علم داده ابزاری عالی برای راه اندازی یک کسب و کار است.
با این حال، تجزیه و تحلیل تنها در صورتی کمک خواهد کرد که تأثیر داشته باشد. این تاثیر می تواند هر چیزی از رشد شرکت، محصولات بهتر یا افزایش درآمد باشد.
استفاده از تجزیه و تحلیل برای تصمیم گیری در کسب و کار شما به عنوان تصمیم گیری مبتنی بر داده شناخته می شود. این شامل جمع آوری داده ها، استخراج الگوها و حقایق و استنتاج است.
در حال حاضر قطعاً محبوبیت بیشتری برای سرمایه گذاری زمان و منابع برای اتخاذ اکثر تصمیمات شرکت شما بر اساس داده ها دارد.
با وجود این، بررسی ها نشان می دهد که احساس روده هنوز هم در فرآیند تصمیم گیری نقش دارد.
عامل اصلی در این امر فقدان چارچوب تصمیم گیری مناسب در سازمان است.
این مقاله چارچوب BADIR و نحوه استفاده از آن برای ایجاد عملی و مبتنی بر داده را معرفی میکند بینش برای کسب و کار شما
چارچوب داده به تصمیمات BADIR
La بدیر چارچوب یک چارچوب داده به تصمیم بسیار موثر است که برای حل مشکلات تجاری طراحی شده است.
سازگاری آن ساده است و برای هر صنعتی کار می کند. هدف آن ترکیب علم داده و علم تصمیم گیری با هم در یک چارچوب آسان برای دنبال کردن است.
آرینگ، یک شرکت مشهور مشاوره، آموزش و مشاوره علوم داده این چارچوب داده به تصمیم را ابداع کرد.
امروزه، شرکت های مختلف فورچون 500 برای ابتکارات تحول دیجیتال خود، BADIR را پذیرفته اند.
ویژگی های کلیدی چارچوب داده به تصمیم
- بینش عملی مبتنی بر داده را ارائه دهید
- یک طرح تحلیل فرضیه محور را تدوین کنید
- مشخصات داده را برای ساختن آسان می کند
- بینش های به دست آمده از تکنیک های تشخیص الگو در فراگیری ماشین و آمار
- ارائه توصیه های عملی به ذینفعان
پنج مرحله در چارچوب داده تا تصمیم
چارچوب داده به تصمیم BADIR شامل پنج مرحله است که باید به ترتیب دنبال شوند.
سوال تجاری
قبل از انجام هر نوع استخراج یا تجزیه و تحلیل داده ها، ابتدا باید زمینه مشکلی را که می خواهیم حل کنیم را درک کنیم. این به کاهش تعداد تکرارهای مورد نیاز در خط کمک می کند.
این شامل پرسیدن سوالات درست است. این چارچوب ما را تشویق می کند که شش سوال اساسی (چه کسی، چه چیزی، کجا، چه زمانی، چرا و چگونه) را بپرسیم.
به عنوان مثال، ما باید مطمئن شویم که میدانیم چه تصمیمی باید گرفته شود.
آیا این تصمیم فوری است؟
ما باید بدانیم چه زمانی از ما انتظار میرود که به یک توصیه نهایی برسیم.
در نهایت، ما باید بدانیم که سهامداران ما چه کسانی هستند.
آیا داده ها باید با تیم بازاریابی و همچنین تیم تدارکات به اشتراک گذاشته شود؟
چه تعداد ذینفع باید از نتایج تحلیل ما بدانند؟
در واقع، ما سعی می کنیم سؤالات بسیار ابتدایی را به سؤالات مناسب تبدیل کنیم. برای مثال، ممکن است درخواست داده زیر را داشته باشید: «دادههای مشتری بر اساس کشور، محصول، و ویژگی».
یک درخواست بهتر و مفیدتر باید به این صورت باشد: «دلایل از دست دادن مشتریان پس از راهاندازی چیست؟ بخش فروش و بازاریابی برای رفع این ضرر چه اقداماتی می تواند انجام دهد؟
طرح تجزیه و تحلیل
پس از تصمیم گیری در مورد یک سوال تجاری مشخص، گام بعدی ما تدوین یک برنامه تحلیلی است.
ما باید اهداف SMART ایجاد کنیم. SMART مخفف عبارت Specific، Measurable، Achievable، Relevant و Time Bound است.
در مرحله بعد، باید فرضیه های خود را تدوین کنیم. اینها اظهاراتی هستند که ما قصد داریم با استفاده از داده های خود آنها را اثبات یا رد کنیم. در کنار این فرضیه ها، باید معیارهای مورد نیاز برای اثبات هر یک را تعیین کنیم.
ما همچنین باید به روش مورد نیاز در طول تجزیه و تحلیل داده ها توجه کنیم. متدولوژی های رایج عبارتند از:
-
تجمیع
-
ارتباط
-
روند
-
برآورد کردن
پس از تصمیم گیری در مورد روش، باید در مورد مشخصات داده نیز تصمیم گیری کنیم.
