데이터 과학은 비즈니스를 운영할 때 사용할 수 있는 훌륭한 도구입니다.
그러나 분석은 영향을 미치는 경우에만 도움이 됩니다. 이러한 영향은 회사 성장, 더 나은 제품 또는 매출 증가로 인한 것일 수 있습니다.
분석을 사용하여 비즈니스에서 의사 결정을 내리는 것을 데이터 기반 의사 결정이라고 합니다. 여기에는 데이터 수집, 패턴 및 사실 추출, 추론이 포함됩니다.
회사의 의사 결정 대부분을 데이터 기반으로 내리는 데 시간과 리소스를 투자하는 것이 이제는 확실히 대중화되었습니다.
그럼에도 불구하고 설문 조사에 따르면 직감 여전히 의사 결정 과정에 영향을 미칩니다.
이것의 주요 요인은 조직에 적절한 의사 결정 프레임워크가 없다는 것입니다.
이 기사에서는 BADIR 프레임워크를 소개하고 이를 사용하여 실행 가능한 데이터 기반을 만드는 방법을 소개합니다. 귀하의 비즈니스에 대한 통찰력.
BADIR Data to Decisions 프레임워크
XNUMXD덴탈의 바디르 프레임워크는 비즈니스 문제를 해결하도록 설계된 매우 효과적인 데이터-의사결정 프레임워크입니다.
적응하기 쉽고 모든 산업 분야에서 작동합니다. 데이터 과학과 의사 결정 과학을 하나의 따르기 쉬운 프레임워크로 결합하는 것을 목표로 합니다.
아링, 잘 알려진 데이터 과학 컨설팅, 교육 및 자문 회사는 이 데이터-의사결정 프레임워크를 고안했습니다.
오늘날 디지털 혁신 이니셔티브를 위해 다양한 Fortune 500대 기업이 BADIR을 채택했습니다.
데이터-의사결정 프레임워크의 주요 기능
- 실행 가능한 데이터 기반 통찰력 제공
- 가설 기반 분석 계획 수립
- 데이터를 만들기 위한 데이터 사양을 용이하게 합니다.
- 패턴 인식 기술에서 파생된 통찰력 기계 학습 및 통계
- 이해 관계자에게 실행 가능한 권장 사항 제시
데이터-의사결정 프레임워크의 XNUMX단계
BADIR 데이터-의사결정 프레임워크에는 순서대로 따라야 하는 XNUMX단계가 포함됩니다.
비즈니스 질문
어떤 종류의 데이터 추출이나 분석을 수행하기 전에 먼저 해결하려는 문제의 맥락을 이해해야 합니다. 이것은 라인에 필요한 반복 횟수를 줄이는 데 도움이 됩니다.
여기에는 올바른 질문을 하는 것이 포함됩니다. 프레임워크는 XNUMX가지 기본 질문(누가, 무엇을, 어디서, 언제, 왜, 어떻게)을 하도록 권장합니다.
예를 들어, 우리는 어떤 결정을 내려야 하는지 확실히 이해해야 합니다.
이 결정이 시급한가요?
최종 권장 사항이 언제 나올지 알아야 합니다.
마지막으로 이해관계자가 누구인지 알아야 합니다.
데이터를 물류 팀뿐만 아니라 마케팅 팀과 공유해야 합니까?
얼마나 많은 이해 관계자가 분석 결과를 알아야 합니까?
실제로 우리는 매우 기본적인 질문을 적절한 질문으로 변환하려고 노력합니다. 예를 들어 "국가, 제품 및 기능별 고객 데이터" 데이터 요청이 있을 수 있습니다.
더 좋고 유용한 요청은 다음과 같아야 합니다. “출시 후 고객을 잃는 이유는 무엇입니까? 영업 및 마케팅 부서는 이 손실을 해결하기 위해 어떤 조치를 취할 수 있습니까?”
분석 계획
구체적인 비즈니스 질문을 결정한 후 다음 단계는 분석 계획을 수립하는 것입니다.
SMART 목표를 세워야 합니다. SMART는 Specific, Measurable, Achievable, Relevant, Time Bound의 약자입니다.
다음으로 우리는 가설을 세워야 합니다. 이는 당사 데이터를 사용하여 증명하거나 반증하려는 진술입니다. 이러한 가설과 함께 우리는 각각을 증명하는 데 필요한 기준을 설정해야 합니다.
또한 데이터 분석에 필요한 방법론도 살펴봐야 합니다. 일반적인 방법론은 다음과 같습니다.
-
골재
-
상관 관계
-
경향
-
견적
방법론을 결정한 후에는 데이터 사양도 결정해야 합니다.
