Data Science ist ein großartiges Werkzeug für die Führung eines Unternehmens.
Analysen helfen jedoch nur, wenn sie Wirkung erzielen. Diese Auswirkungen können alles sein, von Unternehmenswachstum, besseren Produkten oder höheren Einnahmen.
Die Verwendung von Analysen zur Entscheidungsfindung in Ihrem Unternehmen wird als datengesteuerte Entscheidungsfindung bezeichnet. Dazu gehört das Sammeln von Daten, das Extrahieren von Mustern und Fakten und das Ziehen von Schlussfolgerungen.
Es ist jetzt definitiv beliebter, Zeit und Ressourcen zu investieren, um einen Großteil der Entscheidungen Ihres Unternehmens datengesteuert zu treffen.
Trotzdem zeigen das Umfragen Bauchgefühl immer noch in den Entscheidungsprozess einfließen.
Ein wesentlicher Faktor dabei ist das Fehlen eines angemessenen Rahmens für die Entscheidungsfindung in der Organisation.
In diesem Artikel wird das BADIR-Framework vorgestellt und erläutert, wie Sie es verwenden können, um umsetzbare, datengesteuerte Lösungen zu erstellen Erkenntnisse für Ihr Unternehmen.
BADIR Data to Decisions Framework
Das BADIR Framework ist ein hocheffektives Data-to-Decision-Framework, das zur Lösung von Geschäftsproblemen entwickelt wurde.
Es ist einfach anzupassen und funktioniert für jede Branche. Es zielt darauf ab, Datenwissenschaft und Entscheidungswissenschaft in einem leicht verständlichen Rahmen zu kombinieren.
Aryng, Ein bekanntes Data-Science-Beratungs-, Schulungs- und Beratungsunternehmen hat dieses Data-to-Decisions-Framework entwickelt.
Heute haben verschiedene Fortune-500-Unternehmen für ihre Initiativen zur digitalen Transformation BADIR eingeführt.
Hauptmerkmale des Data-to-Decision-Frameworks
- Stellen Sie umsetzbare datengesteuerte Erkenntnisse bereit
- Formulieren Sie einen hypothesengesteuerten Analyseplan
- Erleichtert die Datenspezifikation, um Daten zu erstellen
- Erkenntnisse aus Mustererkennungstechniken in Maschinelles lernen und Statistiken
- Präsentieren Sie den Stakeholdern umsetzbare Empfehlungen
Die fünf Schritte im Data-to-Decisions Framework
Das BADIR-Daten-zu-Entscheidungs-Framework umfasst fünf Schritte, die der Reihe nach befolgt werden müssen.
Geschäftsfrage
Bevor wir irgendeine Art von Datenextraktion oder -analyse durchführen, müssen wir zunächst den Kontext des Problems verstehen, das wir zu lösen versuchen. Dies wird dazu beitragen, die Anzahl der Iterationen zu reduzieren, die später benötigt werden.
Dazu gehört, die richtigen Fragen zu stellen. Der Rahmen ermutigt uns, die sechs grundlegenden Fragen zu stellen (wer, was, wo, wann, warum und wie).
Beispielsweise müssen wir sicherstellen, dass wir verstehen, welche Entscheidung getroffen werden muss.
Ist diese Entscheidung dringend?
Wir müssen wissen, wann wir voraussichtlich eine endgültige Empfehlung abgeben werden.
Schließlich müssen wir wissen, wer unsere Stakeholder sind.
Sollen die Daten sowohl mit dem Marketingteam als auch mit dem Logistikteam geteilt werden?
Wie viele Stakeholder müssen die Ergebnisse unserer Analyse kennen?
Tatsächlich versuchen wir, sehr einfache Fragen in richtige Fragen umzuwandeln. Sie könnten beispielsweise die folgende Datenanfrage haben: „Kundendaten nach Land, Produkt und Funktion“.
Eine bessere und nützlichere Anfrage sollte wie folgt aussehen: „Was sind die Gründe, warum wir nach der Einführung Kunden verlieren? Welche Maßnahmen kann die Vertriebs- und Marketingabteilung ergreifen, um diesen Verlust zu beheben?“
Analyseplan
Nachdem wir uns für eine konkrete Geschäftsfrage entschieden haben, ist unser nächster Schritt, einen Analyseplan zu formulieren.
Wir sollten SMARTe Ziele erstellen. SMART ist ein Akronym, das für Specific, Measurable, Achievable, Relevant und Time Bound steht.
Als nächstes sollten wir unsere Hypothesen formulieren. Dies sind Aussagen, die wir anhand unserer Daten beweisen oder widerlegen wollen. Zusammen mit diesen Hypothesen sollten wir die Kriterien festlegen, die zum Beweis jeder einzelnen erforderlich sind.
Wir müssen uns auch mit der Methodik befassen, die während der Datenanalyse benötigt wird. Zu den gängigen Methoden gehören:
-
Aggregat
-
Korrelation
-
Trend
-
Schätzung
Nachdem wir uns für die Methodik entschieden haben, müssen wir uns auch für die Datenspezifikation entscheiden.
