Datawetenskap is 'n wonderlike hulpmiddel om te hê wanneer 'n besigheid bestuur word.
Ontleding sal egter net help as dit impak veroorsaak. Hierdie impak kan enigiets wees van maatskappygroei, beter produkte of verhoogde inkomste.
Die gebruik van analise om besluite in jou besigheid te neem staan bekend as data-gedrewe besluitneming. Dit behels die insameling van data, die onttrekking van patrone en feite, en die maak van afleidings.
Dit is beslis nou meer gewild om tyd en hulpbronne te belê om 'n meerderheid van jou maatskappy se besluite data-gedrewe te maak.
Ten spyte hiervan toon opnames dit maag gevoel steeds faktore in die besluitnemingsproses.
'n Groot faktor hierin is die gebrek aan 'n behoorlike besluitnemingsraamwerk in die organisasie.
Hierdie artikel sal die BADIR-raamwerk bekendstel, en hoe jy dit kan gebruik om uitvoerbare, data-gedrewe te skep insigte vir jou besigheid.
BADIR Data tot Besluite-raamwerk
Die BADIR raamwerk is 'n hoogs effektiewe data-tot-besluit-raamwerk wat ontwerp is om besigheidsprobleme op te los.
Dit is maklik om aan te pas en werk vir enige bedryf. Dit het ten doel om datawetenskap en besluitkunde saam te kombineer in een maklik-om-te-volg raamwerk.
Aring, 'n bekende datawetenskap-konsultasie-, opleidings- en adviesmaatskappy het hierdie data-tot-besluite-raamwerk ontwerp.
Vandag het verskeie Fortune 500-maatskappye vir hul digitale transformasie-inisiatiewe BADIR aangeneem.
Sleutelkenmerke van Data-tot-besluite-raamwerk
- Verskaf uitvoerbare data-gedrewe insigte
- Formuleer 'n hipotese-gedrewe ontledingsplan
- Fasiliteer dataspesifikasie om dat te maak
- Insigte afgelei van patroonherkenningstegnieke in masjienleer en statistieke
- Bied uitvoerbare aanbevelings aan belanghebbendes
Die vyf stappe in die data-tot-besluite-raamwerk
Die BADIR data-tot-besluite-raamwerk behels vyf stappe wat in volgorde gevolg moet word.
Besigheidsvraag
Voordat ons enige soort data-onttrekking of -analise doen, moet ons eers die konteks van die probleem verstaan wat ons probeer oplos. Dit sal help om die aantal iterasies wat nodig is langs die lyn te verminder.
Dit behels die vra van die regte vrae. Die raamwerk moedig ons aan om die ses basiese vrae te vra (wie, wat, waar, wanneer, hoekom en hoe).
Ons moet byvoorbeeld seker maak dat ons verstaan watter besluit geneem moet word.
Is hierdie besluit dringend?
Ons moet weet wanneer daar van ons verwag word om met 'n finale aanbeveling vorendag te kom.
Laastens moet ons weet wie ons belanghebbendes is.
Moet die data met die bemarkingspan sowel as die logistieke span gedeel word?
Hoeveel belanghebbendes moet die resultate van ons ontleding ken?
In werklikheid probeer ons om baie basiese vrae in behoorlike vrae om te skakel. Byvoorbeeld, jy het dalk die volgende dataversoek: "kliëntdata volgens land, produk en kenmerk".
'n Beter en nuttiger versoek behoort soos volg te lyk: “Wat is die redes waarom ons klante verloor ná bekendstelling? Watter aksies kan die verkoops- en bemarkingsafdeling doen om hierdie verlies aan te spreek?”
Ontledingsplan
Nadat ons op 'n konkrete besigheidsvraag besluit het, is ons volgende stap om 'n ontledingsplan te formuleer.
Ons moet SLIM doelwitte skep. SMART is 'n akroniem wat staan vir Spesifiek, Meetbaar, Achievable, Relevant en Tydsgebonde.
Vervolgens moet ons ons hipoteses formuleer. Dit is stellings wat ons probeer bewys of weerlê deur ons data te gebruik. Saam met hierdie hipoteses moet ons die kriteria stel wat nodig is om elkeen te bewys.
Ons moet ook kyk na die metodologie wat nodig is tydens data-analise. Algemene metodologieë sluit in:
-
totaal
-
Korrelasie
-
tendens
-
skatting
Nadat ons op die metodologie besluit het, moet ons ook op die dataspesifikasie besluit.
