Наука о данных — отличный инструмент для ведения бизнеса.
Однако аналитика поможет только в том случае, если она будет оказывать влияние. Это влияние может быть связано с ростом компании, улучшением продуктов или увеличением доходов.
Использование аналитики для принятия решений в вашем бизнесе называется принятием решений на основе данных. Это включает в себя сбор данных, извлечение закономерностей и фактов и создание выводов.
Сейчас определенно более популярно вкладывать время и ресурсы в то, чтобы большинство решений вашей компании основывалось на данных.
Несмотря на это, опросы показывают, что внутреннее чувство по-прежнему влияет на процесс принятия решений.
Основным фактором в этом является отсутствие надлежащей системы принятия решений в организации.
В этой статье будет представлена структура BADIR и способы ее использования для создания действенных, управляемых данными инсайты для вашего бизнеса.
Структура BADIR Data to Decisions
Ассоциация БАДИР framework — это высокоэффективная система преобразования данных в решения, предназначенная для решения бизнес-задач.
Его легко адаптировать, и он подходит для любой отрасли. Он направлен на объединение науки о данных и науки о принятии решений в одну простую структуру.
Аринг, известная консалтинговая, обучающая и консультационная компания по науке о данных разработала эту структуру преобразования данных в решения.
Сегодня различные компании из списка Fortune 500 в своих инициативах по цифровой трансформации приняли BADIR.
Ключевые особенности платформы преобразования данных в решения
- Предоставление действенной информации на основе данных
- Сформулируйте план анализа на основе гипотезы
- Облегчает спецификацию данных для создания
- Понимание, полученное с помощью методов распознавания образов в Машинное обучение и статистика
- Предоставлять практические рекомендации заинтересованным сторонам
Пять шагов схемы преобразования данных в решения
Структура BADIR от данных к решениям включает пять шагов, которые необходимо выполнить по порядку.
Деловой вопрос
Прежде чем приступать к извлечению или анализу данных, мы должны сначала понять контекст проблемы, которую пытаемся решить. Это поможет сократить количество итераций, необходимых в дальнейшем.
Это предполагает задавание правильных вопросов. Структура побуждает нас задавать шесть основных вопросов (кто, что, где, когда, почему и как).
Например, нам нужно убедиться, что мы понимаем, какое решение необходимо принять.
Является ли это решение срочным?
Нам нужно знать, когда мы должны выступить с окончательной рекомендацией.
Наконец, нам нужно знать, кто наши заинтересованные стороны.
Должны ли данные передаваться команде маркетинга, а также команде логистики?
Сколько заинтересованных сторон должны знать результаты нашего анализа?
По сути, мы пытаемся преобразовать самые простые вопросы в правильные вопросы. Например, у вас может быть следующий запрос данных: «данные о клиентах по странам, продуктам и функциям».
Лучше и полезнее запрос должен выглядеть так: «По каким причинам мы теряем клиентов после запуска? Какие действия может предпринять отдел продаж и маркетинга, чтобы справиться с этой потерей?»
План анализа
После принятия решения по конкретному бизнес-вопросу наш следующий шаг — сформулировать план анализа.
Мы должны создавать цели SMART. SMART — это аббревиатура, расшифровывающаяся как «конкретный, измеримый, достижимый, актуальный и ограниченный во времени».
Далее мы должны сформулировать наши гипотезы. Это утверждения, которые мы стремимся доказать или опровергнуть, используя наши данные. Наряду с этими гипотезами мы должны установить критерии, необходимые для проверки каждой из них.
Нам также необходимо изучить методологию, необходимую во время анализа данных. Общие методологии включают в себя:
-
Совокупный
-
Корреляция
-
тенденция
-
оценка
После принятия решения о методологии нам также необходимо принять решение о спецификации данных.
Будем ли мы использовать данные за прошлый год или данные за все время?
Будем ли мы в первую очередь использовать финансовые данные или маркетинговые данные?
Эти вопросы важны, поскольку в дальнейшем это облегчит процесс сбора данных.
Конечным результатом этого шага является план проекта. Это включает в себя все ресурсы, необходимые для проведения этого анализа, а также временную шкалу для каждого шага в процессе. План проекта также определяет, кто является заинтересованными сторонами, а также различные роли в команде.
Например, предположим, что у нас есть следующая гипотеза: «Наша компания теряет клиентов из-за менее успешной маркетинговой кампании в прошлом квартале».
Чтобы подтвердить или опровергнуть этот анализ, нам понадобятся маркетинговые данные за последний год.
Мы можем использовать методологию корреляции, чтобы определить, коррелирует ли такая метрика, как CTR, или можно предсказать количество клиентов за каждый квартал.
Сбор данных
Сбор данных теперь намного проще, поскольку мы можем описать спецификацию данных на этапе нашего плана анализа. Это предотвратит получение ненужных данных.
Это особенно важно, если мы имеем дело со значительным объемом данных, поскольку это сэкономит время при выполнении выбранной нами методологии.
Этап сбора данных также включает в себя очистку и проверку данных. Очистка данных относится к манипулированию данными, чтобы сделать их пригодными для использования.
Нам необходимо выполнить проверку данных, чтобы убедиться, что данные, которые у нас есть, точны.
Получение информации
Наш следующий шаг включает в себя фактическое получение информации из наших данных.
На этом этапе мы рассматриваем закономерности в наших данных.
Например, в корреляционном анализе мы можем начать с одномерного анализа, который рассматривает распределение ключевых показателей. Если применимо, мы также можем выяснить, есть ли разница между тестовой и контрольной популяцией.
Используя критерии, которые мы установили на втором этапе, мы также пытаемся доказать и опровергнуть наши гипотезы.
Наконец, результатом этого шага должны быть наши выводы. Мы должны представить наши выводы относительно количественного воздействия.
Например, вы можете упомянуть о влиянии определенного процентного снижения на доллары, чтобы привлечь заинтересованных лиц.
Вы можете сказать, что процентное снижение количества привлеченных клиентов может привести к падению дохода на 1 миллион долларов.
Рекомендация
Рекомендации — самый важный шаг в структуре BADIR. Эти рекомендации должны быть действенными.
Они являются основной причиной, по которой мы прошли каждый шаг в этой структуре.
На этом последнем шаге мы хотим достичь нескольких целей. Во-первых, мы должны взаимодействовать с целевой аудиторией. Это означает, что вы должны представить короткие и проницательные рекомендации.
Заслуживающая доверия и обоснованная рекомендация также приведет к тому, что вас будут воспринимать как эффективного делового партнера.
Наконец, ваша рекомендация должна побудить вашу аудиторию к действию.
Если вы будете отвечать за представление рекомендаций, важно создать презентацию со всеми вашими выводами.
Создание колоды слайдов повторяется, начиная со всех ваших выводов и постепенно оптимизируя поток колоды.
Окончательная презентация должна содержать краткое резюме. Мы можем добавить любую дополнительную информацию в приложение.
Заключение
Внедрение схемы преобразования данных в решения — отличный способ убедиться, что вы можете извлечь полезную информацию из своих бизнес-данных.
Сочетание науки о данных с наукой о принятии решений позволяет вести диалог между всеми заинтересованными сторонами. Каждый шаг в структуре BADIR для преобразования данных в решения приводит к эффективному конечному результату: практическим рекомендациям.
Дайте нам знать, как ваш бизнес или команда могут извлечь выгоду из этого типа структуры!
Оставьте комментарий