व्यवसाय चलाते समय डेटा विज्ञान एक बेहतरीन उपकरण है।
हालांकि, एनालिटिक्स केवल तभी मदद करेगा जब यह प्रभाव को बढ़ाए। यह प्रभाव कंपनी के विकास, बेहतर उत्पादों या बढ़े हुए राजस्व से कुछ भी हो सकता है।
अपने व्यवसाय में निर्णय लेने के लिए विश्लेषण का उपयोग करना डेटा-संचालित निर्णय लेने के रूप में जाना जाता है। इसमें डेटा एकत्र करना, पैटर्न और तथ्य निकालना और निष्कर्ष निकालना शामिल है।
आपकी कंपनी के अधिकांश निर्णयों को डेटा-चालित बनाने के लिए समय और संसाधनों का निवेश करना अब निश्चित रूप से अधिक लोकप्रिय है।
इसके बावजूद, सर्वेक्षण बताते हैं कि अंदर से आइ भावना निर्णय लेने की प्रक्रिया में अभी भी कारक हैं।
इसका एक प्रमुख कारक संगठन में उचित निर्णय लेने की रूपरेखा का अभाव है।
यह लेख BADIR ढांचे का परिचय देगा, और आप इसका उपयोग कार्रवाई योग्य, डेटा-संचालित बनाने के लिए कैसे कर सकते हैं आपके व्यवसाय के लिए अंतर्दृष्टि।
निर्णय ढांचे के लिए BADIR डेटा
RSI बदीर फ्रेमवर्क एक अत्यधिक प्रभावी डेटा-टू-डिसीजन फ्रेमवर्क है जिसे व्यावसायिक समस्याओं को हल करने के लिए डिज़ाइन किया गया है।
इसे अनुकूलित करना आसान है और किसी भी उद्योग के लिए काम करता है। इसका उद्देश्य डेटा विज्ञान और निर्णय विज्ञान को एक साथ एक आसान-से-पालन ढांचे में जोड़ना है।
आर्यंग, एक प्रसिद्ध डेटा विज्ञान परामर्श, प्रशिक्षण और सलाह देने वाली कंपनी ने इस डेटा-टू-निर्णय ढांचे को तैयार किया।
आज, विभिन्न फॉर्च्यून 500 कंपनियों ने अपनी डिजिटल परिवर्तन पहल के लिए बदिर को अपनाया है।
डेटा-टू-डिसीजन फ्रेमवर्क की मुख्य विशेषताएं
- कार्रवाई योग्य डेटा-संचालित अंतर्दृष्टि प्रदान करें
- एक परिकल्पना-संचालित विश्लेषण योजना तैयार करें
- डेटा बनाने के लिए डेटा विनिर्देश की सुविधा देता है
- में पैटर्न पहचान तकनीकों से प्राप्त अंतर्दृष्टि मशीन लर्निंग और आंकड़े
- हितधारकों के लिए कार्रवाई योग्य सिफारिशें प्रस्तुत करें
डेटा-टू-डिसीजन फ्रेमवर्क में पांच चरण
BADIR डेटा-टू-निर्णय ढांचे में पाँच चरण शामिल हैं जिनका क्रम में पालन किया जाना चाहिए।
व्यापार प्रश्न
इससे पहले कि हम किसी भी प्रकार का डेटा निष्कर्षण या विश्लेषण करें, हमें पहले उस समस्या के संदर्भ को समझना चाहिए जिसे हम हल करने का प्रयास कर रहे हैं। यह लाइन के नीचे आवश्यक पुनरावृत्तियों की संख्या को कम करने में मदद करेगा।
इसमें सही प्रश्न पूछना शामिल है। ढांचा हमें छह बुनियादी प्रश्न पूछने के लिए प्रोत्साहित करता है (कौन, क्या, कहां, कब, क्यों और कैसे)।
उदाहरण के लिए, हमें यह सुनिश्चित करने की आवश्यकता है कि हम समझें कि क्या निर्णय लेने की आवश्यकता है।
क्या यह निर्णय अत्यावश्यक है?
हमें यह जानने की जरूरत है कि हमें अंतिम सिफारिश के साथ कब आने की उम्मीद है।
अंत में, हमें यह जानना होगा कि हमारे हितधारक कौन हैं।
क्या डेटा को मार्केटिंग टीम के साथ-साथ लॉजिस्टिक्स टीम के साथ साझा किया जाना चाहिए?
