Η επιστήμη δεδομένων είναι ένα εξαιρετικό εργαλείο που πρέπει να έχετε όταν διευθύνετε μια επιχείρηση.
Ωστόσο, τα αναλυτικά στοιχεία θα βοηθήσουν μόνο εάν έχουν αντίκτυπο. Αυτός ο αντίκτυπος μπορεί να είναι οτιδήποτε από την ανάπτυξη της εταιρείας, καλύτερα προϊόντα ή αυξημένα έσοδα.
Η χρήση αναλυτικών στοιχείων για τη λήψη αποφάσεων στην επιχείρησή σας είναι γνωστή ως λήψη αποφάσεων βάσει δεδομένων. Αυτό περιλαμβάνει τη συλλογή δεδομένων, την εξαγωγή προτύπων και γεγονότων και την εξαγωγή συμπερασμάτων.
Είναι σίγουρα πιο δημοφιλές τώρα να επενδύετε χρόνο και πόρους για να λαμβάνετε την πλειοψηφία των αποφάσεων της εταιρείας σας βάσει δεδομένων.
Παρόλα αυτά, οι έρευνες δείχνουν ότι αίσθηση του εντέρου παραµένουν στη διαδικασία λήψης αποφάσεων.
Ένας σημαντικός παράγοντας σε αυτό είναι η έλλειψη κατάλληλου πλαισίου λήψης αποφάσεων στον οργανισμό.
Αυτό το άρθρο θα εισαγάγει το πλαίσιο BADIR και πώς μπορείτε να το χρησιμοποιήσετε για να δημιουργήσετε λειτουργικά, βασισμένα σε δεδομένα πληροφορίες για την επιχείρησή σας.
Πλαίσιο BADIR Data to Decisions
Η BADIR Το πλαίσιο είναι ένα εξαιρετικά αποτελεσματικό πλαίσιο δεδομένων προς απόφαση που έχει σχεδιαστεί για την επίλυση επιχειρηματικών προβλημάτων.
Είναι απλό στην προσαρμογή και λειτουργεί για κάθε κλάδο. Στόχος του είναι να συνδυάσει την επιστήμη των δεδομένων και την επιστήμη αποφάσεων μαζί σε ένα εύκολο στην παρακολούθηση πλαίσιο.
Aryng, μια γνωστή εταιρεία παροχής συμβουλών, εκπαίδευσης και συμβουλευτικής επιστήμης δεδομένων επινόησε αυτό το πλαίσιο δεδομένων προς αποφάσεις.
Σήμερα, διάφορες εταιρείες του Fortune 500 για τις πρωτοβουλίες τους για ψηφιακό μετασχηματισμό έχουν υιοθετήσει το BADIR.
Βασικά χαρακτηριστικά του Πλαισίου Data-to-Decisions
- Παρέχετε χρήσιμες πληροφορίες βάσει δεδομένων
- Διατυπώστε ένα σχέδιο ανάλυσης που βασίζεται σε υποθέσεις
- Διευκολύνει τις προδιαγραφές δεδομένων για τη δημιουργία δεδομένων
- Πληροφορίες που προέρχονται από τεχνικές αναγνώρισης προτύπων στο Μηχανική μάθηση και στατιστικές
- Παρουσίαση συστάσεων για δράση στους ενδιαφερόμενους
Τα Πέντε Βήματα στο Πλαίσιο Data-to-Decisions
Το πλαίσιο δεδομένων για αποφάσεις BADIR περιλαμβάνει πέντε βήματα που πρέπει να ακολουθηθούν με τη σειρά.
Επιχειρηματική ερώτηση
Πριν κάνουμε οποιοδήποτε είδος εξαγωγής ή ανάλυσης δεδομένων, πρέπει πρώτα να κατανοήσουμε το πλαίσιο του προβλήματος που προσπαθούμε να λύσουμε. Αυτό θα βοηθήσει στη μείωση του αριθμού των επαναλήψεων που απαιτούνται στη συνέχεια.
Αυτό περιλαμβάνει την υποβολή των σωστών ερωτήσεων. Το πλαίσιο μας ενθαρρύνει να θέσουμε τις έξι βασικές ερωτήσεις (ποιος, τι, πού, πότε, γιατί και πώς).
Για παράδειγμα, πρέπει να βεβαιωθούμε ότι κατανοούμε ποια απόφαση πρέπει να ληφθεί.
Είναι επείγουσα αυτή η απόφαση;
Πρέπει να ξέρουμε πότε αναμένεται να καταλήξουμε σε μια τελική σύσταση.
Τέλος, πρέπει να γνωρίζουμε ποιοι είναι οι ενδιαφερόμενοι φορείς μας.
