Ilmu data adalah alat yang hebat untuk dimiliki saat menjalankan bisnis.
Namun, analitik hanya akan membantu jika itu mendorong dampak. Dampak ini bisa berupa apa saja dari pertumbuhan perusahaan, produk yang lebih baik, atau peningkatan pendapatan.
Menggunakan analitik untuk membuat keputusan dalam bisnis Anda dikenal sebagai pengambilan keputusan berdasarkan data. Ini melibatkan pengumpulan data, penggalian pola dan fakta, dan membuat kesimpulan.
Jelas lebih populer sekarang untuk menginvestasikan waktu dan sumber daya untuk membuat sebagian besar keputusan perusahaan Anda berdasarkan data.
Meskipun demikian, survei menunjukkan bahwa firasat masih menjadi faktor dalam proses pengambilan keputusan.
Faktor utama dalam hal ini adalah kurangnya kerangka pengambilan keputusan yang tepat dalam organisasi.
Artikel ini akan memperkenalkan kerangka kerja BADIR, dan bagaimana Anda dapat menggunakannya untuk membuat tindakan berbasis data wawasan untuk bisnis Anda.
Kerangka Data ke Keputusan BADIR
Grafik BURUK framework adalah kerangka kerja data-to-decision yang sangat efektif yang dirancang untuk memecahkan masalah bisnis.
Sangat mudah untuk beradaptasi dan bekerja untuk industri apa pun. Ini bertujuan untuk menggabungkan ilmu data dan ilmu keputusan menjadi satu kerangka kerja yang mudah diikuti.
Aring, sebuah perusahaan konsultan, pelatihan, dan penasihat ilmu data yang terkenal merancang kerangka kerja data-untuk-keputusan ini.
Saat ini, berbagai perusahaan Fortune 500 untuk inisiatif transformasi digital mereka telah mengadopsi BADIR.
Fitur Utama Kerangka Data-ke-keputusan
- Berikan wawasan berbasis data yang dapat ditindaklanjuti
- Merumuskan rencana analisis yang didorong oleh hipotesis
- Memfasilitasi spesifikasi data untuk membuat data
- Wawasan yang diperoleh dari teknik pengenalan pola di Pembelajaran mesin dan statistik
- Menyajikan rekomendasi yang dapat ditindaklanjuti kepada pemangku kepentingan
Lima Langkah dalam Kerangka Data-ke-Keputusan
Kerangka data-ke-keputusan BADIR melibatkan lima langkah yang harus diikuti secara berurutan.
Pertanyaan Bisnis
Sebelum kita melakukan ekstraksi atau analisis data apa pun, pertama-tama kita harus memahami konteks masalah yang ingin kita pecahkan. Ini akan membantu mengurangi jumlah iterasi yang diperlukan.
Ini melibatkan mengajukan pertanyaan yang tepat. Kerangka kerja ini mendorong kita untuk mengajukan enam pertanyaan dasar (siapa, apa, di mana, kapan, mengapa, dan bagaimana).
Misalnya, kita perlu memastikan bahwa kita memahami keputusan apa yang perlu diambil.
Apakah keputusan ini mendesak?
Kita perlu tahu kapan kita diharapkan untuk memberikan rekomendasi akhir.
Terakhir, kita perlu tahu siapa pemangku kepentingan kita.
Haruskah data dibagikan dengan tim pemasaran serta tim logistik?
Berapa banyak pemangku kepentingan yang perlu mengetahui hasil analisis kami?
Akibatnya, kami mencoba mengubah pertanyaan yang sangat mendasar menjadi pertanyaan yang tepat. Misalnya, Anda mungkin memiliki permintaan data berikut: “data pelanggan menurut negara, produk, dan fitur”.
Permintaan yang lebih baik dan lebih berguna akan terlihat seperti ini: “Apa alasan kami kehilangan pelanggan setelah peluncuran? Tindakan apa yang dapat dilakukan departemen penjualan dan pemasaran untuk mengatasi kerugian ini?”
Rencana Analisis
Setelah memutuskan pertanyaan bisnis yang konkret, langkah kami selanjutnya adalah merumuskan rencana analisis.
Kita harus membuat tujuan SMART. SMART adalah singkatan dari Specific, Measurable, Achievable, Relevant, dan Time Bound.
Selanjutnya, kita harus merumuskan hipotesis kita. Ini adalah pernyataan yang ingin kami buktikan atau bantah menggunakan data kami. Seiring dengan hipotesis ini, kita harus menetapkan kriteria yang diperlukan untuk membuktikan masing-masing hipotesis.
