La scienza dei dati è un ottimo strumento da avere quando si gestisce un'azienda.
Tuttavia, l'analisi aiuterà solo se avrà un impatto. Questo impatto potrebbe essere qualsiasi cosa, dalla crescita dell'azienda, prodotti migliori o aumento delle entrate.
L'utilizzo dell'analisi per prendere decisioni nella tua azienda è noto come processo decisionale basato sui dati. Ciò comporta la raccolta di dati, l'estrazione di schemi e fatti e l'elaborazione di inferenze.
È decisamente più popolare ora investire tempo e risorse per rendere la maggior parte delle decisioni della tua azienda basata sui dati.
Nonostante questo, i sondaggi lo dimostrano sensazione di intestino ancora fattori nel processo decisionale.
Un fattore importante in questo è la mancanza di un adeguato quadro decisionale nell'organizzazione.
Questo articolo introdurrà il framework BADIR e come puoi usarlo per creare azioni basate sui dati approfondimenti per la tua attività.
Quadro BADIR Dati per Decisioni
I BADIR framework è un framework data-to-decision altamente efficace progettato per risolvere i problemi aziendali.
È semplice da adattare e funziona per qualsiasi settore. Mira a combinare insieme scienza dei dati e scienza delle decisioni in un quadro facile da seguire.
Aring, una nota società di consulenza, formazione e consulenza sulla scienza dei dati ha ideato questo framework data-to-decisions.
Oggi diverse aziende Fortune 500 per le loro iniziative di trasformazione digitale hanno adottato BADIR.
Caratteristiche principali di Data-to-decisions Framework
- Fornisci informazioni utili basate sui dati
- Formulare un piano di analisi basato su ipotesi
- Facilita la specifica dei dati per creare dati
- Approfondimenti derivati dalle tecniche di riconoscimento dei modelli in machine Learning e statistiche
- Presentare raccomandazioni attuabili alle parti interessate
I cinque passaggi nel quadro dei dati per le decisioni
Il quadro BADIR data-to-decisions prevede cinque passaggi che devono essere seguiti in ordine.
Domanda di affari
Prima di eseguire qualsiasi tipo di estrazione o analisi dei dati, dobbiamo prima capire il contesto del problema che stiamo cercando di risolvere. Ciò contribuirà a ridurre il numero di iterazioni necessarie su tutta la linea.
Ciò implica porre le domande giuste. Il quadro ci incoraggia a porre le sei domande di base (chi, cosa, dove, quando, perché e come).
Ad esempio, dobbiamo assicurarci di capire quale decisione deve essere presa.
Questa decisione è urgente?
Abbiamo bisogno di sapere quando dovremmo presentare una raccomandazione finale.
Infine, dobbiamo sapere chi sono i nostri stakeholder.
I dati devono essere condivisi con il team di marketing e con il team di logistica?
Quanti stakeholder hanno bisogno di conoscere i risultati della nostra analisi?
In effetti, cerchiamo di convertire domande molto semplici in domande appropriate. Ad esempio, potresti avere la seguente richiesta di dati: "dati cliente per paese, prodotto e caratteristica".
Una richiesta migliore e più utile dovrebbe assomigliare a questa: “Quali sono i motivi per cui stiamo perdendo clienti dopo il lancio? Quali azioni possono fare il reparto vendite e marketing per affrontare questa perdita?"
Piano di analisi
Dopo aver deciso su una questione aziendale concreta, il nostro prossimo passo è formulare un piano di analisi.
Dovremmo creare obiettivi SMART. SMART è un acronimo che sta per Specific, Measurable, Achievable, Rilevante e Time Bound.
Successivamente, dovremmo formulare le nostre ipotesi. Si tratta di affermazioni che miriamo a provare o smentire utilizzando i nostri dati. Insieme a queste ipotesi, dovremmo stabilire i criteri necessari per dimostrarle.
Dobbiamo anche esaminare la metodologia necessaria durante l'analisi dei dati. Le metodologie comuni includono:
-
Aggregato
-
Correlazione
-
Trend
-
stima
Dopo aver deciso la metodologia, dobbiamo anche decidere la specifica dei dati.
