Dátová veda je skvelý nástroj, ktorý môžete mať pri podnikaní.
Analýza však pomôže iba vtedy, ak bude mať vplyv. Tento vplyv môže mať čokoľvek od rastu spoločnosti, lepších produktov alebo zvýšených príjmov.
Používanie analýzy na prijímanie rozhodnutí vo vašej firme je známe ako rozhodovanie založené na údajoch. To zahŕňa zhromažďovanie údajov, extrahovanie vzorov a faktov a vyvodzovanie záverov.
Teraz je rozhodne populárnejšie investovať čas a zdroje, aby sa väčšina rozhodnutí vašej spoločnosti riadila údajmi.
Napriek tomu to prieskumy ukazujú črevný pocit stále ovplyvňuje rozhodovací proces.
Hlavným faktorom je nedostatok správneho rámca rozhodovania v organizácii.
Tento článok predstaví rámec BADIR a spôsob, akým ho môžete použiť na vytvorenie akcieschopného a založeného na údajoch štatistiky pre vašu firmu.
Rámec BADIR Data to Decisions
BADIR framework je vysoko efektívny rámec na základe údajov až po rozhodnutie určený na riešenie obchodných problémov.
Jednoducho sa prispôsobuje a funguje v akomkoľvek odvetví. Jeho cieľom je spojiť vedu o údajoch a vedu o rozhodovaní do jedného ľahko sledovateľného rámca.
Aryng, známa konzultačná, školiaca a poradenská spoločnosť v oblasti dátovej vedy navrhla tento rámec na základe dát k rozhodnutiam.
Dnes rôzne spoločnosti z rebríčka Fortune 500 pre svoje iniciatívy digitálnej transformácie prijali BADIR.
Kľúčové vlastnosti Data-to-decisions Framework
- Poskytujte použiteľné štatistiky založené na údajoch
- Sformulujte plán analýzy na základe hypotéz
- Uľahčuje špecifikáciu údajov na vytvorenie údajov
- Poznatky odvodené z techník rozpoznávania vzorov v Strojové učenie a štatistiky
- Predložte zainteresovaným stranám použiteľné odporúčania
Päť krokov v rámci Data-to-Decisions
Rámec BADIR data-to-decisions zahŕňa päť krokov, ktoré je potrebné dodržať.
Obchodná otázka
Predtým, ako vykonáme akúkoľvek extrakciu alebo analýzu údajov, musíme najprv pochopiť kontext problému, ktorý sa snažíme vyriešiť. Pomôže to znížiť počet potrebných iterácií.
To zahŕňa kladenie správnych otázok. Rámec nás nabáda položiť si šesť základných otázok (kto, čo, kde, kedy, prečo a ako).
Musíme sa napríklad uistiť, že rozumieme tomu, aké rozhodnutie je potrebné prijať.
Je toto rozhodnutie naliehavé?
Musíme vedieť, kedy sa od nás očakáva, že prídeme s konečným odporúčaním.
Nakoniec musíme vedieť, kto sú naši zainteresovaní.
Mali by sa údaje zdieľať s marketingovým tímom, ako aj s logistickým tímom?
Koľko zainteresovaných strán potrebuje poznať výsledky našej analýzy?
V skutočnosti sa snažíme previesť veľmi základné otázky na správne otázky. Môžete mať napríklad nasledujúcu žiadosť o údaje: „údaje zákazníkov podľa krajiny, produktu a funkcie“.
Lepšia a užitočnejšia požiadavka by mala vyzerať takto: „Aké sú dôvody, prečo po spustení prichádzame o zákazníkov? Aké kroky môže urobiť obchodné a marketingové oddelenie, aby túto stratu vyriešilo?
Plán analýzy
Po rozhodnutí o konkrétnej obchodnej otázke je naším ďalším krokom sformulovanie plánu analýzy.
Mali by sme si vytvárať SMART ciele. SMART je skratka, ktorá znamená špecifické, merateľné, dosiahnuteľné, relevantné a časovo ohraničené.
Ďalej by sme mali formulovať naše hypotézy. Toto sú vyhlásenia, ktoré sa snažíme pomocou našich údajov dokázať alebo vyvrátiť. Spolu s týmito hypotézami by sme mali stanoviť kritériá potrebné na preukázanie každej z nich.
Musíme sa tiež pozrieť na metodiku potrebnú počas analýzy údajov. Bežné metodiky zahŕňajú:
-
agregát
-
korelácia
-
trend
-
odhad
Po rozhodnutí o metodike sa musíme rozhodnúť aj pre špecifikáciu údajov.