Πρέπει τα δεδομένα να κοινοποιούνται στην ομάδα μάρκετινγκ καθώς και στην ομάδα logistics;
Πόσοι ενδιαφερόμενοι πρέπει να γνωρίζουν τα αποτελέσματα της ανάλυσής μας;
Στην πραγματικότητα, προσπαθούμε να μετατρέψουμε πολύ βασικές ερωτήσεις σε σωστές ερωτήσεις. Για παράδειγμα, μπορεί να έχετε το ακόλουθο αίτημα δεδομένων: "δεδομένα πελατών ανά χώρα, προϊόν και δυνατότητα".
Ένα καλύτερο και πιο χρήσιμο αίτημα θα πρέπει να μοιάζει με αυτό: «Ποιοι είναι οι λόγοι που χάνουμε πελάτες μετά την κυκλοφορία; Τι ενέργειες μπορεί να κάνει το τμήμα πωλήσεων και μάρκετινγκ για να αντιμετωπίσει αυτήν την απώλεια;»
Σχέδιο ανάλυσης
Αφού αποφασίσουμε για ένα συγκεκριμένο επιχειρηματικό ερώτημα, το επόμενο βήμα μας είναι να διαμορφώσουμε ένα σχέδιο ανάλυσης.
Πρέπει να δημιουργήσουμε ΕΞΥΠΝΟΥΣ στόχους. Το SMART είναι ένα αρκτικόλεξο που σημαίνει Συγκεκριμένο, Μετρήσιμο, Εφικτό, Σχετικό και Χρονικό όριο.
Στη συνέχεια, θα πρέπει να διατυπώσουμε τις υποθέσεις μας. Αυτές είναι δηλώσεις που στοχεύουμε να αποδείξουμε ή να διαψεύσουμε χρησιμοποιώντας τα δεδομένα μας. Μαζί με αυτές τις υποθέσεις, θα πρέπει να θέσουμε τα κριτήρια που χρειάζονται για να αποδείξουμε την καθεμία.
Πρέπει επίσης να εξετάσουμε τη μεθοδολογία που απαιτείται κατά την ανάλυση δεδομένων. Οι κοινές μεθοδολογίες περιλαμβάνουν:
-
Σύνολο
-
Συσχέτιση
-
τάση
-
Εκτίμηση
Αφού αποφασίσουμε για τη μεθοδολογία, πρέπει να αποφασίσουμε και για την προδιαγραφή δεδομένων.
Θα χρησιμοποιήσουμε δεδομένα από το προηγούμενο έτος ή δεδομένα όλων των εποχών;
Θα χρησιμοποιούμε κυρίως οικονομικά δεδομένα ή δεδομένα μάρκετινγκ;
Αυτές οι ερωτήσεις είναι σημαντικές γιατί αυτό θα κάνει τη διαδικασία συλλογής δεδομένων πιο εύκολη αργότερα.
Το τελικό αποτέλεσμα αυτού του βήματος είναι ένα σχέδιο έργου. Αυτό περιλαμβάνει όλους τους πόρους που απαιτούνται για την εκτέλεση αυτής της ανάλυσης καθώς και το χρονοδιάγραμμα για κάθε βήμα της διαδικασίας. Το σχέδιο έργου προσδιορίζει επίσης ποιοι είναι οι ενδιαφερόμενοι καθώς και οι διάφοροι ρόλοι εντός της ομάδας.
Για παράδειγμα, ας πούμε ότι έχουμε την ακόλουθη υπόθεση: «Η εταιρεία μας χάνει πελάτες λόγω μιας λιγότερο επιτυχημένης εκστρατείας μάρκετινγκ το περασμένο τρίμηνο».
Για να αποδείξουμε ή να διαψεύσουμε αυτήν την ανάλυση, θα πρέπει να αντλήσουμε δεδομένα μάρκετινγκ από το προηγούμενο έτος.
Μπορούμε να χρησιμοποιήσουμε τη μεθοδολογία συσχέτισης για να προσδιορίσουμε εάν μια μέτρηση όπως το CTR είναι συσχετισμένη ή μπορεί να προβλέψει τον αριθμό των πελατών για κάθε τρίμηνο.
Συλλογή δεδομένων
Η συλλογή δεδομένων είναι πλέον πολύ πιο εύκολη αφού θα μπορούσαμε να περιγράψουμε τις προδιαγραφές δεδομένων κατά το βήμα του Σχεδίου Ανάλυσης. Αυτό θα αποτρέψει την ανάκτηση περιττών δεδομένων.
Αυτό είναι ιδιαίτερα σημαντικό εάν έχουμε να κάνουμε με σημαντικό όγκο δεδομένων, καθώς θα εξοικονομήσει χρόνο κατά την εκτέλεση της επιλεγμένης μεθοδολογίας μας.