Useremo i dati dell'ultimo anno o i dati di tutti i tempi?
Utilizzeremo principalmente dati finanziari o dati di marketing?
Queste domande sono importanti perché ciò renderà più semplice il processo di raccolta dei dati in un secondo momento.
L'output finale di questo passaggio è un piano di progetto. Ciò include tutte le risorse necessarie per eseguire questa analisi, nonché la sequenza temporale per ogni fase del processo. Il piano del progetto specifica anche chi sono gli stakeholder e i vari ruoli all'interno del team.
Diciamo ad esempio di avere la seguente ipotesi: “La nostra azienda sta perdendo clienti a causa di una campagna di marketing meno riuscita nell'ultimo trimestre”.
Per provare o smentire questa analisi, dovremo estrarre i dati di marketing dell'ultimo anno.
Possiamo utilizzare la metodologia di correlazione per determinare se una metrica come il CTR è correlata o se possiamo prevedere il numero di clienti per ogni trimestre.
Raccolta Dati
La raccolta dei dati è ora molto più semplice poiché potremmo descrivere la specifica dei dati durante la nostra fase del piano di analisi. Ciò impedirà il recupero di dati non necessari.
Ciò è particolarmente importante se abbiamo a che fare con una quantità significativa di dati poiché consentirà di risparmiare tempo durante l'esecuzione della metodologia scelta.
La fase di raccolta dei dati prevede anche la pulizia e la convalida dei dati. La pulizia dei dati si riferisce alla manipolazione dei dati per renderli utilizzabili.
Dobbiamo eseguire la convalida dei dati per assicurarci che i dati di cui disponiamo siano accurati.
Deriva approfondimenti
Il nostro prossimo passo riguarda l'effettiva estrazione di informazioni dai nostri dati.
In questo passaggio, esaminiamo i modelli nei nostri dati.
Ad esempio, nell'analisi di correlazione possiamo iniziare con un'analisi univariata che guarda alla distribuzione delle metriche chiave. Se applicabile, possiamo anche scoprire se c'è una differenza tra un test e una popolazione di controllo.
Utilizzando i criteri che abbiamo impostato nel secondo passaggio, cerchiamo anche di provare e smentire le nostre ipotesi.
Infine, l'output di questo passaggio dovrebbe essere costituito dai nostri risultati. Dovremmo presentare i nostri risultati per quanto riguarda l'impatto quantificato.
Ad esempio, puoi menzionare l'impatto sul dollaro di un particolare calo percentuale per coinvolgere i tuoi stakeholder.
Si potrebbe dire che un calo percentuale nell'acquisizione di clienti può comportare un calo delle entrate di $ 1 milione.
Consigli
Le raccomandazioni sono il passo più importante nel quadro BADIR. Queste raccomandazioni devono essere attuabili.
Sono il motivo principale per cui abbiamo seguito ogni passaggio in questo quadro.
In quest'ultimo passaggio, vogliamo ottenere più cose. In primo luogo, dobbiamo interagire con il pubblico di destinazione. Ciò significa che dovresti presentare raccomandazioni brevi e approfondite.
Una raccomandazione credibile e solida ti farà anche essere percepito come un partner commerciale efficace.
Infine, la tua raccomandazione dovrebbe guidare il tuo pubblico verso l'azione.
Se sarai incaricato di presentare i consigli, è importante creare una presentazione che contenga tutti i tuoi risultati.
La creazione di un mazzo di diapositive è iterativo, partendo da tutte le tue scoperte e snellendo progressivamente il flusso del mazzo.
La presentazione finale dovrebbe avere un sommario esecutivo conciso. Possiamo aggiungere qualsiasi informazione aggiuntiva in un'appendice.
Conclusione
L'adozione di un framework dai dati alle decisioni è un ottimo modo per assicurarsi di poter ottenere informazioni utili dai dati aziendali.
Combinare la scienza dei dati con la scienza delle decisioni consente un dialogo tra tutte le parti interessate coinvolte. Ogni fase del quadro BADIR dai dati alle decisioni porta a un risultato finale efficace: raccomandazioni attuabili.
Facci sapere come la tua azienda o il tuo team possono trarre vantaggio da questo tipo di framework!
Lascia un Commento