Sal ons data van die afgelope jaar of alle tye data gebruik?
Sal ons hoofsaaklik finansiële data of bemarkingsdata gebruik?
Hierdie vrae is belangrik omdat dit die data-insamelingsproses later makliker sal maak.
Die finale uitset van hierdie stap is 'n projekplan. Dit sluit alle hulpbronne in wat nodig is om hierdie analise uit te voer, sowel as die tydlyn vir elke stap in die proses. Die projekplan spesifiseer ook wie die belanghebbendes is, asook die verskillende rolle binne die span.
Kom ons sê byvoorbeeld dat ons die volgende hipotese het: “Ons maatskappy verloor klante as gevolg van 'n minder suksesvolle bemarkingsveldtog in die afgelope kwartaal”.
Om hierdie ontleding te bewys of te weerlê, sal ons bemarkingsdata van die afgelope jaar moet trek.
Ons kan korrelasiemetodologie gebruik om te bepaal of 'n maatstaf soos CTR gekorreleer is of die aantal kliënte vir elke kwartaal kan voorspel.
Data-insameling
Data-insameling is nou baie makliker aangesien ons die dataspesifikasie tydens ons Ontledingsplan-stap kon beskryf. Dit sal verhoed dat onnodige data herwin word.
Dit is veral belangrik as ons met 'n aansienlike hoeveelheid data te doen het, aangesien dit tyd sal bespaar wanneer ons ons gekose metodologie uitvoer.
Die data-insamelingstap behels ook die skoonmaak en validering van data. Datasuiwering verwys na die manipulering van data om dit bruikbaar te maak.
Ons moet data validering uitvoer om seker te maak dat die data wat ons het akkuraat is.
Lei insigte af
Ons volgende stap behels die werklike verkryging van insigte uit ons data.
In hierdie stap hersien ons patrone in ons data.
Byvoorbeeld, in korrelasie-analise kan ons begin met 'n eenveranderlike analise wat kyk na die verspreiding van die sleutelmetrieke. Indien van toepassing, kan ons ook uitvind of daar 'n verskil tussen 'n toets- en 'n kontrolepopulasie is.
Deur gebruik te maak van die kriteria wat ons in die tweede stap gestel het, probeer ons ook om ons hipoteses te bewys en te weerlê.
Ten slotte, die uitset van hierdie stap moet ons bevindinge wees. Ons moet ons bevindinge met betrekking tot gekwantifiseerde impak aanbied.
Byvoorbeeld, jy kan die dollar-impak van 'n spesifieke persentasiedaling noem om jou belanghebbendes te betrek.
Jy kan sê dat 'n persentasiedaling in klantverkryging 'n inkomstedaling van $1 miljoen tot gevolg kan hê.
Aanbeveling
Aanbevelings is die belangrikste stap in die BADIR-raamwerk. Hierdie aanbevelings moet uitvoerbaar wees.
Hulle is die hoofrede waarom ons deur elke stap in hierdie raamwerk gegaan het.
In hierdie laaste stap wil ons verskeie dinge bereik. Eerstens moet ons by die teikengehoor betrokke raak. Dit beteken dat jy kort en insiggewende aanbevelings moet gee.
’n Geloofwaardige en gesonde aanbeveling sal ook daartoe lei dat jy as ’n effektiewe sakevennoot beskou word.
Laastens moet jou aanbeveling jou gehoor tot aksie dryf.
As jy in beheer sal wees van die aanbieding van die aanbevelings, is dit belangrik om 'n skyfiedek te bou wat al jou bevindings bevat.
Die skepping van 'n glydek is iteratief, begin met al jou bevindinge, en vaartbelyn die vloei van die dek progressief.
Die finale skyfiedek moet 'n bondige uitvoerende opsomming hê. Ons kan enige bykomende inligting in 'n aanhangsel byvoeg.
Gevolgtrekking
Om 'n data-tot-besluite-raamwerk aan te neem is 'n goeie manier om seker te maak dat jy uitvoerbare insigte uit jou besigheidsdata kan kry.
Die kombinasie van datawetenskap met besluitkunde maak voorsiening vir 'n dialoog tussen alle betrokkenes. Elke stap in die BADIR data-tot-besluite-raamwerk lei tot 'n effektiewe finale uitset: uitvoerbare aanbevelings.
Laat weet ons hoe jou besigheid of span voordeel kan trek uit hierdie tipe raamwerk!
Lewer Kommentaar