A ciência de dados é uma ótima ferramenta para se ter ao administrar um negócio.
No entanto, a análise só ajudará se gerar impacto. Esse impacto pode ser qualquer coisa, desde o crescimento da empresa, melhores produtos ou aumento da receita.
Usar a análise para tomar decisões em seus negócios é conhecido como tomada de decisão orientada por dados. Isso envolve coletar dados, extrair padrões e fatos e fazer inferências.
É definitivamente mais popular agora investir tempo e recursos para fazer a maioria das decisões de sua empresa baseadas em dados.
Apesar disso, pesquisas mostram que intuição ainda contribui para o processo de tomada de decisão.
Um fator importante para isso é a falta de uma estrutura de tomada de decisão adequada na organização.
Este artigo apresentará a estrutura BADIR e como você pode usá-la para criar insights para o seu negócio.
Estrutura de dados para decisões BADIR
A BADIR framework é uma estrutura de dados para decisão altamente eficaz projetada para resolver problemas de negócios.
É simples de adaptar e funciona para qualquer setor. Ele visa combinar ciência de dados e ciência da decisão em uma estrutura fácil de seguir.
Aryng, uma conhecida empresa de consultoria, treinamento e consultoria em ciência de dados concebeu essa estrutura de dados para decisões.
Hoje, várias empresas da Fortune 500 para suas iniciativas de transformação digital adotaram o BADIR.
Principais recursos da estrutura de dados para decisões
- Forneça insights orientados por dados acionáveis
- Formular um plano de análise baseado em hipóteses
- Facilita a especificação de dados para criar dados
- Insights derivados de técnicas de reconhecimento de padrões em Machine Learning e estatísticas
- Apresentar recomendações acionáveis para as partes interessadas
As cinco etapas na estrutura de dados para decisões
A estrutura de dados para decisões BADIR envolve cinco etapas que devem ser seguidas em ordem.
Pergunta de negócios
Antes de fazermos qualquer tipo de extração ou análise de dados, devemos primeiro entender o contexto do problema que estamos tentando resolver. Isso ajudará a reduzir o número de iterações necessárias no futuro.
Isso envolve fazer as perguntas certas. A estrutura nos encoraja a fazer as seis perguntas básicas (quem, o quê, onde, quando, por que e como).
Por exemplo, precisamos ter certeza de que entendemos qual decisão precisa ser tomada.
Esta decisão é urgente?
Precisamos saber quando devemos apresentar uma recomendação final.
Por fim, precisamos saber quem são nossos stakeholders.
Os dados devem ser compartilhados com a equipe de marketing e também com a equipe de logística?
Quantas partes interessadas precisam conhecer os resultados de nossa análise?
Na verdade, tentamos converter perguntas muito básicas em perguntas adequadas. Por exemplo, você pode ter a seguinte solicitação de dados: “dados do cliente por país, produto e recurso”.
Uma solicitação melhor e mais útil deve ser assim: “Quais são as razões pelas quais estamos perdendo clientes após o lançamento? Que ações o departamento de vendas e marketing pode fazer para lidar com essa perda?”
Plano de Análise
Depois de decidir sobre uma questão empresarial concreta, nosso próximo passo é formular um plano de análise.
Devemos criar metas SMART. SMART é um acrônimo que significa Specific, Measurable, Achievable, Relevant e Time Bound.
Em seguida, devemos formular nossas hipóteses. Estas são declarações que pretendemos provar ou refutar usando nossos dados. Junto com essas hipóteses, devemos estabelecer os critérios necessários para provar cada uma delas.
Também precisamos olhar para a metodologia necessária durante a análise de dados. Metodologias comuns incluem:
-
Agregado
-
Correlação
-
Trend
-
Estimativa
Depois de decidir sobre a metodologia, também precisamos decidir sobre a especificação dos dados.
Usaremos dados do ano passado ou dados de todos os tempos?
Usaremos principalmente dados financeiros ou dados de marketing?
Essas perguntas são importantes porque facilitarão o processo de coleta de dados posteriormente.
O resultado final desta etapa é um plano de projeto. Isso inclui todos os recursos necessários para executar essa análise, bem como o cronograma de cada etapa do processo. O plano do projeto também especifica quem são as partes interessadas, bem como as várias funções dentro da equipe.
Por exemplo, digamos que temos a seguinte hipótese: “Nossa empresa está perdendo clientes por causa de uma campanha de marketing menos bem-sucedida no último trimestre”.
Para provar ou refutar essa análise, teremos que extrair dados de marketing do ano passado.
Podemos usar a metodologia de correlação para determinar se uma métrica como CTR está correlacionada ou pode prever o número de clientes para cada trimestre.
Recolha de Dados
A coleta de dados agora é muito mais fácil, pois pudemos descrever a especificação dos dados durante nossa etapa do Plano de Análise. Isso evitará que dados desnecessários sejam recuperados.
Isso é especialmente importante se estivermos lidando com uma quantidade significativa de dados, pois economizará tempo ao executar nossa metodologia escolhida.
A etapa de coleta de dados também envolve a limpeza e validação de dados. A limpeza de dados refere-se à manipulação de dados para torná-los utilizáveis.
Precisamos realizar a validação de dados para garantir que os dados que temos sejam precisos.
Derivar insights
Nosso próximo passo envolve a derivação real de insights de nossos dados.
Nesta etapa, revisamos os padrões em nossos dados.
Por exemplo, na análise de correlação, podemos começar com uma análise univariada que analisa a distribuição das principais métricas. Se aplicável, também podemos descobrir se há diferença entre um teste e uma população de controle.
Usando os critérios que estabelecemos na segunda etapa, também tentamos provar e refutar nossas hipóteses.
Finalmente, a saída desta etapa deve ser nossas descobertas. Devemos apresentar nossas descobertas sobre o impacto quantificado.
Por exemplo, você pode mencionar o impacto em dólares de uma queda percentual específica para engajar seus stakeholders.
Você pode dizer que uma queda percentual na aquisição de clientes pode resultar em uma queda de receita de US$ 1 milhão.
Recomendação
As recomendações são o passo mais importante na estrutura BADIR. Essas recomendações devem ser acionáveis.
Eles são a principal razão pela qual passamos por cada etapa desta estrutura.
Nesta última etapa, queremos alcançar várias coisas. Primeiro, temos que nos envolver com o público-alvo. Isso significa que você deve apresentar recomendações curtas e perspicazes.
Uma recomendação confiável e sólida também fará com que você seja percebido como um parceiro de negócios eficaz.
Por fim, sua recomendação deve direcionar seu público para a ação.
Se você for responsável por apresentar as recomendações, é importante construir um conjunto de slides com todas as suas descobertas.
A criação de um deck de slides é iterativa, começando com todas as suas descobertas e progressivamente simplificando o fluxo do deck.
O conjunto de slides final deve ter um resumo executivo conciso. Podemos adicionar qualquer informação adicional em um apêndice.
Conclusão
Adotar uma estrutura de dados para decisões é uma ótima maneira de garantir que você possa obter insights acionáveis de seus dados de negócios.
A combinação da ciência de dados com a ciência da decisão permite um diálogo entre todas as partes interessadas envolvidas. Cada etapa da estrutura de dados para decisões BADIR leva a um resultado final eficaz: recomendações acionáveis.
Conte-nos como sua empresa ou equipe pode se beneficiar desse tipo de framework!
Deixe um comentário