Andmeteadus on suurepärane tööriist ettevõtte juhtimisel.
Analüütika aitab aga ainult siis, kui see mõjutab. See mõju võib olla mis tahes ettevõtte kasvust, parematest toodetest või suurenenud tuludest.
Analüütika kasutamist oma ettevõttes otsuste tegemiseks nimetatakse andmepõhiseks otsuste tegemiseks. See hõlmab andmete kogumist, mustrite ja faktide väljavõtmist ning järelduste tegemist.
Praegu on kindlasti populaarsem investeerida aega ja ressursse, et teha suurem osa oma ettevõtte otsustest andmepõhiselt.
Vaatamata sellele näitavad uuringud, et kõhutunne endiselt tegurid otsustusprotsessis.
Selle peamiseks teguriks on õige otsustusraamistiku puudumine organisatsioonis.
See artikkel tutvustab BADIR-i raamistikku ja seda, kuidas saate seda kasutada andmepõhise toimimise loomiseks teadmisi teie ettevõtte jaoks.
BADIRi andmete ja otsuste raamistik
. BADIR raamistik on väga tõhus andmetest otsuseni jõudev raamistik, mis on loodud äriprobleemide lahendamiseks.
Seda on lihtne kohandada ja see sobib igale tööstusele. Selle eesmärk on ühendada andmeteadus ja otsustusteadus üheks hõlpsasti jälgitavaks raamistikuks.
Aryng, tuntud andmeteaduse konsultatsiooni-, koolitus- ja nõustamisettevõte töötas välja selle andmetest otsusteni jõudva raamistiku.
Tänaseks on erinevad Fortune 500 ettevõtted oma digitaalse ümberkujundamise algatuste jaoks kasutusele võtnud BADIRi.
Data-to-decisions Framework põhifunktsioonid
- Pakkuge toimivat andmepõhist statistikat
- Sõnastage hüpoteesil põhinev analüüsiplaan
- Hõlbustab andmete täpsustamist andmete tegemiseks
- Mustrituvastustehnikatest saadud arusaamad aastal Masinõpe ja statistika
- Esitage sidusrühmadele rakendatavaid soovitusi
Andmete-otsusteni raamistiku viis sammu
BADIR-i andmetest otsusteni jõudmise raamistik hõlmab viit sammu, mida tuleb järjekorras järgida.
Äriküsimus
Enne mis tahes andmete väljavõtmist või analüüsimist peame kõigepealt mõistma probleemi konteksti, mida püüame lahendada. See aitab vähendada reas vajalike iteratsioonide arvu.
See hõlmab õigete küsimuste esitamist. Raamistik julgustab meid esitama kuus põhiküsimust (kes, mida, kus, millal, miks ja kuidas).
Näiteks peame veenduma, et mõistame, milline otsus tuleb vastu võtta.
Kas see otsus on kiireloomuline?
Peame teadma, millal meilt oodatakse lõplikku soovitust.
Lõpuks peame teadma, kes on meie sidusrühmad.
Kas andmeid tuleks jagada nii turundusmeeskonnaga kui ka logistikameeskonnaga?
Kui paljud sidusrühmad peavad teadma meie analüüsi tulemusi?
Tegelikult püüame muuta väga lihtsad küsimused õigeteks küsimusteks. Näiteks võib teil olla järgmine andmepäring: „kliendiandmed riigi, toote ja funktsiooni järgi”.
Parem ja kasulikum taotlus peaks välja nägema järgmine: „Mis on põhjused, miks me pärast turuletoomist kliente kaotame? Milliseid meetmeid saab müügi- ja turundusosakond selle kahjumi lahendamiseks ette võtta?
Analüüsi kava
Pärast konkreetse äriküsimuse üle otsustamist on meie järgmiseks sammuks analüüsiplaani koostamine.
Peaksime looma SMART-eesmärgid. SMART on akronüüm, mis tähistab sõnu Specific, Measurable, Achievable, Relevant ja Time Bound.
Järgmiseks peaksime sõnastama oma hüpoteesid. Need on väited, mida me püüame oma andmeid kasutades tõestada või ümber lükata. Koos nende hüpoteesidega peaksime seadma nende tõestamiseks vajalikud kriteeriumid.