Kita juga perlu melihat metodologi yang dibutuhkan selama analisis data. Metodologi umum meliputi:
-
Agregat
-
Korelasi
-
kecenderungan
-
Perkiraan
Setelah memutuskan metodologi, kita juga perlu memutuskan spesifikasi data.
Apakah kita akan menggunakan data dari tahun lalu atau data sepanjang masa?
Apakah kita akan menggunakan data keuangan atau data pemasaran?
Pertanyaan-pertanyaan ini penting karena akan mempermudah proses pendataan nantinya.
Hasil akhir dari langkah ini adalah rencana proyek. Ini mencakup semua sumber daya yang diperlukan untuk menjalankan analisis ini serta garis waktu untuk setiap langkah dalam proses. Rencana proyek juga menentukan siapa pemangku kepentingan serta berbagai peran dalam tim.
Sebagai contoh, katakanlah kita memiliki hipotesis berikut: “Perusahaan kita kehilangan pelanggan karena kampanye pemasaran yang kurang berhasil pada kuartal terakhir”.
Untuk membuktikan atau menyangkal analisis ini, kita harus menarik data pemasaran dari tahun lalu.
Kita dapat menggunakan metodologi korelasi untuk menentukan apakah metrik seperti RKT berkorelasi atau dapat memprediksi jumlah pelanggan untuk setiap kuartal.
Pengumpulan Data
Pengumpulan data sekarang jauh lebih mudah karena kami dapat menjelaskan spesifikasi data selama langkah Rencana Analisis kami. Ini akan mencegah data yang tidak perlu diambil.
Ini sangat penting jika kita berurusan dengan sejumlah besar data karena akan menghemat waktu saat melakukan metodologi yang kita pilih.
Langkah pengumpulan data juga melibatkan pembersihan dan validasi data. Pembersihan data mengacu pada memanipulasi data agar dapat digunakan.
Kita perlu melakukan validasi data untuk memastikan bahwa data yang kita miliki adalah akurat.
Dapatkan Wawasan
Langkah kami selanjutnya melibatkan perolehan wawasan yang sebenarnya dari data kami.
Pada langkah ini, kami meninjau pola dalam data kami.
Misalnya, dalam analisis korelasi kita bisa mulai dengan analisis univariat yang melihat distribusi metrik kunci. Jika dapat diterapkan, kita juga dapat mengetahui apakah ada perbedaan antara populasi uji dan populasi kontrol.
Dengan menggunakan kriteria yang kami tetapkan pada langkah kedua, kami juga mencoba membuktikan dan menyangkal hipotesis kami.
Akhirnya, output dari langkah ini harus menjadi temuan kami. Kami harus mempresentasikan temuan kami mengenai dampak terukur.
Misalnya, Anda dapat menyebutkan dampak dolar dari penurunan persentase tertentu untuk melibatkan pemangku kepentingan Anda.
Anda mungkin mengatakan bahwa persentase penurunan dalam akuisisi pelanggan dapat mengakibatkan penurunan pendapatan sebesar $1 juta.
Rekomendasi
Rekomendasi adalah langkah terpenting dalam kerangka BADIR. Rekomendasi ini harus dapat ditindaklanjuti.
Mereka adalah alasan utama kami menjalani setiap langkah dalam kerangka kerja ini.
Pada langkah terakhir ini, kami ingin mencapai banyak hal. Pertama, kita harus terlibat dengan target audiens. Ini berarti Anda harus menyajikan rekomendasi singkat dan berwawasan luas.
Rekomendasi yang kredibel dan masuk akal juga akan membuat Anda dianggap sebagai mitra bisnis yang efektif.
Terakhir, rekomendasi Anda harus mendorong audiens Anda untuk bertindak.
Jika Anda akan bertanggung jawab untuk menyajikan rekomendasi, penting untuk membuat dek slide yang memiliki semua temuan Anda.
Pembuatan dek slide bersifat iteratif, dimulai dengan semua temuan Anda, dan semakin merampingkan alur dek.
Dek slide terakhir harus memiliki ringkasan eksekutif yang ringkas. Kami dapat menambahkan informasi tambahan apa pun dalam lampiran.
Kesimpulan
Mengadopsi kerangka kerja data-ke-keputusan adalah cara yang bagus untuk memastikan bahwa Anda dapat memperoleh wawasan yang dapat ditindaklanjuti dari data bisnis Anda.
Menggabungkan ilmu data dengan ilmu keputusan memungkinkan dialog antara semua pemangku kepentingan yang terlibat. Setiap langkah dalam kerangka data-ke-keputusan BADIR menghasilkan hasil akhir yang efektif: rekomendasi yang dapat ditindaklanjuti.
Beri tahu kami bagaimana bisnis atau tim Anda dapat memperoleh manfaat dari jenis kerangka kerja ini!
Tinggalkan Balasan