A ciencia de datos é unha excelente ferramenta para ter cando se dirixe unha empresa.
Non obstante, as analíticas só axudarán se xeran impacto. Este impacto pode ser calquera cousa do crecemento da empresa, mellores produtos ou aumento dos ingresos.
O uso da analítica para tomar decisións na súa empresa coñécese como toma de decisións baseada en datos. Isto implica recoller datos, extraer patróns e feitos e facer inferencias.
Definitivamente é máis popular agora investir tempo e recursos para que a maioría das decisións da túa empresa se baseen en datos.
A pesar diso, as enquisas demostran que sensación intestinal aínda factores no proceso de toma de decisións.
Un factor importante nisto é a falta dun marco de toma de decisións adecuado na organización.
Este artigo presentará o marco BADIR e como podes usalo para crear accións baseadas en datos información para o teu negocio.
BADIR Data to Decisions marco
o BADIR framework é un marco de datos para tomar decisións altamente eficaz deseñado para resolver problemas empresariais.
É sinxelo de adaptar e funciona para calquera industria. Pretende combinar a ciencia de datos e a ciencia de decisións nun marco sinxelo de seguir.
Aryng, unha coñecida empresa de consultoría, formación e asesoramento en ciencia de datos ideou este marco de toma de decisións.
Hoxe, varias empresas Fortune 500 para as súas iniciativas de transformación dixital adoptaron BADIR.
Características principais do marco de datos para tomar decisións
- Proporciona información accionable baseada en datos
- Formular un plan de análise baseado en hipóteses
- Facilita a especificación de datos para facer dat
- Insights derivados das técnicas de recoñecemento de patróns en Aprendizaxe automática e estatísticas
- Presentar recomendacións viables aos interesados
Os cinco pasos no marco de datos para tomar decisións
O marco de datos para decisións de BADIR implica cinco pasos que se deben seguir para a orde.
Pregunta de negocios
Antes de facer calquera tipo de extracción ou análise de datos, primeiro debemos comprender o contexto do problema que intentamos resolver. Isto axudará a reducir o número de iteracións necesarias na liña.
Isto implica facer as preguntas correctas. O marco anímanos a facer as seis preguntas básicas (quen, que, onde, cando, por que e como).
Por exemplo, temos que asegurarnos de que entendemos que decisión hai que tomar.
É urxente esta decisión?
Necesitamos saber cando se espera que teñamos unha recomendación final.
Por último, temos que saber quen son os nosos grupos de interese.
Os datos deberían compartirse co equipo de marketing e co equipo de loxística?
Cantas partes interesadas necesitan coñecer os resultados da nosa análise?
En efecto, tentamos converter as preguntas moi básicas en preguntas adecuadas. Por exemplo, pode ter a seguinte solicitude de datos: "datos do cliente por país, produto e función".
Unha solicitude mellor e máis útil debería verse así: "Cales son as razóns polas que perdemos clientes despois do lanzamento? Que accións pode facer o departamento de vendas e mercadotecnia para solucionar esta perda?
Plan de análise
Despois de decidir unha cuestión empresarial concreta, o noso seguinte paso é formular un plan de análise.
Debemos crear obxectivos SMART. SMART é un acrónimo que significa Specific, Measurable, Achievable, Relevant e Time Bound.
A continuación, debemos formular as nosas hipóteses. Estas son afirmacións que pretendemos probar ou desmentir usando os nosos datos. Xunto a estas hipóteses, habería que fixar os criterios necesarios para demostrar cada unha.
Tamén debemos analizar a metodoloxía necesaria durante a análise dos datos. As metodoloxías comúns inclúen:
-
Agregado
-
Correlación
-
tendencia
-
Estimación
Despois de decidir sobre a metodoloxía, tamén debemos decidir sobre a especificación dos datos.
Usaremos datos do ano pasado ou datos de todos os tempos?
Usaremos principalmente datos financeiros ou de mercadotecnia?
Estas preguntas son importantes porque isto facilitará o proceso de recollida de datos máis tarde.
O resultado final deste paso é un plan de proxecto. Isto inclúe todos os recursos necesarios para realizar esta análise, así como o cronograma para cada paso do proceso. O plan do proxecto tamén especifica quen son as partes interesadas, así como os distintos roles dentro do equipo.
Por exemplo, digamos que temos a seguinte hipótese: "A nosa empresa está a perder clientes por mor dunha campaña de marketing menos exitosa no último trimestre".
Para probar ou desmentir esta análise, teremos que extraer datos de mercadotecnia do ano pasado.
Podemos usar a metodoloxía de correlación para determinar se unha métrica como o CTR está correlacionada ou podemos predecir o número de clientes para cada trimestre.
Colección de datos
A recollida de datos agora é moito máis sinxela xa que poderiamos describir a especificación dos datos durante o paso do noso Plan de análise. Isto evitará que se recuperen datos innecesarios.
Isto é especialmente importante se estamos a tratar cunha cantidade importante de datos, xa que aforrará tempo á hora de realizar a metodoloxía escollida.
O paso de recollida de datos tamén implica a limpeza e validación dos datos. A limpeza de datos refírese á manipulación dos datos para facelos utilizables.
Necesitamos realizar a validación dos datos para asegurarnos de que os datos que temos son precisos.
Derive Insights
O noso seguinte paso implica a obtención real de coñecementos dos nosos datos.
Neste paso, revisamos os patróns dos nosos datos.
Por exemplo, na análise de correlación podemos comezar cunha análise univariada que analiza a distribución das métricas clave. De ser o caso, tamén podemos descubrir se existe diferenza entre unha poboación de proba e unha poboación control.
Usando os criterios que marcamos no segundo paso, tamén tentamos demostrar e refutar as nosas hipóteses.
Finalmente, o resultado deste paso debería ser os nosos descubrimentos. Debemos presentar as nosas conclusións sobre o impacto cuantificado.
Por exemplo, pode mencionar o impacto do dólar dunha determinada porcentaxe de caída para involucrar ás súas partes interesadas.
Poderías dicir que unha caída porcentual na adquisición de clientes pode producir unha caída de ingresos dun millón de dólares.
Recomendación
As recomendacións son o paso máis importante no marco BADIR. Estas recomendacións deben ser accionables.
Son a principal razón pola que pasamos por cada paso neste marco.
Neste último paso, queremos conseguir varias cousas. En primeiro lugar, temos que interactuar co público obxectivo. Isto significa que debes presentar recomendacións breves e perspicaces.
Unha recomendación creíble e sólida tamén levará a que sexas percibido como un socio comercial eficaz.
Por último, a túa recomendación debería impulsar a túa audiencia á acción.
Se serás o encargado de presentar as recomendacións, é importante construír unha plataforma de diapositivas que conteña todas as túas conclusións.
A creación dunha plataforma de diapositivas é iterativa, comezando con todos os teus achados e axilizando progresivamente o fluxo da plataforma.
A plataforma de diapositivas final debe ter un resumo executivo conciso. Podemos engadir calquera información adicional nun apéndice.
Conclusión
Adoptar un marco de datos para tomar decisións é unha boa forma de asegurarse de que pode obter información útil a partir dos datos da súa empresa.
A combinación de ciencia de datos coa ciencia de decisión permite un diálogo entre todas as partes interesadas. Cada paso no marco de datos para tomar decisións de BADIR conduce a un resultado final eficaz: recomendacións accionables.
Coméntanos como se pode beneficiar a túa empresa ou equipo con este tipo de marcos!
Deixe unha resposta