Науката за податоци е одлична алатка што треба да ја имате при водење бизнис.
Сепак, аналитиката ќе помогне само ако има влијание. Ова влијание може да биде што било од раст на компанијата, подобри производи или зголемен приход.
Користењето аналитика за донесување одлуки во вашиот бизнис е познато како донесување одлуки водени од податоци. Ова вклучува собирање податоци, извлекување обрасци и факти и правење заклучоци.
Дефинитивно сега е попопуларно да се инвестира време и ресурси за да се донесе мнозинството од одлуките на вашата компанија врз основа на податоци.
И покрај тоа, истражувањата покажуваат дека чувство на стомакот уште фактори во процесот на донесување одлуки.
Главен фактор во ова е недостатокот на соодветна рамка за одлучување во организацијата.
Оваа статија ќе ја претстави рамката BADIR и како можете да ја користите за да креирате активна, водена од податоци увиди за вашиот бизнис.
БАДИР Рамка за податоци до одлуки
на БАДИР рамка е високо ефективна рамка од податоци до одлука дизајнирана да решава деловни проблеми.
Лесно е да се прилагоди и работи за секоја индустрија. Таа има за цел да ги комбинира науката за податоци и науката за одлуки заедно во една рамка што е лесна за следење.
Аринг, добро позната компанија за консултации, обука и советување наука за податоци ја смисли оваа рамка за податоци до одлуки.
Денес, различни компании на Fortune 500 за нивните иницијативи за дигитална трансформација го усвоија BADIR.
Клучни карактеристики на рамката „Податоци до одлуки“.
- Обезбедете активни увиди базирани на податоци
- Формулирајте план за анализа управуван од хипотеза
- Олеснува спецификација на податоци за да се направи тоа
- Увиди добиени од техниките за препознавање шаблони во Машинско учење и статистика
- Презентирајте акциони препораки до засегнатите страни
Петте чекори во рамката од податоци до одлуки
Рамката за податоци до одлуки БАДИР вклучува пет чекори кои мора да се следат по редослед.
Деловно прашање
Пред да направиме каков било вид екстракција или анализа на податоци, прво мора да го разбереме контекстот на проблемот што се обидуваме да го решиме. Ова ќе помогне да се намали бројот на повторувања кои се потребни подолу.
Ова вклучува поставување на вистинските прашања. Рамката нè поттикнува да ги поставиме шесте основни прашања (кој, што, каде, кога, зошто и како).
На пример, треба да се погрижиме да разбереме каква одлука треба да се донесе.
Дали оваа одлука е итна?
Треба да знаеме кога се очекува да излеземе со конечна препорака.
На крајот, треба да знаеме кои се нашите засегнати страни.
Дали податоците треба да се споделат со маркетинг тимот, како и со тимот за логистика?
Колку засегнати страни треба да ги знаат резултатите од нашата анализа?
Всушност, ние се обидуваме да ги претвориме многу основните прашања во соодветни прашања. На пример, може да го имате следново барање за податоци: „податоци за клиентите по земја, производ и функција“.
Подобро и покорисно барање треба да изгледа вака: „Кои се причините поради кои губиме клиенти по лансирањето? Какви активности може да направи одделот за продажба и маркетинг за да се справи со оваа загуба?
План за анализа
Откако ќе одлучиме за конкретно деловно прашање, нашиот следен чекор е да формулираме план за анализа.
Треба да создадеме ПАМЕТНИ цели. SMART е акроним што се залага за специфични, мерливи, достижни, релевантни и временски ограничени.
Следно, треба да ги формулираме нашите хипотези. Ова се изјави кои имаме за цел да ги докажеме или отфрлиме користејќи ги нашите податоци. Заедно со овие хипотези, треба да ги поставиме критериумите потребни за докажување на секоја од нив.
Исто така, треба да ја разгледаме методологијата потребна за време на анализата на податоците. Вообичаените методологии вклучуваат:
-
Агрегат
-
Корелација
-
тренд
-
Проценка
Откако ќе одлучиме за методологијата, треба да одлучиме и за спецификацијата на податоците.
