Data science är ett bra verktyg att ha när man driver ett företag.
Analyser kommer dock bara att hjälpa om det skapar effekt. Denna påverkan kan vara allt från företagstillväxt, bättre produkter eller ökade intäkter.
Att använda analyser för att fatta beslut i ditt företag är känt som datadrivet beslutsfattande. Det handlar om att samla in data, extrahera mönster och fakta och dra slutsatser.
Det är definitivt mer populärt nu att investera tid och resurser för att göra en majoritet av ditt företags beslut datadrivna.
Trots detta visar undersökningar det magkänsla fortfarande faktorer i beslutsprocessen.
En viktig faktor i detta är avsaknaden av en ordentlig beslutsram i organisationen.
Den här artikeln kommer att introducera BADIR-ramverket och hur du kan använda det för att skapa handlingskraftiga, datadrivna insikter för ditt företag.
BADIR Data till beslut ram
Smakämnen BADIR ramverket är ett mycket effektivt ramverk för data-till-beslut utformat för att lösa affärsproblem.
Det är enkelt att anpassa och fungerar för alla branscher. Det syftar till att kombinera datavetenskap och beslutsvetenskap till ett enkelt ramverk som är lätt att följa.
Aryng, ett välkänt datavetenskapligt konsult-, utbildnings- och rådgivningsföretag tog fram detta ramverk för data-till-beslut.
Idag har olika Fortune 500-företag för sina digitala transformationsinitiativ antagit BADIR.
Nyckelfunktioner i Data-to-decision Framework
- Ge handlingskraftiga datadrivna insikter
- Formulera en hypotesdriven analysplan
- Underlättar dataspecifikation för att göra dat
- Insikter från mönsterigenkänningstekniker i Maskininlärning och statistik
- Presentera genomförbara rekommendationer till intressenter
De fem stegen i ramverket för data-till-beslut
Ramverket för BADIR data-till-beslut omfattar fem steg som måste följas i ordning.
Affärsfråga
Innan vi gör någon form av dataextraktion eller analys måste vi först förstå sammanhanget för problemet vi försöker lösa. Detta kommer att hjälpa till att minska antalet iterationer som behövs längre fram.
Det handlar om att ställa rätt frågor. Ramverket uppmuntrar oss att ställa de sex grundläggande frågorna (vem, vad, var, när, varför och hur).
Vi måste till exempel se till att vi förstår vilket beslut som måste tas.
Är detta beslut brådskande?
Vi måste veta när vi förväntas komma med en slutlig rekommendation.
Slutligen måste vi veta vilka våra intressenter är.
Bör data delas med marknadsteamet såväl som logistikteamet?
Hur många intressenter behöver veta resultaten av vår analys?
I själva verket försöker vi konvertera mycket grundläggande frågor till korrekta frågor. Till exempel kan du ha följande databegäran: "kunddata per land, produkt och funktion".
En bättre och mer användbar begäran borde se ut så här: "Vilka är anledningarna till att vi tappar kunder efter lanseringen? Vilka åtgärder kan försäljnings- och marknadsavdelningen göra för att hantera denna förlust?”
Analysplan
Efter att ha beslutat om en konkret affärsfråga är vårt nästa steg att formulera en analysplan.
Vi bör skapa SMARTA mål. SMART är en akronym som står för Specific, Measurable, Achievable, Relevant och Time Bound.
Därefter bör vi formulera våra hypoteser. Detta är uttalanden som vi strävar efter att bevisa eller motbevisa med hjälp av vår data. Tillsammans med dessa hypoteser bör vi ställa de kriterier som behövs för att bevisa var och en.
Vi måste också undersöka vilken metodik som behövs under dataanalys. Vanliga metoder inkluderar:
-
Aggregate
-
Korrelation
-
Trend
-
Uppskattning
Efter att ha beslutat om metodiken måste vi också besluta om dataspecifikationen.
Kommer vi att använda data från det senaste året eller all-time data?
Kommer vi i första hand att använda finansiell data eller marknadsföringsdata?
Dessa frågor är viktiga eftersom detta kommer att göra datainsamlingsprocessen lättare senare.
Det slutliga resultatet av detta steg är en projektplan. Detta inkluderar alla resurser som behövs för att köra denna analys samt tidslinjen för varje steg i processen. Projektplanen anger också vilka intressenterna är samt de olika rollerna inom teamet.
Låt oss till exempel säga att vi har följande hypotes: "Vårt företag tappar kunder på grund av en mindre framgångsrik marknadsföringskampanj under det senaste kvartalet".
För att bevisa eller motbevisa denna analys måste vi hämta marknadsföringsdata från det senaste året.
Vi kan använda korrelationsmetodik för att avgöra om ett mått som CTR är korrelerat eller kan förutsäga antalet kunder för varje kvartal.
Datainsamling
Datainsamling är nu mycket enklare eftersom vi kunde beskriva dataspecifikationen under steget Analysplan. Detta kommer att förhindra att onödig data hämtas.
Detta är särskilt viktigt om vi har att göra med en betydande mängd data eftersom det kommer att spara tid när vi utför vår valda metod.
Datainsamlingssteget innefattar också datarensning och validering. Datarensning avser att manipulera data för att göra den användbar.
Vi måste utföra datavalidering för att säkerställa att den data vi har är korrekt.
Få insikter
Vårt nästa steg handlar om att få fram insikter från vår data.
I det här steget granskar vi mönster i vår data.
Till exempel, i korrelationsanalys kan vi börja med en univariat analys som tittar på fördelningen av nyckelmåtten. I tillämpliga fall kan vi även ta reda på om det är skillnad mellan en test- och en kontrollpopulation.
Med hjälp av de kriterier vi satte upp i det andra steget försöker vi också bevisa och motbevisa våra hypoteser.
Slutligen bör resultatet av detta steg vara våra resultat. Vi bör presentera våra resultat angående kvantifierad påverkan.
Till exempel kan du nämna dollareffekten av en viss procentuell nedgång för att engagera dina intressenter.
Du kan säga att en procentuell nedgång i kundförvärv kan resultera i en intäktsminskning på 1 miljon USD.
Rekommendation
Rekommendationer är det viktigaste steget i BADIR-ramverket. Dessa rekommendationer måste vara genomförbara.
De är huvudorsaken till att vi gick igenom varje steg i detta ramverk.
I detta sista steg vill vi uppnå flera saker. Först måste vi engagera oss i målgruppen. Det betyder att du bör presentera korta och insiktsfulla rekommendationer.
En trovärdig och sund rekommendation leder också till att du uppfattas som en effektiv affärspartner.
Slutligen bör din rekommendation driva din publik mot handling.
Om du ska vara ansvarig för att presentera rekommendationerna är det viktigt att bygga ett rutschkana som har alla dina resultat.
Skapandet av ett rutschkana är iterativt, börjar med alla dina fynd och strömlinjeformar successivt flödet i däcket.
Det sista diadäcket bör ha en kortfattad sammanfattning. Vi kan lägga till ytterligare information i en bilaga.
Slutsats
Att anta ett ramverk för data-till-beslut är ett utmärkt sätt att se till att du kan få praktiska insikter från din affärsdata.
Att kombinera datavetenskap med beslutsvetenskap möjliggör en dialog mellan alla involverade intressenter. Varje steg i BADIR-ramverket för data-till-beslut leder till ett effektivt slutresultat: rekommendationer som kan genomföras.
Låt oss veta hur ditt företag eller team kan dra nytta av denna typ av ramverk!
Kommentera uppropet