Gegevenswittenskip is in geweldich ark om te hawwen as jo in bedriuw hawwe.
Analytyk sil lykwols allinich helpe as it ynfloed driuwt. Dizze ynfloed kin alles wêze fan bedriuwsgroei, bettere produkten, as ferhege ynkomsten.
It brûken fan analytyk om besluten te nimmen yn jo bedriuw is bekend as data-oandreaune beslútfoarming. Dit omfettet it sammeljen fan gegevens, it ekstrahearjen fan patroanen en feiten, en it meitsjen fan konklúzjes.
It is no perfoarst populêrer om tiid en boarnen te ynvestearjen om in mearderheid fan 'e besluten fan jo bedriuw data-oandreaune te meitsjen.
Nettsjinsteande dit litte ûndersiken dat sjen gut gefoel noch faktoaren yn it beslútfoarmingproses.
In wichtige faktor hjirby is it ûntbrekken fan in goed beslútfoarmingskader yn 'e organisaasje.
Dit artikel sil it BADIR-ramt yntrodusearje, en hoe't jo it kinne brûke om aksjebere, gegevensoandreaune te meitsjen ynsjoch foar jo bedriuw.
BADIR Gegevens nei Beslúten ramt
De BADIR framework is in heul effektyf data-to-decision framework ûntworpen om saaklike problemen op te lossen.
It is ienfâldich oan te passen en wurket foar elke sektor. It is fan doel gegevenswittenskip en beslútwittenskip tegearre te kombinearjen yn ien maklik te folgjen ramt.
Aryng, in bekend datawittenskiplik advys-, training- en advysbedriuw hat dit ramt foar gegevens-nei-beslissingen betocht.
Hjoed hawwe ferskate Fortune 500-bedriuwen foar har digitale transformaasje-inisjativen BADIR oannaam.
Key Features of Data-to-decisions Framework
- Biede aksjebere data-oandreaune ynsjoggen
- Formearje in hypoteze-oandreaune analyseplan
- Fasilitearret gegevens spesifikaasje te meitsjen dat
- Ynsjoch ôflaat fan patroanherkenningstechniken yn Machine Learning en statistiken
- Presintearje aksjebere oanbefellings oan belanghawwenden
De fiif stappen yn it ramt foar gegevens-nei-beslissingen
It ramt foar gegevens-nei-beslissingen fan BADIR omfettet fiif stappen dy't yn oarder moatte wurde folge.
Business Fraach
Foardat wy in soarte fan gegevensekstraksje of -analyse dogge, moatte wy earst de kontekst fan it probleem begripe dat wy besykje op te lossen. Dit sil helpe om it oantal iteraasjes nedich te ferminderjen.
Dit omfettet it stelle fan de goede fragen. It ramt stimulearret ús om de seis basisfragen te stellen (wa, wat, wêr, wannear, wêrom en hoe).
Wy moatte bygelyks derfoar soargje dat wy begripe hokker beslút nommen wurde moat.
Is dit beslút driuwend?
Wy moatte witte wannear't wy ferwachte wurde mei in definitive oanbefelling te kommen.
As lêste moatte wy witte wa't ús belanghawwenden binne.
Moatte de gegevens wurde dield mei it marketingteam en ek it logistykteam?
Hoefolle belanghawwenden moatte de resultaten fan ús analyse witte?
Yn feite besykje wy heul basale fragen te konvertearjen yn juste fragen. Jo kinne bygelyks it folgjende gegevensfersyk hawwe: "klantgegevens per lân, produkt en funksje".
In better en brûkber fersyk moat der sa útsjen: “Wat binne de redenen dat wy klanten ferlieze nei lansearring? Hokker aksjes kin de ôfdieling ferkeap en marketing dwaan om dit ferlies oan te pakken?
Analyzeplan
Nei it besluten oer in konkrete saaklike fraach, is ús folgjende stap it formulearjen fan in analyseplan.
Wy moatte SMART-doelen meitsje. SMART is in akronym dat stiet foar Spesifyk, Measurable, Achievable, Relevant, en Time Bound.
Dêrnei moatte wy ús hypotezen formulearje. Dit binne útspraken dy't wy fan doel binne te bewizen of te bestriden mei it brûken fan ús gegevens. Tegearre mei dizze hypotezen moatte wy de kritearia ynstelle dy't nedich binne om elk te bewizen.
Wy moatte ek ûndersykje nei de metodyk dy't nedich is by gegevensanalyse. Algemiene metoaden omfetsje:
-
Aggregaat
-
Korrelaasje
-
trend
-
Skatting
Nei it besluten oer de metodyk moatte wy ek beslute oer de gegevensspesifikaasje.