Samuti peame uurima andmeanalüüsi käigus vajalikku metoodikat. Levinud meetodid hõlmavad järgmist:
-
Agregeeritud
-
Korrelatsioon
-
Trend
-
Hinnang
Pärast metoodika üle otsustamist peame otsustama ka andmete spetsifikatsiooni üle.
Kas kasutame viimase aasta andmeid või kõigi aegade andmeid?
Kas me kasutame peamiselt finants- või turundusandmeid?
Need küsimused on olulised, kuna see muudab andmete kogumise hiljem lihtsamaks.
Selle etapi lõplik väljund on projektiplaan. See hõlmab kõiki selle analüüsi käitamiseks vajalikke ressursse ja protsessi iga etapi ajakava. Projektiplaanis on ka täpsustatud, kes on sidusrühmad ja erinevad rollid meeskonnas.
Näiteks oletame, et meil on järgmine hüpotees: "Meie ettevõte kaotab kliente, kuna eelmisel kvartalil oli vähem edukas turunduskampaania".
Selle analüüsi tõestamiseks või ümberlükkamiseks peame koguma eelmise aasta turundusandmeid.
Saame kasutada korrelatsioonimetoodikat, et teha kindlaks, kas selline mõõdik nagu CTR on korrelatsioonis või suudab ennustada klientide arvu igas kvartalis.
Andmete kogumine
Andmete kogumine on nüüd palju lihtsam, kuna saime analüüsiplaani etapis kirjeldada andmete spetsifikatsiooni. See hoiab ära tarbetute andmete hankimise.
See on eriti oluline, kui tegemist on suure andmemahuga, kuna see säästab aega meie valitud metoodika täitmisel.
Andmete kogumise etapp hõlmab ka andmete puhastamist ja kinnitamist. Andmete puhastamine viitab andmetega manipuleerimisele nende kasutatavaks muutmiseks.
Peame läbi viima andmete valideerimise, et veenduda meie käsutuses olevate andmete täpsuses.
Tuletage teadmisi
Meie järgmine samm hõlmab meie andmetest tegelike arusaamade saamist.
Selles etapis vaatame üle oma andmete mustrid.
Näiteks korrelatsioonianalüüsis saame alustada ühemõõtmelise analüüsiga, mis vaatleb põhimõõdikute jaotust. Vajadusel saame ka teada, kas test- ja kontrollpopulatsioonil on erinevusi.
Kasutades teises etapis seatud kriteeriume, püüame ka oma hüpoteese tõestada ja ümber lükata.
Lõpuks peaks selle sammu väljund olema meie leiud. Peaksime esitama oma järeldused kvantifitseeritud mõju kohta.
Näiteks võite sidusrühmade kaasamiseks mainida teatud protsendi languse mõju dollarile.
Võib öelda, et klientide hankimise protsentuaalne langus võib kaasa tuua 1 miljoni dollari suuruse tulude vähenemise.
Soovitus
Soovitused on BADIRi raamistiku kõige olulisem samm. Need soovitused peavad olema teostatavad.
Need on peamine põhjus, miks me selle raamistiku iga etapi läbi tegime.
Viimases etapis tahame saavutada mitmeid asju. Esiteks peame suhtlema sihtrühmaga. See tähendab, et peaksite esitama lühikesed ja põhjalikud soovitused.
Usaldusväärne ja mõistlik soovitus viib teid ka selleni, et teid peetakse tõhusaks äripartneriks.
Lõpuks peaks teie soovitus suunama teie vaatajaskonda tegutsema.
Kui vastutate soovituste esitamise eest, on oluline luua slaidik, millel on kõik teie leiud.
Slaidide teki loomine on iteratiivne, alustades kõigist teie leidudest ja järk-järgult sujuvamaks teki voolu.
Viimasel slaidide tekil peaks olema lühike kommenteeritud kokkuvõte. Lisainfot saame lisada mis tahes lisateavet.
Järeldus
Andmete-otsusteks raamistiku vastuvõtmine on suurepärane viis veendumaks, et saate oma äriandmetest praktilisi teadmisi.
Andmeteaduse ühendamine otsustusteadusega võimaldab dialoogi kõigi kaasatud sidusrühmade vahel. Iga samm BADIR-i andmetest otsusteni jõudmise raamistikus viib tõhusa lõppväljundini: rakendatavad soovitused.
Andke meile teada, kuidas teie ettevõte või meeskond seda tüüpi raamistikust kasu saab!
Jäta vastus