Науката за данни е чудесен инструмент, който трябва да имате, когато управлявате бизнес.
Анализът обаче ще помогне само ако стимулира въздействието. Това въздействие може да бъде всичко от растеж на компанията, по-добри продукти или увеличени приходи.
Използването на анализи за вземане на решения във вашия бизнес е известно като вземане на решения, управлявано от данни. Това включва събиране на данни, извличане на модели и факти и правене на изводи.
Определено сега е по-популярно да инвестирате време и ресурси, за да вземете по-голямата част от решенията на вашата компания, базирани на данни.
Въпреки това проучванията показват това вътрешно усещане все още участва в процеса на вземане на решения.
Основен фактор за това е липсата на подходяща рамка за вземане на решения в организацията.
Тази статия ще представи рамката BADIR и как можете да я използвате, за да създавате действащи, управлявани от данни прозрения за вашия бизнес.
BADIR Рамка от данни към решения
- БАДИР Framework е високоефективна рамка за вземане на решения от данни, предназначена за решаване на бизнес проблеми.
Лесно е да се адаптира и работи за всяка индустрия. Той има за цел да комбинира науката за данни и науката за вземане на решения заедно в една лесна за следване рамка.
Аринг, добре позната компания за консултации, обучение и съвети в областта на науката за данни разработи тази рамка от данни към решения.
Днес различни компании от Fortune 500 за своите инициативи за цифрова трансформация са приели BADIR.
Основни характеристики на рамката от данни към решения
- Осигурете действена информация, управлявана от данни
- Формулирайте план за анализ, основан на хипотези
- Улеснява спецификацията на данните за създаване на данни
- Прозрения, получени от техники за разпознаване на модели в Machine Learning и статистика
- Представете полезни препоръки на заинтересованите страни
Петте стъпки в рамката от данни към решения
Рамката на BADIR от данни към решения включва пет стъпки, които трябва да се следват по ред.
Бизнес въпрос
Преди да направим каквото и да е извличане или анализ на данни, първо трябва да разберем контекста на проблема, който се опитваме да решим. Това ще помогне да се намали броят на итерациите, необходими по-нататък.
Това включва задаване на правилните въпроси. Рамката ни насърчава да зададем шестте основни въпроса (кой, какво, къде, кога, защо и как).
Например, трябва да сме сигурни, че разбираме какво решение трябва да вземем.
Спешно ли е това решение?
Трябва да знаем кога се очаква да излезем с окончателна препоръка.
И накрая, трябва да знаем кои са нашите заинтересовани страни.
Трябва ли данните да се споделят с маркетинговия екип, както и с логистичния екип?
Колко заинтересовани страни трябва да знаят резултатите от нашия анализ?
Всъщност ние се опитваме да превърнем много основни въпроси в правилни въпроси. Например, може да имате следната заявка за данни: „данни за клиенти по държава, продукт и функция“.
По-добрата и по-полезна заявка трябва да изглежда така: „Какви са причините да губим клиенти след стартирането? Какви действия може да предприеме отделът за продажби и маркетинг, за да се справи с тази загуба?“
План за анализ
След като вземем решение за конкретен бизнес въпрос, следващата ни стъпка е да формулираме план за анализ.
Трябва да създадем SMART цели. SMART е акроним, който означава специфичен, измерим, постижим, уместен и обвързан във времето.
След това трябва да формулираме нашите хипотези. Това са твърдения, които целим да докажем или опровергаем, използвайки нашите данни. Наред с тези хипотези трябва да зададем критериите, необходими за доказване на всяка една от тях.
Трябва също така да разгледаме методологията, необходима по време на анализа на данните. Общите методологии включват:
-
Агрегат
-
корелация
-
тенденция
-
оценяване
След като вземем решение за методологията, трябва да вземем решение и за спецификацията на данните.
Ще използваме ли данни от миналата година или данни за всички времена?
Ще използваме ли предимно финансови или маркетингови данни?
Тези въпроси са важни, защото това ще улесни процеса на събиране на данни по-късно.
Крайният резултат от тази стъпка е план на проекта. Това включва всички ресурси, необходими за провеждане на този анализ, както и времевата линия за всяка стъпка от процеса. Планът на проекта също така уточнява кои са заинтересованите страни, както и различните роли в екипа.
Например, да кажем, че имаме следната хипотеза: „Нашата компания губи клиенти поради по-малко успешна маркетингова кампания през последното тримесечие“.
За да докажем или опровергаем този анализ, ще трябва да извлечем маркетингови данни от изминалата година.
Можем да използваме методологията на корелацията, за да определим дали показател като CTR е свързан или можем да предвидим броя на клиентите за всяко тримесечие.
Събиране на данни
Събирането на данни вече е много по-лесно, тъй като бихме могли да опишем спецификацията на данните по време на стъпката на нашия план за анализ. Това ще предотврати извличането на ненужни данни.
Това е особено важно, ако работим със значително количество данни, тъй като ще спести време при изпълнение на избраната от нас методология.
Стъпката за събиране на данни също включва почистване и валидиране на данни. Изчистването на данни се отнася до манипулиране на данни, за да ги направи използваеми.
Трябва да извършим проверка на данните, за да се уверим, че данните, с които разполагаме, са точни.
Извличане на прозрения
Следващата ни стъпка включва реалното извличане на прозрения от нашите данни.
В тази стъпка преглеждаме модели в нашите данни.
Например, при корелационния анализ можем да започнем с едновариантен анализ, който разглежда разпределението на ключовите показатели. Ако е приложимо, можем също да разберем дали има разлика между тестова и контролна популация.
Използвайки критериите, които поставихме във втората стъпка, ние също се опитваме да докажем и опровергаем нашите хипотези.
И накрая, резултатът от тази стъпка трябва да бъдат нашите констатации. Трябва да представим нашите констатации по отношение на количественото въздействие.
Например, можете да споменете влиянието на долара от конкретен процент спад, за да ангажирате своите заинтересовани страни.
Може да кажете, че процентният спад в привличането на клиенти може да доведе до спад на приходите от 1 милион долара.
Препоръка
Препоръките са най-важната стъпка в рамката на BADIR. Тези препоръки трябва да са приложими.
Те са основната причина да преминем през всяка стъпка в тази рамка.
В тази последна стъпка искаме да постигнем множество неща. Първо, трябва да се ангажираме с целевата аудитория. Това означава, че трябва да представите кратки и проницателни препоръки.
Достоверната и разумна препоръка също ще доведе до това да бъдете възприемани като ефективен бизнес партньор.
И накрая, вашата препоръка трябва да накара аудиторията ви към действие.
Ако вие ще отговаряте за представянето на препоръките, важно е да изградите слайд тест, който съдържа всички ваши открития.
Създаването на слайд тест е итеративно, като се започне с всички ваши открития и постепенно се рационализира потокът на теста.
Последният тест за слайдове трябва да има кратко резюме. Можем да добавим всякаква допълнителна информация в приложение.
Заключение
Приемането на рамка от данни към решения е чудесен начин да се уверите, че можете да получите полезна информация от вашите бизнес данни.
Комбинирането на науката за данни с науката за вземане на решения позволява диалог между всички участващи заинтересовани страни. Всяка стъпка в рамката за вземане на решения от данни на BADIR води до ефективен краен резултат: препоръки за действие.
Кажете ни как вашият бизнес или екип може да се възползва от този тип рамка!
Оставете коментар