Sille wy gegevens brûke fan it ôfrûne jier as gegevens fan alle tiden?
Sille wy primêr finansjele gegevens as marketinggegevens brûke?
Dizze fragen binne wichtich om't dit it proses foar it sammeljen fan gegevens letter makliker makket.
De lêste útfier fan dizze stap is in projektplan. Dit omfettet alle boarnen dy't nedich binne om dizze analyse út te fieren, lykas de tiidline foar elke stap yn it proses. It projektplan spesifisearret ek wa't de belanghawwenden binne en ek de ferskate rollen binnen it team.
Litte wy bygelyks sizze dat wy de folgjende hypoteze hawwe: "Us bedriuw ferliest klanten troch in minder suksesfolle marketingkampanje yn it ôfrûne kwartaal".
Om dizze analyse te bewizen of te bewizen, moatte wy marketinggegevens fan it ôfrûne jier lûke.
Wy kinne korrelaasjemetoade brûke om te bepalen oft in metrik lykas CTR korrelearre is of it oantal klanten foar elk kwartaal kin foarsizze.
Data kolleksje
Gegevenssammeling is no folle makliker, om't wy de gegevensspesifikaasje koene beskriuwe tidens ús analyseplanstap. Dit sil foarkomme dat ûnnedige gegevens wurde ophelle.
Dit is foaral wichtich as wy te krijen hawwe mei in signifikante hoemannichte gegevens, om't it tiid sil besparje by it útfieren fan ús keazen metodyk.
De stap fan gegevenssammeling omfettet ek gegevensreiniging en falidaasje. Gegevensreiniging ferwiist nei it manipulearjen fan gegevens om it brûkber te meitsjen.
Wy moatte gegevensvalidaasje útfiere om te soargjen dat de gegevens dy't wy hawwe krekt binne.
Derive ynsjoch
Us folgjende stap omfettet it eigentlike ûntliene fan ynsjoggen út ús gegevens.
Yn dizze stap besjogge wy patroanen yn ús gegevens.
Bygelyks, yn korrelaasje-analyse kinne wy begjinne mei in univariate analyse dy't sjocht nei de ferdieling fan 'e kaaimetriken. As fan tapassing, kinne wy ek útfine oft der in ferskil tusken in test en in kontrôle populaasje.
Mei de kritearia dy't wy yn 'e twadde stap stelle, besykje wy ek ús hypotezen te bewizen en te wjerlizzen.
Uteinlik moat de útfier fan dizze stap ús befinings wêze. Wy moatte ús befiningen presintearje oangeande kwantifisearre ynfloed.
Jo kinne bygelyks de dollar-ynfloed fan in bepaald persintaazje drop neame om jo belanghawwenden te belûken.
Jo kinne sizze dat in persintaazje drip yn klantwinning kin resultearje yn in $ 1 miljoen ynkomstenfal.
Oanbefelling
Oanbefellings binne de wichtichste stap yn it BADIR-kader. Dizze oanbefellings moatte hannelber wêze.
Se binne de wichtichste reden dat wy elke stap yn dit ramt trochgien hawwe.
Yn dizze lêste stap wolle wy meardere dingen berikke. Earst moatte wy omgean mei de doelgroep. Dit betsjut dat jo koarte en ynsjochsume oanbefellings moatte presintearje.
In credible en solide oanbefelling sil ek liede ta dat jo wurde waarnommen as in effektive saaklike partner.
As lêste soe jo oanbefelling jo publyk moatte driuwe nei aksje.
As jo ferantwurdlik binne foar it presintearjen fan de oanbefellings, is it wichtich om in slide dek te bouwen dat al jo fynsten hat.
De skepping fan in slide dek is iteratyf, begjinnend mei al jo befiningen, en stadichoan streamlynjen fan de stream fan it dek.
It lêste slide dek moat in beknopte útfierende gearfetting hawwe. Wy kinne ekstra ynformaasje tafoegje yn in taheaksel.
Konklúzje
It oannimmen fan in data-to-beslissingsramt is in geweldige manier om te soargjen dat jo aksjebere ynsjoch kinne krije fan jo bedriuwsgegevens.
It kombinearjen fan gegevenswittenskip mei beslútwittenskip makket in dialooch mooglik tusken alle belutsen belanghawwenden. Elke stap yn it BADIR data-to-beslissingsramt liedt ta in effektive definitive útfier: aksjebere oanbefellings.
Lit ús witte hoe't jo bedriuw of team kin profitearje fan dit soarte ramt!
Leave a Reply