La ciència de dades és una eina fantàstica per tenir un negoci.
Tanmateix, l'anàlisi només ajudarà si genera impacte. Aquest impacte pot ser qualsevol cosa, des del creixement de l'empresa, millors productes o augment dels ingressos.
L'ús de l'anàlisi per prendre decisions al vostre negoci es coneix com a presa de decisions basada en dades. Això implica recollir dades, extreure patrons i fets i fer inferències.
Definitivament, ara és més popular invertir temps i recursos per prendre la majoria de les decisions de la vostra empresa basades en dades.
Malgrat això, les enquestes ho demostren sensació intestinal encara influeixen en el procés de presa de decisions.
Un factor important en això és la manca d'un marc adequat de presa de decisions a l'organització.
Aquest article presentarà el marc BADIR i com podeu utilitzar-lo per crear accionables, basats en dades informació per al teu negoci.
Marc de dades a decisions BADIR
El BADIR framework és un marc de dades a la decisió altament eficaç dissenyat per resoldre problemes empresarials.
És senzill d'adaptar i funciona per a qualsevol indústria. Té com a objectiu combinar la ciència de dades i la ciència de decisions en un marc fàcil de seguir.
Aryng, una coneguda empresa de consultoria, formació i assessorament en ciència de dades va idear aquest marc de decisions de dades.
Avui, diverses empreses de Fortune 500 per a les seves iniciatives de transformació digital han adoptat BADIR.
Característiques clau del marc de dades a decisions
- Proporcioneu informació útil basada en dades
- Formular un pla d'anàlisi basat en hipòtesis
- Facilita l'especificació de dades per fer dat
- Coneixements derivats de les tècniques de reconeixement de patrons a Aprenentatge automàtic i estadístiques
- Presentar recomanacions viables als grups d'interès
Els cinc passos en el marc de les dades a les decisions
El marc de dades a decisions de BADIR inclou cinc passos que s'han de seguir en ordre.
Qüestió empresarial
Abans de fer qualsevol tipus d'extracció o anàlisi de dades, primer hem d'entendre el context del problema que estem intentant resoldre. Això ajudarà a reduir el nombre d'iteracions necessàries a la línia.
Això implica fer les preguntes adequades. El marc ens anima a fer les sis preguntes bàsiques (qui, què, on, quan, per què i com).
Per exemple, hem d'assegurar-nos que entenem quina decisió s'ha de prendre.
És urgent aquesta decisió?
Hem de saber quan s'espera que fem una recomanació final.
Finalment, hem de saber qui són els nostres grups d'interès.
Les dades s'han de compartir amb l'equip de màrqueting i amb l'equip de logística?
Quants grups d'interès necessiten conèixer els resultats de la nostra anàlisi?
En efecte, intentem convertir preguntes molt bàsiques en preguntes adequades. Per exemple, és possible que tingueu la sol·licitud de dades següent: "dades del client per país, producte i funció".
Una sol·licitud millor i més útil hauria de ser així: “Quines són les raons per les quals perdem clients després del llançament? Quines accions pot fer el departament de vendes i màrqueting per fer front a aquesta pèrdua?
Pla d’anàlisi
Després de decidir una qüestió empresarial concreta, el nostre següent pas és formular un pla d'anàlisi.
Hem de crear objectius SMART. SMART és un acrònim que significa Specific, Measurable, Achievable, Relevant, and Time Bound.
A continuació, hauríem de formular les nostres hipòtesis. Aquestes són declaracions que volem demostrar o desmentir utilitzant les nostres dades. Juntament amb aquestes hipòtesis, hauríem de fixar els criteris necessaris per demostrar cadascuna.
També hem d'estudiar la metodologia necessària durant l'anàlisi de dades. Les metodologies habituals inclouen:
-
Agregat
-
Correlació
-
tendència
-
Estimació
Després de decidir la metodologia, també hem de decidir sobre l'especificació de les dades.
