أراد أسطولُ شاحناتٍ أمريكيّ أن يعرف أيُّ سائقيه يحمل خطرًا حقيقيًّا — لا بالسمعة ولا بالحدس، بل من البيانات التي كان يجمعها أصلًا. وكانت ثلاثةُ مصادر تحمل الجواب فيما بينها ولا يحمله واحدٌ منها وحده: سجلُّ التفتيش الفيدراليّ على الطريق لدى الناقل، وهو يُعدّد المخالفات بحسب فئة السلامة؛ وتقريرُ امتثال التفتيش لدى DOT، وهو يمنح كلَّ سائقٍ نسبةً مئويةً واحدة؛ وبياناتُ القياس عن بُعد، وهي تُحصي ما يفعله السائقون خلف المِقود — تجاوزَ السرعة، والكبحَ العنيف، والوقوفَ غير التامّ عند إشارات التوقّف، وتجاوزاتِ ساعات الخدمة.
وكان التكليفُ أن تصير هذه الثلاثةُ شيئًا واحدًا: نطاقَ مخاطرَ لكلّ سائق تستطيع لوحةٌ في Power BI أن تضعه أمام مدير السلامة. وهذا عملٌ تحليليّ لا نظامٌ يعمل — فالمُسلَّم هو تصميمُ احتساب الدرجة وما يُنتجه من ملفّات، لا خدمةٌ قائمة. وما يجعله جديرًا بأن يُكتب هو موضعُ الصعوبة الحقيقيّ فيه: لا في التجميع العنقوديّ، بل في نمذجة مجالٍ تنظيميّ نمذجةً أمينة، وفي تحويل تجميعٍ إحصائيّ إلى تسميةٍ يستطيع إنسانٌ أن يتصرّف بناءً عليها.
ثلاثُ مشكلاتٍ كانت تفصل التصديراتِ الخام عن نطاق مخاطرَ صالحٍ للاستعمال.
المصادرُ الثلاثة لا تتكلّم اللغة نفسها. فالسجلّ الفيدراليّ للسلامة صفٌّ لكلّ مخالفة، فالسائقُ الذي عليه إحدى عشرة مخالفةً يظهر إحدى عشرة مرّة. وتقريرُ الامتثال صفٌّ واحد لكلّ سائق يحمل نسبةً مئويةً واحدة. وبياناتُ القياس عن بُعد عددٌ لكلّ نوع حدث. وقبل أن يمكن مقارنةُ شيءٍ بشيء، لا بدّ أن تُختزل الثلاثةُ جميعًا إلى الشكل نفسه — صفٌّ واحد لكلّ سائق — دون أن يضيع ما يجعل كلَّ مصدرٍ ذا دلالة.
النسبةُ المئوية ليست خطرًا. فالفرق بين سائقٍ عند 94% من امتثال التفتيش وآخرَ عند 34% ليس «ستّين نقطة» من الخطر — إذ إنّ جُلَّ التعرّض الحقيقيّ يقع في الذيل. واحتسابُ ذلك احتسابًا خطّيًّا كان سيُسطّح الإشارةَ نفسها التي كان الأسطولُ يدفع للعثور عليها، وسيُنفق مدى الدرجة على سائقين هم أصلًا على ما يُرام.
التجميعُ العنقوديّ يمنحك مجموعاتٍ، لا معنًى. فـK-means سيُعيد العناقيدَ 0 و1 و2 عن طيب خاطر — وسيُرقّمها ترقيمًا مختلفًا في المرّة التالية التي تتبدّل فيها البيانات، لأنّ الترقيم اعتباطيّ. ولوحةٌ تقول لمدير السلامة إنّ «هذا السائق في العنقود 2» إنّما حوّلت مشكلةَ بياناتٍ إلى مشكلة بياناتٍ أخرى. فلا بدّ من تحويل التجميع إلى كلمةٍ بشريّةٍ مرتَّبةٍ ثابتة قبل أن يستحقّ الظهور على شاشة.
أيُّ جدول بياناتٍ يدخل، فيخرج شكلُه — والمخطّطات تختارها البيانات نفسها
عرض المشروع