Наука о подацима је одличан алат за вођење предузећа.
Међутим, аналитика ће помоћи само ако утиче на утицај. Овај утицај може бити било шта од раста компаније, бољих производа или повећања прихода.
Коришћење аналитике за доношење одлука у вашем пословању познато је као доношење одлука на основу података. Ово укључује прикупљање података, издвајање образаца и чињеница и доношење закључака.
Сада је дефинитивно популарније улагати време и ресурсе како бисте већину одлука ваше компаније донели на основу података.
Упркос томе, анкете то показују предосећај још увек фактори у процесу доношења одлука.
Главни фактор у томе је недостатак одговарајућег оквира за доношење одлука у организацији.
Овај чланак ће представити БАДИР оквир и како га можете користити за креирање радњи, заснованих на подацима увид у ваше пословање.
БАДИР оквир за доношење одлука
БАДИР фрамеворк је веома ефикасан оквир за доношење одлука дизајниран за решавање пословних проблема.
Једноставан је за прилагођавање и ради за било коју индустрију. Циљ му је да комбинује науку о подацима и науку о одлучивању заједно у један оквир који се лако прати.
Аринг, позната компанија за консалтинг, обуку и саветовање у области науке о подацима осмислила је овај оквир од података до одлука.
Данас су различите компаније са листе Фортуне 500 за своје иницијативе за дигиталну трансформацију усвојиле БАДИР.
Кључне карактеристике оквира података до одлука
- Обезбедите практичне увиде засноване на подацима
- Формулишите план анализе заснован на хипотезама
- Олакшава спецификацију података за израду података
- Увиди изведени из техника препознавања образаца у Машинско учење и статистике
- Представите релевантне препоруке заинтересованим странама
Пет корака у оквиру од података до одлука
БАДИР оквир од података до одлука укључује пет корака који се морају пратити по реду.
Пословно питање
Пре него што урадимо било какву екстракцију или анализу података, прво морамо да разумемо контекст проблема који покушавамо да решимо. Ово ће помоћи да се смањи број потребних итерација у наставку.
Ово укључује постављање правих питања. Оквир нас подстиче да поставимо шест основних питања (ко, шта, где, када, зашто и како).
На пример, морамо да будемо сигурни да разумемо коју одлуку треба донети.
Да ли је ова одлука хитна?
Морамо да знамо када се од нас очекује да дамо коначну препоруку.
На крају, морамо да знамо ко су наши актери.
Да ли податке треба делити са маркетиншким тимом, као и са тимом за логистику?
Колико заинтересованих страна треба да зна резултате наше анализе?
У ствари, покушавамо да претворимо врло основна питања у исправна питања. На пример, можда имате следећи захтев за подацима: „подаци о клијентима по земљи, производу и функцији“.
Бољи и кориснији захтев би требало да изгледа овако: „Који су разлози због којих губимо клијенте након лансирања? Које акције може да предузме одељење продаје и маркетинга да би решило овај губитак?“
План анализе
Након што се одлучимо за конкретно пословно питање, наш следећи корак је формулисање плана анализе.
Требало би да креирамо ПАМЕТНЕ циљеве. СМАРТ је акроним који означава Специфиц, Меасурабле, Ацхиевабле, Релевант и Тиме Боунд.
Затим треба да формулишемо наше хипотезе. Ово су изјаве које желимо да докажемо или оповргнемо користећи наше податке. Уз ове хипотезе, треба поставити критеријуме потребне за доказивање сваке од њих.
Такође морамо да размотримо методологију потребну током анализе података. Уобичајене методологије укључују:
-
Аггрегате
-
Корелација
-
тренд
-
Процена
Након што се одлучимо за методологију, треба да се одлучимо и за спецификацију података.
Да ли ћемо користити податке из прошле године или податке за сва времена?
Да ли ћемо првенствено користити финансијске или маркетиншке податке?
Ова питања су важна јер ће то касније олакшати процес прикупљања података.
Коначни резултат овог корака је план пројекта. Ово укључује све ресурсе потребне за покретање ове анализе, као и временски оквир за сваки корак у процесу. План пројекта такође прецизира ко су заинтересоване стране, као и различите улоге унутар тима.
На пример, рецимо да имамо следећу хипотезу: „Наша компанија губи купце због мање успешне маркетиншке кампање у прошлом кварталу“.
Да бисмо доказали или оповргли ову анализу, мораћемо да извучемо маркетиншке податке из прошле године.
Можемо да користимо методологију корелације да бисмо утврдили да ли је метрика попут стопе учесталости кликова у корелацији или можемо да предвидимо број клијената за свако тромесечје.
Прикупљање података
Прикупљање података је сада много лакше јер бисмо могли да опишемо спецификацију података током нашег корака Плана анализе. Ово ће спречити преузимање непотребних података.
Ово је посебно важно ако имамо посла са значајном количином података јер ће уштедети време при примени методологије коју смо изабрали.
Корак прикупљања података такође укључује чишћење и валидацију података. Чишћење података се односи на манипулисање подацима како би их учинили употребљивим.
Морамо да извршимо валидацију података да бисмо били сигурни да су подаци које имамо тачни.
Дериве Инсигхтс
Наш следећи корак укључује стварно извлачење увида из наших података.
У овом кораку прегледамо обрасце у нашим подацима.
На пример, у корелационој анализи можемо почети са униваријантном анализом која посматра дистрибуцију кључних метрика. Ако је применљиво, такође можемо сазнати да ли постоји разлика између тестне и контролне популације.
Користећи критеријуме које смо поставили у другом кораку, такође покушавамо да докажемо и оповргнемо наше хипотезе.
Коначно, резултат овог корака би требало да буду наши налази. Требало би да представимо наше налазе у вези са квантификованим утицајем.
На пример, можете поменути утицај на долар због пада одређеног процента да бисте ангажовали своје заинтересоване стране.
Можете рећи да пад у процентима у аквизицији купаца може довести до пада прихода од милион долара.
Препорука
Препоруке су најважнији корак у оквиру БАДИР-а. Ове препоруке морају бити делотворне.
Они су главни разлог зашто смо прошли кроз сваки корак у овом оквиру.
У овом последњем кораку желимо да постигнемо више ствари. Прво, морамо да комуницирамо са циљном публиком. То значи да треба да дате кратке и проницљиве препоруке.
Кредибилна и разумна препорука ће такође довести до тога да будете перципирани као ефикасан пословни партнер.
На крају, ваша препорука би требало да подстакне вашу публику на акцију.
Ако ћете бити задужени за представљање препорука, важно је да направите слајд палубу која садржи све ваше налазе.
Креирање слајд палубе је итеративно, почевши од свих ваших открића, и прогресивно поједностављујући ток шпила.
Завршни слајд би требало да има сажет резиме. Све додатне информације можемо додати у прилогу.
Zakljucak
Усвајање оквира од података до одлука је одличан начин да се уверите да можете да добијете увиде који се могу применити из својих пословних података.
Комбиновање науке о подацима са науком о одлучивању омогућава дијалог између свих укључених заинтересованих страна. Сваки корак у оквиру БАДИР-а од података до одлука води до ефективног коначног резултата: препорука које се могу применити.
Јавите нам како ваше предузеће или тим могу имати користи од ове врсте оквира!
Ostavite komentar