Utilitzarem dades de l'any passat o dades de tots els temps?
Utilitzarem principalment dades financeres o de màrqueting?
Aquestes preguntes són importants perquè això facilitarà el procés de recollida de dades més endavant.
El resultat final d'aquest pas és un pla de projecte. Això inclou tots els recursos necessaris per executar aquesta anàlisi, així com el calendari de cada pas del procés. El pla del projecte també especifica qui són les parts interessades així com els diferents rols dins de l'equip.
Per exemple, diguem que tenim la hipòtesi següent: “La nostra empresa està perdent clients a causa d'una campanya de màrqueting menys exitosa en el darrer trimestre”.
Per demostrar o refutar aquesta anàlisi, haurem d'extraure dades de màrqueting de l'any passat.
Podem utilitzar la metodologia de correlació per determinar si una mètrica com el CTR està correlacionada o podem predir el nombre de clients per a cada trimestre.
Recopilació de dades
La recollida de dades ara és molt més fàcil, ja que podríem descriure l'especificació de dades durant el nostre pas del pla d'anàlisi. Això evitarà que es recuperin dades innecessàries.
Això és especialment important si estem tractant amb una quantitat important de dades, ja que estalviarà temps a l'hora de realitzar la nostra metodologia escollida.
El pas de recollida de dades també implica la neteja i la validació de dades. La neteja de dades es refereix a manipular les dades per fer-les útils.
Hem de realitzar una validació de dades per assegurar-nos que les dades que tenim són precises.
Obtenir estadístiques
El nostre següent pas implica obtenir informació real de les nostres dades.
En aquest pas, revisem els patrons de les nostres dades.
Per exemple, en l'anàlisi de correlacions podem començar amb una anàlisi univariada que mira la distribució de les mètriques clau. Si escau, també podem esbrinar si hi ha diferència entre una població de prova i una de control.
Amb els criteris que vam establir en el segon pas, també intentem demostrar i refutar les nostres hipòtesis.
Finalment, el resultat d'aquest pas hauria de ser els nostres resultats. Hauríem de presentar les nostres conclusions sobre l'impacte quantificat.
Per exemple, podeu esmentar l'impacte en dòlar d'una caiguda percentual determinada per implicar les vostres parts interessades.
Podríeu dir que una caiguda percentual en l'adquisició de clients pot provocar una caiguda d'ingressos d'un milió de dòlars.
Recomanació
Les recomanacions són el pas més important del marc BADIR. Aquestes recomanacions han de ser aplicables.
Són el principal motiu pel qual hem fet cada pas en aquest marc.
En aquest darrer pas, volem aconseguir moltes coses. En primer lloc, hem de relacionar-nos amb el públic objectiu. Això vol dir que hauríeu de presentar recomanacions breus i profundes.
Una recomanació creïble i sòlida també farà que et percebin com un soci comercial eficaç.
Finalment, la vostra recomanació hauria d'impulsar el vostre públic cap a l'acció.
Si us encarregareu de presentar les recomanacions, és important construir una plataforma de diapositives que conté totes les vostres troballes.
La creació d'una plataforma de diapositives és iterativa, començant per totes les vostres troballes i racionalitzant progressivament el flux de la coberta.
La diapositiva final hauria de tenir un resum executiu concís. Podem afegir qualsevol informació addicional en un apèndix.
Conclusió
Adoptar un marc de dades per prendre decisions és una bona manera d'assegurar-vos que podeu obtenir informació útil a partir de les dades de la vostra empresa.
La combinació de la ciència de dades amb la ciència de decisions permet un diàleg entre totes les parts interessades implicades. Cada pas del marc de dades per prendre decisions de BADIR condueix a un resultat final eficaç: recomanacions accionables.
Feu-nos saber com es pot beneficiar la vostra empresa o equip d'aquest tipus de marc!
Deixa un comentari