Дали ќе користиме податоци од изминатата година или податоци за сите времиња?
Дали првенствено ќе користиме финансиски податоци или маркетинг податоци?
Овие прашања се важни бидејќи тоа подоцна ќе го олесни процесот на собирање податоци.
Конечниот резултат од овој чекор е проектен план. Ова ги вклучува сите ресурси потребни за спроведување на оваа анализа, како и временската рамка за секој чекор во процесот. Проектниот план, исто така, прецизира кои се засегнатите страни, како и различните улоги во тимот.
На пример, да речеме дека ја имаме следната хипотеза: „Нашата компанија губи клиенти поради помалку успешна маркетинг кампања во изминатиот квартал“.
За да ја докажеме или отфрлиме оваа анализа, ќе треба да извлечеме маркетинг податоци од изминатата година.
Можеме да користиме методологија на корелација за да одредиме дали метрика како CTR е во корелација или може да го предвиди бројот на клиенти за секој квартал.
Собирање на податоци
Собирањето податоци сега е многу полесно бидејќи би можеле да ја опишеме спецификацијата на податоците за време на нашиот чекор за план за анализа. Ова ќе спречи враќање на непотребните податоци.
Ова е особено важно ако се занимаваме со значителна количина на податоци бидејќи ќе заштеди време при изведување на нашата избрана методологија.
Чекорот за собирање податоци, исто така, вклучува чистење и валидација на податоците. Чистењето на податоците се однесува на манипулирање со податоците за да бидат употребливи.
Треба да извршиме валидација на податоците за да се увериме дека податоците што ги имаме се точни.
Изведете увиди
Нашиот следен чекор вклучува вистинско извлекување на сознанија од нашите податоци.
Во овој чекор, ги разгледуваме шемите во нашите податоци.
На пример, во анализата на корелација можеме да започнеме со униваријатна анализа која ја разгледува распределбата на клучните метрики. Доколку е применливо, можеме да откриеме и дали има разлика помеѓу тест и контролна популација.
Користејќи ги критериумите што ги поставивме во вториот чекор, ние исто така се обидуваме да ги докажеме и отфрлиме нашите хипотези.
Конечно, резултатот од овој чекор треба да бидат нашите наоди. Треба да ги претставиме нашите наоди во врска со квантифицираното влијание.
На пример, можете да го споменете влијанието на доларот на одреден процентен пад за да ги вклучите вашите засегнати страни.
Може да кажете дека процентуалниот пад во стекнувањето клиенти може да резултира со пад на приходите од 1 милион долари.
Препорака
Препораките се најважниот чекор во рамката БАДИР. Овие препораки мора да бидат делотворни.
Тие се главната причина што го поминавме секој чекор во оваа рамка.
Во овој последен чекор, сакаме да постигнеме повеќе работи. Прво, треба да се вклучиме со целната публика. Ова значи дека треба да презентирате кратки и проникливи препораки.
Веродостојна и здрава препорака, исто така, ќе доведе до тоа да бидете сфатени како ефективен деловен партнер.
И на крај, вашата препорака треба да ја поттикне вашата публика кон акција.
Ако вие ќе бидете задолжени за презентирање на препораките, важно е да изградите палубата за слајдови што ги содржи сите ваши наоди.
Создавањето на палубата за слајдови е итеративно, почнувајќи од сите ваши наоди и постепено рационализирајќи го текот на палубата.
Последната палуба со слајдови треба да има концизно извршно резиме. Можеме да додадеме какви било дополнителни информации во додаток.
Заклучок
Усвојувањето на рамка од податоци до одлуки е одличен начин да се уверите дека можете да стекнете функционални увиди од вашите деловни податоци.
Комбинирањето на науката за податоци со науката за одлуки овозможува дијалог помеѓу сите вклучени засегнати страни. Секој чекор во рамката за податоци до одлуки БАДИР води до ефективен конечен резултат: препораки што можат да се применат.
Кажете ни како вашиот бизнис или тим може да има корист од овој тип на рамка!
Оставете Одговор