Το βήμα συλλογής δεδομένων περιλαμβάνει επίσης καθαρισμό και επικύρωση δεδομένων. Ο καθαρισμός δεδομένων αναφέρεται στη χειραγώγηση των δεδομένων για να γίνει χρήση τους.
Πρέπει να πραγματοποιήσουμε επικύρωση δεδομένων για να βεβαιωθούμε ότι τα δεδομένα που έχουμε είναι ακριβή.
Αποκτήστε Insights
Το επόμενο βήμα μας περιλαμβάνει την πραγματική εξαγωγή πληροφοριών από τα δεδομένα μας.
Σε αυτό το βήμα, εξετάζουμε τα μοτίβα στα δεδομένα μας.
Για παράδειγμα, στην ανάλυση συσχέτισης μπορούμε να ξεκινήσουμε με μια μονομεταβλητή ανάλυση που εξετάζει την κατανομή των βασικών μετρήσεων. Εάν ισχύει, μπορούμε επίσης να μάθουμε εάν υπάρχει διαφορά μεταξύ ενός πληθυσμού δοκιμής και ενός πληθυσμού ελέγχου.
Χρησιμοποιώντας τα κριτήρια που θέσαμε στο δεύτερο βήμα, προσπαθούμε επίσης να αποδείξουμε και να καταρρίψουμε τις υποθέσεις μας.
Τέλος, το αποτέλεσμα αυτού του βήματος θα πρέπει να είναι τα ευρήματά μας. Θα πρέπει να παρουσιάσουμε τα ευρήματά μας σχετικά με τον ποσοτικό αντίκτυπο.
Για παράδειγμα, μπορείτε να αναφέρετε τον αντίκτυπο σε δολάρια μιας συγκεκριμένης ποσοστιαίας πτώσης για να προσελκύσετε τα ενδιαφερόμενα μέρη σας.
Θα μπορούσατε να πείτε ότι μια ποσοστιαία πτώση στην απόκτηση πελατών μπορεί να οδηγήσει σε πτώση εσόδων 1 εκατομμυρίου $.
Σύσταση
Οι συστάσεις είναι το πιο σημαντικό βήμα στο πλαίσιο BADIR. Αυτές οι συστάσεις πρέπει να είναι εφαρμόσιμες.
Είναι ο κύριος λόγος που περάσαμε από κάθε βήμα σε αυτό το πλαίσιο.
Σε αυτό το τελευταίο βήμα, θέλουμε να πετύχουμε πολλά πράγματα. Αρχικά, πρέπει να ασχοληθούμε με το κοινό-στόχο. Αυτό σημαίνει ότι θα πρέπει να παρουσιάσετε σύντομες και διορατικές συστάσεις.
Μια αξιόπιστη και έγκυρη σύσταση θα σας οδηγήσει επίσης στο να θεωρηθείτε αποτελεσματικός επιχειρηματικός εταίρος.
Τέλος, η σύστασή σας θα πρέπει να οδηγεί το κοινό σας στη δράση.
Εάν θα είστε υπεύθυνοι για την παρουσίαση των προτάσεων, είναι σημαντικό να φτιάξετε ένα κατάστρωμα διαφανειών που θα έχει όλα τα ευρήματά σας.
Η δημιουργία ενός slide deck είναι επαναληπτική, ξεκινώντας από όλα τα ευρήματά σας και σταδιακά εξορθολογίζοντας τη ροή του deck.
Το τελικό κατάστρωμα διαφανειών θα πρέπει να έχει μια συνοπτική σύνοψη. Μπορούμε να προσθέσουμε οποιαδήποτε πρόσθετη πληροφορία σε ένα παράρτημα.
Συμπέρασμα
Η υιοθέτηση ενός πλαισίου δεδομένων προς αποφάσεις είναι ένας πολύ καλός τρόπος για να βεβαιωθείτε ότι μπορείτε να αποκτήσετε χρήσιμες πληροφορίες από τα δεδομένα της επιχείρησής σας.
Ο συνδυασμός της επιστήμης δεδομένων με την επιστήμη αποφάσεων επιτρέπει τον διάλογο μεταξύ όλων των εμπλεκόμενων φορέων. Κάθε βήμα στο πλαίσιο δεδομένων-προς-απόφαση BADIR οδηγεί σε ένα αποτελεσματικό τελικό αποτέλεσμα: συστάσεις με δυνατότητα δράσης.
Ενημερώστε μας πώς η επιχείρηση ή η ομάδα σας μπορεί να επωφεληθεί από αυτόν τον τύπο πλαισίου!
Αφήστε μια απάντηση