Datewëssenschaft ass e super Tool fir ze hunn wann Dir e Geschäft leeft.
Wéi och ëmmer, Analyse hëlleft nëmmen wann et Impakt féiert. Dësen Impakt kéint alles vum Firma Wuesstum, besser Produkter oder erhéicht Akommes sinn.
Analyse benotze fir Entscheedungen an Ärem Geschäft ze huelen ass bekannt als date-driven Entscheedungsprozess. Dëst beinhalt Daten ze sammelen, Musteren a Fakten extrahéieren an Inferenzen ze maachen.
Et ass definitiv méi populär elo Zäit a Ressourcen ze investéieren fir eng Majoritéit vun Ärer Firma Entscheedungen ze maachen date-driven.
Trotzdem weisen Ëmfroen dat Darmfillen ëmmer nach Faktoren am Entscheedungsprozess.
E wichtege Faktor an dësem ass de Mangel un engem richtegen Entscheedungsprozess an der Organisatioun.
Dësen Artikel wäert de BADIR Kader virstellen, a wéi Dir et benotze kënnt fir handlungsfäeg, date-driven ze kreéieren Abléck fir Äert Geschäft.
BADIR Daten zu Entscheedungen Kader
d' BADIR Kader ass en héich efficace Date-zu-Entscheedung Kader entwéckelt fir Geschäftsproblemer ze léisen.
Et ass einfach ze adaptéieren a funktionnéiert fir all Industrie. Et zielt d'Datewëssenschaft an d'Entscheedungswëssenschaft zesummen an een einfach ze verfollegen Kader ze kombinéieren.
Aryng, eng gutt-bekannt Daten Wëssenschaft Consultatioun, Formatioun a Berodung Firma entworf dëser Daten-ze-Entscheedung Kader.
Haut hu verschidde Fortune 500 Firmen fir hir digital Transformatiounsinitiativen BADIR ugeholl.
Schlëssel Fonctiounen vun Data-ze-Entscheedungen Framework
- Bitt handlungsfäeg daten gedriwwen Abléck
- Formuléiert en hypothese-driven Analyseplang
- Erliichtert Daten Spezifizéierung ze maachen Dat
- Abléck ofgeleet vu Mustererkennungstechniken an Machine Learning an Statistiken
- Presentéiert handhabbar Empfehlungen un d'Akteuren
Déi Fënnef Schrëtt am Data-zu-Decision Framework
De BADIR Date-zu-Decisioun Kader ëmfaasst fënnef Schrëtt, déi an Uerdnung gefollegt ginn.
Business Fro
Ier mir eng Zort vun Dateextraktioun oder Analyse maachen, musse mir als éischt de Kontext vum Problem verstoen, dee mir probéieren ze léisen. Dëst wäert hëllefen d'Zuel vun Iteratiounen ze reduzéieren déi néideg ass.
Dëst beinhalt déi richteg Froen ze stellen. De Kader encouragéiert eis déi sechs grondleeënd Froen ze stellen (wien, wat, wou, wéini, firwat a wéi).
Zum Beispill musse mir sécherstellen datt mir verstinn wat fir eng Entscheedung getraff muss ginn.
Ass dës Entscheedung dréngend?
Mir musse wëssen, wéini mir mat enger definitiver Empfehlung erwaart ginn.
Schlussendlech musse mir wëssen, wien eis Akteuren sinn.
Sollen d'Donnéeën mat dem Marketingteam souwéi dem Logistikteam gedeelt ginn?
Wéi vill Akteuren mussen d'Resultater vun eiser Analyse wëssen?
Tatsächlech probéieren mir ganz Basis Froen an richteg Froen ëmzewandelen. Zum Beispill kënnt Dir déi folgend Datefuerderung hunn: "Clientdaten no Land, Produkt a Feature".
Eng besser a méi nëtzlech Ufro soll esou ausgesinn: "Wat sinn d'Grënn fir datt mir Clienten nom Start verléieren? Wéi eng Aktiounen kann de Verkafs- a Marketingdepartement maachen fir dëse Verloscht unzegoen?
Analyseplang
Nodeems Dir eng konkret Geschäftsfro decidéiert hutt, ass eisen nächste Schrëtt en Analyseplang ze formuléieren.
Mir sollten SMART Ziler kreéieren. SMART ass en Akronym dat steet fir Spezifesch, Messbar, Erreechbar, Relevant an Zäitgebonnen.
Als nächst sollte mir eis Hypothesen formuléieren. Dëst sinn Aussoen déi mir zielen fir ze beweisen oder ze widderhuelen andeems Dir eis Daten benotzt. Zesumme mat dësen Hypothesen, sollte mir d'Critèrë setzen déi néideg sinn fir all eenzel ze beweisen.
Mir mussen och d'Methodologie kucken, déi néideg ass während der Datenanalyse. Gemeinsam Methodologien enthalen:
-
Aggregéiert
-
Korrelatioun
-
Trend
-
Estimatioun
Nodeems mir d'Methodologie entscheed hunn, musse mir och iwwer d'Datespezifikatioun entscheeden.