हमारे विश्लेषण के परिणामों को जानने के लिए कितने हितधारकों की आवश्यकता है?
वास्तव में, हम बहुत ही बुनियादी प्रश्नों को उचित प्रश्नों में बदलने का प्रयास करते हैं। उदाहरण के लिए, आपके पास निम्न डेटा अनुरोध हो सकता है: "देश, उत्पाद और सुविधा के अनुसार ग्राहक डेटा"।
एक बेहतर और अधिक उपयोगी अनुरोध इस तरह दिखना चाहिए: “क्या कारण हैं कि लॉन्च के बाद हम ग्राहकों को खो रहे हैं? इस नुकसान को दूर करने के लिए बिक्री और विपणन विभाग क्या कार्रवाई कर सकता है?"
विश्लेषण योजना
एक ठोस व्यावसायिक प्रश्न पर निर्णय लेने के बाद, हमारा अगला कदम एक विश्लेषण योजना तैयार करना है।
हमें स्मार्ट लक्ष्य बनाना चाहिए। स्मार्ट एक संक्षिप्त शब्द है जो विशिष्ट, मापने योग्य, प्राप्त करने योग्य, प्रासंगिक और समयबद्ध के लिए खड़ा है।
इसके बाद, हमें अपनी परिकल्पना तैयार करनी चाहिए। ये ऐसे कथन हैं जिनका उद्देश्य हम अपने डेटा का उपयोग करके सिद्ध या अस्वीकृत करना चाहते हैं। इन परिकल्पनाओं के साथ, हमें प्रत्येक को सिद्ध करने के लिए आवश्यक मानदंड निर्धारित करने चाहिए।
हमें डेटा विश्लेषण के दौरान आवश्यक कार्यप्रणाली पर भी ध्यान देने की आवश्यकता है। सामान्य तरीकों में शामिल हैं:
-
कुल
-
सह - संबंध
-
प्रवृत्ति
-
अनुमान
कार्यप्रणाली पर निर्णय लेने के बाद, हमें डेटा विनिर्देश पर भी निर्णय लेने की आवश्यकता है।
क्या हम पिछले एक साल के डेटा या सभी समय के डेटा का उपयोग करेंगे?
क्या हम मुख्य रूप से वित्तीय डेटा या मार्केटिंग डेटा का उपयोग करेंगे?
ये प्रश्न महत्वपूर्ण हैं क्योंकि इससे बाद में डेटा संग्रह प्रक्रिया आसान हो जाएगी।
इस चरण का अंतिम परिणाम एक परियोजना योजना है। इसमें इस विश्लेषण को चलाने के लिए आवश्यक सभी संसाधनों के साथ-साथ प्रक्रिया के प्रत्येक चरण की समय-सीमा भी शामिल है। परियोजना योजना यह भी निर्दिष्ट करती है कि हितधारक कौन हैं और साथ ही टीम के भीतर विभिन्न भूमिकाएं भी हैं।
उदाहरण के लिए, मान लें कि हमारे पास निम्नलिखित परिकल्पना है: "पिछली तिमाही में कम सफल मार्केटिंग अभियान के कारण हमारी कंपनी ग्राहकों को खो रही है"।
इस विश्लेषण को साबित या अस्वीकृत करने के लिए, हमें पिछले वर्ष के मार्केटिंग डेटा को निकालना होगा।
हम यह निर्धारित करने के लिए सहसंबंध पद्धति का उपयोग कर सकते हैं कि क्या सीटीआर जैसी मीट्रिक सहसंबद्ध है या प्रत्येक तिमाही के लिए ग्राहकों की संख्या का अनुमान लगा सकती है।
डेटा संग्रहण
डेटा संग्रह अब बहुत आसान है क्योंकि हम अपने विश्लेषण योजना चरण के दौरान डेटा विनिर्देश का वर्णन कर सकते हैं। यह अनावश्यक डेटा को पुनर्प्राप्त करने से रोकेगा।
यह विशेष रूप से महत्वपूर्ण है यदि हम महत्वपूर्ण मात्रा में डेटा के साथ काम कर रहे हैं क्योंकि यह हमारी चुनी हुई कार्यप्रणाली को निष्पादित करते समय समय बचाएगा।
