICO, ਛਦਮਨਾਮਕਰਨ ਬਾਰੇ ਮਾਰਗਦਰਸ਼ਨ, 16 ਅਕਤੂਬਰ 2026 ਨੂੰ ਵੇਖਿਆ ਗਿਆ ↗