지난 해의 데이터를 사용할 것인가 아니면 전체 기간의 데이터를 사용할 것인가?
재무 데이터 또는 마케팅 데이터를 주로 사용할 것입니까?
이러한 질문은 나중에 데이터 수집 프로세스를 더 쉽게 만들기 때문에 중요합니다.
이 단계의 최종 출력은 프로젝트 계획입니다. 여기에는 이 분석을 실행하는 데 필요한 모든 리소스와 프로세스의 각 단계에 대한 타임라인이 포함됩니다. 프로젝트 계획은 또한 이해 관계자와 팀 내 다양한 역할을 지정합니다.
예를 들어 다음과 같은 가설이 있다고 가정해 보겠습니다. "우리 회사는 지난 분기에 덜 성공적인 마케팅 캠페인으로 인해 고객을 잃고 있습니다."
이 분석을 증명하거나 반증하려면 지난 해의 마케팅 데이터를 가져와야 합니다.
상관 방법론을 사용하여 CTR과 같은 메트릭이 상관 관계가 있는지 여부를 결정하거나 각 분기의 고객 수를 예측할 수 있습니다.
데이터 수집
분석 계획 단계에서 데이터 사양을 설명할 수 있으므로 데이터 수집이 훨씬 쉬워졌습니다. 이렇게 하면 불필요한 데이터가 검색되는 것을 방지할 수 있습니다.
이는 선택한 방법론을 수행할 때 시간을 절약할 수 있으므로 상당한 양의 데이터를 처리하는 경우 특히 중요합니다.
데이터 수집 단계에는 데이터 정리 및 유효성 검사도 포함됩니다. 데이터 정리는 데이터를 사용할 수 있도록 조작하는 것을 말합니다.
가지고 있는 데이터가 정확한지 확인하기 위해 데이터 유효성 검사를 수행해야 합니다.
인사이트 도출
우리의 다음 단계는 데이터에서 실제 통찰력을 도출하는 것입니다.
이 단계에서는 데이터의 패턴을 검토합니다.
예를 들어, 상관 분석에서 우리는 주요 메트릭의 분포를 보는 일변량 분석으로 시작할 수 있습니다. 해당되는 경우 테스트 모집단과 대조군 모집단 사이에 차이가 있는지 확인할 수도 있습니다.
두 번째 단계에서 설정한 기준을 사용하여 가설을 증명하고 반증하기도 합니다.
마지막으로 이 단계의 결과는 우리가 찾은 결과여야 합니다. 정량화된 영향에 대한 결과를 제시해야 합니다.
예를 들어 특정 비율 하락의 달러 영향을 언급하여 이해 관계자의 참여를 유도할 수 있습니다.
고객 확보 비율이 감소하면 매출이 1만 달러 감소할 수 있습니다.
추천
권장 사항은 BADIR 프레임워크에서 가장 중요한 단계입니다. 이러한 권장 사항은 실행 가능해야 합니다.
그것들은 우리가 이 프레임워크의 각 단계를 거친 주된 이유입니다.
이 마지막 단계에서 우리는 여러 가지를 달성하고자 합니다. 첫째, 타겟 청중과 소통해야 합니다. 즉, 짧고 통찰력 있는 권장 사항을 제시해야 합니다.
신뢰할 수 있고 건전한 추천은 또한 귀하를 효과적인 비즈니스 파트너로 인식하게 합니다.
마지막으로, 귀하의 추천은 청중을 행동으로 이끌어야 합니다.
권장 사항 발표를 담당하는 경우 모든 결과가 포함된 슬라이드 자료를 작성하는 것이 중요합니다.
슬라이드 데크의 생성은 모든 발견으로 시작하여 데크의 흐름을 점진적으로 합리화하는 반복적입니다.
최종 슬라이드 데크에는 간결한 요약이 포함되어야 합니다. 부록에 추가 정보를 추가할 수 있습니다.
결론
데이터-의사결정 프레임워크를 채택하는 것은 비즈니스 데이터에서 실행 가능한 통찰력을 얻을 수 있는 좋은 방법입니다.
데이터 과학과 의사 결정 과학을 결합하면 관련된 모든 이해 관계자 간의 대화가 가능합니다. BADIR 데이터-의사결정 프레임워크의 각 단계는 효과적인 최종 결과물인 실행 가능한 권장 사항으로 이어집니다.
귀하의 비즈니스 또는 팀이 이러한 유형의 프레임워크에서 어떤 이점을 얻을 수 있는지 알려주십시오!
댓글을 남겨주세요.