डेटा संग्रह चरण में डेटा की सफाई और सत्यापन भी शामिल है। डेटा क्लींजिंग से तात्पर्य डेटा को प्रयोग करने योग्य बनाने के लिए उसमें हेरफेर करना है।
हमें यह सुनिश्चित करने के लिए डेटा सत्यापन करने की आवश्यकता है कि हमारे पास जो डेटा है वह सटीक है।
अंतर्दृष्टि प्राप्त करें
हमारे अगले चरण में हमारे डेटा से अंतर्दृष्टि प्राप्त करना शामिल है।
इस चरण में, हम अपने डेटा में पैटर्न की समीक्षा करते हैं।
उदाहरण के लिए, सहसंबंध विश्लेषण में हम एक अविभाज्य विश्लेषण से शुरू कर सकते हैं जो प्रमुख मैट्रिक्स के वितरण को देखता है। यदि लागू हो, तो हम यह भी पता लगा सकते हैं कि परीक्षण और नियंत्रण जनसंख्या के बीच कोई अंतर है या नहीं।
दूसरे चरण में हमने जो मानदंड निर्धारित किए हैं, उनका उपयोग करके हम अपनी परिकल्पनाओं को साबित करने और उन्हें अस्वीकृत करने का भी प्रयास करते हैं।
अंत में, इस कदम का परिणाम हमारे निष्कर्ष होना चाहिए। हमें परिमाणित प्रभाव के संबंध में अपने निष्कर्ष प्रस्तुत करने चाहिए।
उदाहरण के लिए, आप अपने हितधारकों को शामिल करने के लिए एक विशेष प्रतिशत गिरावट के डॉलर प्रभाव का उल्लेख कर सकते हैं।
आप कह सकते हैं कि ग्राहक अधिग्रहण में एक प्रतिशत की गिरावट के परिणामस्वरूप राजस्व में $1 मिलियन की गिरावट आ सकती है।
सिफारिश
सिफारिशें बदिर ढांचे में सबसे महत्वपूर्ण कदम हैं। ये सिफारिशें कार्रवाई योग्य होनी चाहिए।
वे मुख्य कारण हैं जिनसे हम इस ढांचे में प्रत्येक चरण से गुजरे हैं।
इस अंतिम चरण में, हम कई चीजें हासिल करना चाहते हैं। सबसे पहले, हमें लक्षित दर्शकों के साथ जुड़ना होगा। इसका मतलब है कि आपको संक्षिप्त और व्यावहारिक सिफारिशें प्रस्तुत करनी चाहिए।
एक विश्वसनीय और अच्छी सिफारिश भी आपको एक प्रभावी व्यापार भागीदार के रूप में मानेगी।
अंत में, आपकी अनुशंसा को आपके दर्शकों को कार्रवाई की ओर ले जाना चाहिए।
यदि आप अनुशंसाओं को प्रस्तुत करने के प्रभारी होंगे, तो एक स्लाइड डेक बनाना महत्वपूर्ण है जिसमें आपके सभी निष्कर्ष हों।
आपके सभी निष्कर्षों से शुरू होकर, और डेक के प्रवाह को उत्तरोत्तर सुव्यवस्थित करते हुए, एक स्लाइड डेक का निर्माण पुनरावृत्त है।
अंतिम स्लाइड डेक में एक संक्षिप्त कार्यकारी सारांश होना चाहिए। हम परिशिष्ट में कोई अतिरिक्त जानकारी जोड़ सकते हैं।
निष्कर्ष
डेटा-टू-निर्णय ढांचे को अपनाना यह सुनिश्चित करने का एक शानदार तरीका है कि आप अपने व्यावसायिक डेटा से कार्रवाई योग्य जानकारी प्राप्त कर सकते हैं।
निर्णय विज्ञान के साथ डेटा विज्ञान का संयोजन शामिल सभी हितधारकों के बीच एक संवाद की अनुमति देता है। BADIR डेटा-टू-निर्णय ढांचे में प्रत्येक चरण एक प्रभावी अंतिम आउटपुट की ओर जाता है: कार्रवाई योग्य सिफारिशें।
हमें बताएं कि इस प्रकार के ढांचे से आपका व्यवसाय या टीम कैसे लाभान्वित हो सकती है!
एक जवाब लिखें