Werden wir Daten aus dem vergangenen Jahr oder Daten aller Zeiten verwenden?
Werden wir hauptsächlich Finanzdaten oder Marketingdaten verwenden?
Diese Fragen sind wichtig, da dies die spätere Datenerhebung vereinfacht.
Das Endergebnis dieses Schritts ist ein Projektplan. Dazu gehören alle Ressourcen, die für die Durchführung dieser Analyse erforderlich sind, sowie der Zeitplan für jeden Schritt im Prozess. Der Projektplan legt auch fest, wer die Stakeholder sind sowie die verschiedenen Rollen innerhalb des Teams.
Nehmen wir zum Beispiel an, dass wir die folgende Hypothese haben: „Unser Unternehmen verliert Kunden aufgrund einer weniger erfolgreichen Marketingkampagne im letzten Quartal“.
Um diese Analyse zu beweisen oder zu widerlegen, müssen wir Marketingdaten aus dem vergangenen Jahr heranziehen.
Wir können die Korrelationsmethode verwenden, um festzustellen, ob eine Metrik wie CTR korreliert ist, oder die Anzahl der Kunden für jedes Quartal vorhersagen.
Datensammlung
Die Datenerfassung ist jetzt viel einfacher, da wir die Datenspezifikation während unseres Analyseplanschritts beschreiben konnten. Dadurch wird verhindert, dass unnötige Daten abgerufen werden.
Dies ist besonders wichtig, wenn wir mit einer beträchtlichen Datenmenge zu tun haben, da dies bei der Durchführung unserer gewählten Methodik Zeit spart.
Der Datenerfassungsschritt beinhaltet auch die Datenbereinigung und -validierung. Datenbereinigung bezieht sich auf die Manipulation von Daten, um sie nutzbar zu machen.
Wir müssen eine Datenvalidierung durchführen, um sicherzustellen, dass die uns vorliegenden Daten korrekt sind.
Erkenntnisse ableiten
Unser nächster Schritt ist die eigentliche Gewinnung von Erkenntnissen aus unseren Daten.
In diesem Schritt überprüfen wir Muster in unseren Daten.
Bei der Korrelationsanalyse können wir beispielsweise mit einer univariaten Analyse beginnen, die sich mit der Verteilung der Schlüsselkennzahlen befasst. Gegebenenfalls können wir auch herausfinden, ob es einen Unterschied zwischen einer Test- und einer Kontrollpopulation gibt.
Anhand der Kriterien, die wir im zweiten Schritt festlegen, versuchen wir auch, unsere Hypothesen zu beweisen und zu widerlegen.
Schließlich sollte das Ergebnis dieses Schritts unsere Ergebnisse sein. Wir sollten unsere Ergebnisse in Bezug auf die quantifizierte Wirkung präsentieren.
Sie können beispielsweise die Auswirkungen eines bestimmten prozentualen Rückgangs auf den Dollar erwähnen, um Ihre Stakeholder einzubeziehen.
Man könnte sagen, dass ein prozentualer Rückgang der Kundengewinnung zu einem Umsatzrückgang von 1 Million US-Dollar führen kann.
Software Empfehlungen
Empfehlungen sind der wichtigste Schritt im BADIR-Framework. Diese Empfehlungen müssen umsetzbar sein.
Sie sind der Hauptgrund, warum wir jeden Schritt in diesem Framework durchlaufen haben.
In diesem letzten Schritt wollen wir mehrere Dinge erreichen. Zuerst müssen wir mit der Zielgruppe in Kontakt treten. Das bedeutet, dass Sie kurze und aufschlussreiche Empfehlungen präsentieren sollten.
Eine glaubwürdige und fundierte Empfehlung führt auch dazu, dass Sie als effektiver Geschäftspartner wahrgenommen werden.
Schließlich sollte Ihre Empfehlung Ihr Publikum zum Handeln anregen.
Wenn Sie für die Präsentation der Empfehlungen verantwortlich sind, ist es wichtig, eine Präsentation mit all Ihren Ergebnissen zu erstellen.
Die Erstellung eines Foliendecks ist iterativ, beginnend mit all Ihren Erkenntnissen und der schrittweisen Rationalisierung des Ablaufs des Decks.
Das abschließende Foliendeck sollte eine prägnante Zusammenfassung enthalten. Zusätzliche Informationen können wir in einem Anhang hinzufügen.
Zusammenfassung
Die Einführung eines Data-to-Decision-Frameworks ist eine großartige Möglichkeit, um sicherzustellen, dass Sie umsetzbare Erkenntnisse aus Ihren Geschäftsdaten gewinnen können.
Die Kombination von Data Science mit Decision Science ermöglicht einen Dialog zwischen allen Beteiligten. Jeder Schritt im BADIR Data-to-Decision-Framework führt zu einem effektiven Endergebnis: umsetzbare Empfehlungen.
Teilen Sie uns mit, wie Ihr Unternehmen oder Team von dieser Art von Framework profitieren kann!
Hinterlassen Sie uns einen Kommentar