آیا از داده های سال گذشته استفاده خواهیم کرد یا داده های همه زمان ها؟
آیا در درجه اول از داده های مالی یا داده های بازاریابی استفاده خواهیم کرد؟
این سؤالات مهم هستند زیرا این امر روند جمع آوری داده ها را در آینده آسان تر می کند.
خروجی نهایی این مرحله یک طرح پروژه است. این شامل تمام منابع مورد نیاز برای اجرای این تجزیه و تحلیل و همچنین جدول زمانی برای هر مرحله از فرآیند است. طرح پروژه همچنین مشخص می کند که ذینفعان چه کسانی هستند و همچنین نقش های مختلف در تیم را مشخص می کند.
به عنوان مثال، فرضیه زیر را داریم: "شرکت ما به دلیل کمپین بازاریابی کمتر موفق در سه ماهه گذشته مشتریان خود را از دست می دهد".
برای اثبات یا رد این تحلیل، باید داده های بازاریابی سال گذشته را استخراج کنیم.
ما می توانیم از روش همبستگی برای تعیین اینکه آیا معیاری مانند CTR همبستگی دارد یا می تواند تعداد مشتریان را برای هر سه ماهه پیش بینی کند، استفاده کنیم.
جمع آوری داده ها
جمعآوری دادهها اکنون بسیار سادهتر شده است، زیرا میتوانیم مشخصات دادهها را در مرحله طرح تجزیه و تحلیل خود توصیف کنیم. این از بازیابی اطلاعات غیر ضروری جلوگیری می کند.
اگر با حجم قابل توجهی از داده ها سروکار داشته باشیم، این امر به ویژه مهم است زیرا در زمان اجرای روش انتخابی ما صرفه جویی می شود.
مرحله جمع آوری داده ها همچنین شامل پاکسازی و اعتبارسنجی داده ها می شود. پاکسازی داده به دستکاری داده ها برای قابل استفاده کردن آن اشاره دارد.
ما باید اعتبار سنجی داده ها را انجام دهیم تا مطمئن شویم داده هایی که در اختیار داریم دقیق هستند.
بینش استخراج کنید
گام بعدی ما شامل استخراج واقعی بینش از داده های ما است.
در این مرحله، الگوهای موجود در داده های خود را بررسی می کنیم.
برای مثال، در تحلیل همبستگی میتوانیم با یک تحلیل تک متغیره شروع کنیم که به توزیع معیارهای کلیدی میپردازد. اگر قابل اجرا باشد، ما همچنین میتوانیم دریابیم که آیا بین جمعیت آزمایش و کنترل تفاوت وجود دارد یا خیر.
ما نیز با استفاده از معیارهایی که در مرحله دوم تعیین کردیم سعی در اثبات و رد فرضیه های خود داریم.
در نهایت، خروجی این مرحله باید یافته های ما باشد. ما باید یافته های خود را در مورد تأثیر کمی ارائه کنیم.
به عنوان مثال، میتوانید به تأثیر دلار یک درصد کاهش خاص برای تعامل با سهامداران خود اشاره کنید.
ممکن است بگویید که کاهش درصدی در جذب مشتری ممکن است منجر به کاهش درآمد 1 میلیون دلاری شود.
توصیه
توصیه ها مهمترین گام در چارچوب BADIR هستند. این توصیه ها باید قابل اجرا باشند.
آنها دلیل اصلی ما در هر مرحله در این چارچوب هستند.
در این مرحله آخر، ما می خواهیم به چندین چیز برسیم. ابتدا باید با مخاطب هدف تعامل داشته باشیم. این بدان معنی است که شما باید توصیه های کوتاه و روشنگری ارائه دهید.
یک توصیه معتبر و صحیح همچنین باعث می شود که شما به عنوان یک شریک تجاری موثر شناخته شوید.
در نهایت، توصیه شما باید مخاطبان را به سمت عمل سوق دهد.
اگر شما مسئول ارائه توصیه ها هستید، مهم است که یک عرشه اسلاید بسازید که تمام یافته های شما را داشته باشد.
ایجاد یک عرشه اسلاید تکراری است، با تمام یافته های شما شروع می شود و به تدریج جریان عرشه را ساده می کند.
عرشه اسلاید نهایی باید یک خلاصه اجرایی مختصر داشته باشد. ما می توانیم هر گونه اطلاعات اضافی را در یک پیوست اضافه کنیم.
نتیجه
اتخاذ یک چارچوب داده به تصمیم راهی عالی برای اطمینان از اینکه می توانید بینش عملی را از داده های کسب و کار خود به دست آورید.
ترکیب علم داده با علم تصمیم گیری امکان گفتگو بین همه ذینفعان درگیر را فراهم می کند. هر مرحله در چارچوب داده تا تصمیم BADIR منجر به یک خروجی نهایی مؤثر می شود: توصیه های قابل اجرا.
به ما اطلاع دهید که چگونه کسب و کار یا تیم شما می تواند از این نوع چارچوب بهره مند شود!
پاسخ دهید