Použijeme údaje za posledný rok alebo údaje za celý čas?
Budeme primárne používať finančné údaje alebo marketingové údaje?
Tieto otázky sú dôležité, pretože to neskôr uľahčí proces zberu údajov.
Konečným výstupom tohto kroku je plán projektu. To zahŕňa všetky zdroje potrebné na spustenie tejto analýzy, ako aj časovú os pre každý krok v procese. Plán projektu tiež špecifikuje, kto sú zainteresované strany, ako aj rôzne úlohy v rámci tímu.
Povedzme napríklad, že máme nasledujúcu hypotézu: „Naša spoločnosť stráca zákazníkov kvôli menej úspešnej marketingovej kampani v minulom štvrťroku“.
Na potvrdenie alebo vyvrátenie tejto analýzy budeme musieť stiahnuť marketingové údaje z minulého roka.
Môžeme použiť korelačnú metodológiu, aby sme určili, či metrika, ako je MP, koreluje, alebo dokáže predpovedať počet zákazníkov pre každý štvrťrok.
Zber dát
Zhromažďovanie údajov je teraz oveľa jednoduchšie, pretože špecifikáciu údajov môžeme opísať počas nášho kroku Plán analýzy. Predídete tak získavaniu nepotrebných údajov.
Toto je obzvlášť dôležité, ak máme čo do činenia s veľkým množstvom údajov, pretože to ušetrí čas pri vykonávaní nami zvolenej metodológie.
Krok zberu údajov zahŕňa aj čistenie a validáciu údajov. Čistenie údajov znamená manipuláciu s údajmi, aby boli použiteľné.
Musíme vykonať overenie údajov, aby sme sa uistili, že údaje, ktoré máme, sú presné.
Odvodiť štatistiky
Náš ďalší krok zahŕňa skutočné odvodenie poznatkov z našich údajov.
V tomto kroku skontrolujeme vzory v našich údajoch.
Napríklad pri korelačnej analýze môžeme začať s jednorozmernou analýzou, ktorá sa zameriava na distribúciu kľúčových metrík. V prípade potreby môžeme tiež zistiť, či je rozdiel medzi testovanou a kontrolnou populáciou.
Pomocou kritérií, ktoré sme si stanovili v druhom kroku, sa tiež snažíme dokázať a vyvrátiť naše hypotézy.
Nakoniec, výstupom tohto kroku by mali byť naše zistenia. Mali by sme prezentovať naše zistenia týkajúce sa kvantifikovaného vplyvu.
Môžete napríklad spomenúť vplyv konkrétneho percentuálneho poklesu na dolár, aby ste zapojili svojich zainteresovaných strán.
Môžete povedať, že percentuálny pokles akvizície zákazníkov môže viesť k poklesu výnosov o 1 milión USD.
Odporúčania
Odporúčania sú najdôležitejším krokom v rámci BADIR. Tieto odporúčania musia byť použiteľné.
Sú hlavným dôvodom, prečo sme prešli každým krokom v tomto rámci.
V tomto poslednom kroku chceme dosiahnuť viacero vecí. Najprv musíme osloviť cieľové publikum. To znamená, že by ste mali prezentovať krátke a jasné odporúčania.
Dôveryhodné a spoľahlivé odporúčanie tiež povedie k tomu, že budete vnímaní ako efektívny obchodný partner.
Nakoniec, vaše odporúčanie by malo viesť vaše publikum k akcii.
Ak budete mať na starosti prezentovanie odporúčaní, je dôležité vytvoriť prezentáciu, ktorá bude obsahovať všetky vaše zistenia.
Vytváranie tobogánu je opakované, počnúc všetkými vašimi zisteniami a postupne zefektívňuje tok balíčka.
Posledný balík snímok by mal obsahovať stručné zhrnutie. Akékoľvek ďalšie informácie môžeme doplniť v prílohe.
záver
Prijatie rámca na základe údajov po rozhodnutia je skvelý spôsob, ako sa uistiť, že zo svojich obchodných údajov môžete získať užitočné informácie.
Kombinácia vedy o údajoch s vedou o rozhodovaní umožňuje dialóg medzi všetkými zúčastnenými stranami. Každý krok v rámci BADIR data-to-decisions vedie k efektívnemu konečnému výstupu: použiteľným odporúčaniam.
Dajte nám vedieť, ako môže váš podnik alebo tím profitovať z tohto typu rámca!
Nechaj odpoveď