Wäerte mir Daten aus dem vergaangene Joer oder all-Zäit Daten benotzen?
Wäerte mir haaptsächlech finanziell Daten oder Marketingdaten benotzen?
Dës Froen si wichteg well dëst den Datesammlungsprozess méi spéit mécht.
Déi lescht Ausgab vun dësem Schrëtt ass e Projet Plang. Dëst beinhalt all Ressourcen déi néideg sinn fir dës Analyse auszeféieren, souwéi d'Timeline fir all Schrëtt am Prozess. De Projet Plang spezifizéiert och wien d'Akteuren sinn wéi och déi verschidde Rollen am Team.
Zum Beispill, loosst eis soen datt mir déi folgend Hypothes hunn: "Eis Firma verléiert Clienten wéinst enger manner erfollegräicher Marketingkampagne am leschte Véierel".
Fir dës Analyse ze beweisen oder ze widderhuelen, musse mir Marketingdaten aus dem vergaangene Joer zéien.
Mir kënne Korrelatiounsmethodologie benotze fir ze bestëmmen ob eng Metrik wéi CTR korreléiert ass oder d'Zuel vu Cliente fir all Véierel viraussoe kann.
Datesammelung
Datesammlung ass elo vill méi einfach well mir d'Datespezifikatioun wärend eisem Analyseplang Schrëtt kéinte beschreiwen. Dëst wäert verhënneren datt onnéideg Donnéeën erëmfonnt ginn.
Dëst ass besonnesch wichteg wa mir mat enger bedeitender Quantitéit un Daten ze dinn hunn, well et Zäit spuert wann Dir eis gewielte Methodologie ausféiert.
Den Datesammlungsschrëtt beinhalt och Datereinigung a Validatioun. Datereinigung bezitt sech op d'Manipulatioun vun Daten fir se benotzbar ze maachen.
Mir mussen d'Datevalidatioun ausféieren fir sécherzestellen datt d'Donnéeën déi mir hunn richteg sinn.
Ofleeden Abléck
Eise nächste Schrëtt beinhalt d'tatsächlech ofgeleet vun Abléck aus eisen Donnéeën.
An dësem Schrëtt iwwerschaffe mir Musteren an eisen Daten.
Zum Beispill, an der Korrelatiounsanalyse kënne mir mat enger univariate Analyse ufänken, déi d'Verdeelung vun de Schlësselmetriken kuckt. Wa relevant, kënne mir och erausfannen ob et en Ënnerscheed tëscht engem Test an enger Kontrollpopulatioun ass.
Mat de Critèren, déi mir am zweete Schrëtt gesat hunn, probéieren mir och eis Hypothesen ze beweisen an ze widderhuelen.
Schlussendlech sollt d'Ausgab vun dësem Schrëtt eis Erkenntnisser sinn. Mir sollten eis Erkenntnisser betreffend quantifizéierten Impakt presentéieren.
Zum Beispill kënnt Dir den Dollar Impakt vun engem bestëmmte Prozentsaz erofgoen fir Är Akteuren ze engagéieren.
Dir kéint soen datt e Prozentsaz vun der Clientacquisitioun zu engem $ 1 Millioun Akommes erofgoe kann.
Recommandatioun
Recommandatiounen sinn de wichtegste Schrëtt am BADIR Kader. Dës Empfehlungen mussen handhabbar sinn.
Si sinn den Haaptgrond firwat mir all Schrëtt an dësem Kader duerchgaange sinn.
An dësem leschte Schrëtt wëlle mir verschidde Saachen erreechen. Als éischt musse mir mat der Zilgrupp engagéieren. Dëst bedeit datt Dir kuerz an Asiicht Empfehlungen sollt presentéieren.
Eng glafwierdeg a gesond Empfehlung wäert och dozou féieren datt Dir als en effektive Geschäftspartner ugesi gëtt.
Schlussendlech sollt Är Empfehlung Äert Publikum op Handlung féieren.
Wann Dir zoustänneg sidd fir d'Empfehlungen ze presentéieren, ass et wichteg e Rutschdeck ze bauen deen all Är Erkenntnisser huet.
D'Schafe vun engem Rutschdeck ass iterativ, ugefaang mat all Äre Befunde, a progressiv de Flux vum Deck streamlinéieren.
Déi lescht Rutschdeck sollt e präzise exekutive Resumé hunn. Mir kënnen all zousätzlech Informatioun an engem Appendix addéieren.
Konklusioun
D'Adoptioun vun engem Date-zu-Entscheedungs-Framework ass e super Wee fir sécherzestellen datt Dir handhabbar Abléck aus Äre Geschäftsdaten kritt.
D'Kombinatioun vun Datewëssenschaft mat Entscheedungswëssenschaft erlaabt en Dialog tëscht all involvéierten Akteuren. All Schrëtt am BADIR Date-zu-Decisioun Kader féiert zu engem effektiven Finale Output: Handlungsfäeg Empfehlungen.
Loosst eis wëssen wéi Äert Geschäft oder Team vun dëser Aart vu Kader profitéiere kann!
Hannerlooss eng Äntwert