Ang agham ng data ay isang mahusay na tool na mayroon kapag nagpapatakbo ng isang negosyo.
Gayunpaman, makakatulong lang ang analytics kung nagdudulot ito ng epekto. Ang epektong ito ay maaaring anuman mula sa paglago ng kumpanya, mas magagandang produkto, o pagtaas ng kita.
Ang paggamit ng analytics upang gumawa ng mga desisyon sa iyong negosyo ay kilala bilang data-driven na paggawa ng desisyon. Kabilang dito ang pagkolekta ng data, pagkuha ng mga pattern at katotohanan, at paggawa ng mga hinuha.
Talagang mas sikat na ngayon ang mag-invest ng oras at mga mapagkukunan para makagawa ng karamihan sa mga desisyon ng iyong kumpanya batay sa data.
Sa kabila nito, ipinapakita iyon ng mga survey pakiramdam ng bituka salik pa rin sa proseso ng paggawa ng desisyon.
Ang isang pangunahing kadahilanan dito ay ang kakulangan ng isang maayos na balangkas sa paggawa ng desisyon sa organisasyon.
Ipakikilala ng artikulong ito ang framework ng BADIR, at kung paano mo ito magagamit para gumawa ng naaaksyunan, batay sa data mga insight para sa iyong negosyo.
BADIR Data to Decisions framework
Ang BADIR Ang framework ay isang napakabisang data-to-decision framework na idinisenyo upang malutas ang mga problema sa negosyo.
Ito ay simple upang umangkop at gumagana para sa anumang industriya. Nilalayon nitong pagsamahin ang agham ng data at agham ng desisyon sa isang madaling sundin na balangkas.
Aryng, isang kilalang kumpanya sa pagkonsulta sa agham ng data, pagsasanay at pagpapayo ang gumawa nitong data-to-decisions framework.
Ngayon, ang iba't ibang Fortune 500 na kumpanya para sa kanilang mga digital transformation initiatives ay nagpatibay ng BADIR.
Mga Pangunahing Tampok ng Data-to-Decisions Framework
- Magbigay ng mga naaaksyunan na insight na batay sa data
- Bumuo ng plano ng pagsusuri na batay sa hypothesis
- Pinapadali ang detalye ng data upang makagawa ng dat
- Mga insight na nakuha mula sa mga diskarte sa pagkilala ng pattern sa Pag-aaral ng Machine at mga istatistika
- Magharap ng mga naaaksyong rekomendasyon sa mga stakeholder
Ang Limang Hakbang sa Data-to-Decisions Framework
Ang BADIR data-to-decisions framework ay nagsasangkot ng limang hakbang na dapat sundin sa pagkakasunud-sunod.
Tanong sa Negosyo
Bago tayo gumawa ng anumang uri ng pagkuha o pagsusuri ng data, kailangan muna nating maunawaan ang konteksto ng problemang sinusubukan nating lutasin. Makakatulong ito na bawasan ang bilang ng mga pag-ulit na kailangan pababa sa linya.
Kabilang dito ang pagtatanong ng mga tamang katanungan. Hinihikayat tayo ng balangkas na itanong ang anim na pangunahing tanong (sino, ano, saan, kailan, bakit, at paano).
Halimbawa, kailangan nating tiyakin na nauunawaan natin kung anong desisyon ang kailangang gawin.
Apurahan ba ang desisyong ito?
Kailangan nating malaman kung kailan tayo inaasahang makabuo ng panghuling rekomendasyon.
Panghuli, kailangan nating malaman kung sino ang ating mga stakeholder.
Dapat bang ibahagi ang data sa marketing team pati na rin sa logistics team?
Ilang stakeholder ang kailangang malaman ang mga resulta ng aming pagsusuri?
Sa katunayan, sinusubukan naming i-convert ang napakapangunahing mga tanong sa mga tamang tanong. Halimbawa, maaaring mayroon ka ng sumusunod na kahilingan sa data: "data ng customer ayon sa bansa, produkto, at tampok."
Ang isang mas mahusay at mas kapaki-pakinabang na kahilingan ay dapat magmukhang ganito: “Ano ang mga dahilan kung bakit kami nawawalan ng mga customer pagkatapos ilunsad? Anong mga aksyon ang magagawa ng departamento ng pagbebenta at marketing upang matugunan ang pagkawalang ito?"
Plan ng Pagsusuri
Pagkatapos magpasya sa isang kongkretong tanong sa negosyo, ang susunod nating hakbang ay ang pagbuo ng isang plano sa pagsusuri.
Dapat tayong lumikha ng mga layunin ng SMART. Ang SMART ay isang acronym na nangangahulugang Specific, Measurable, Achievable, Relevant, at Time Bound.
Susunod, dapat nating bumalangkas ng ating mga hypotheses. Ito ay mga pahayag na nilalayon naming patunayan o pabulaanan gamit ang aming data. Kasama ng mga hypotheses na ito, dapat nating itakda ang mga pamantayang kailangan upang patunayan ang bawat isa.
Kailangan din nating tingnan ang pamamaraang kailangan sa panahon ng pagsusuri ng data. Ang mga karaniwang pamamaraan ay kinabibilangan ng:
-
Aggregate
-
Korelasyon
-
Takbo
-
Tantiya
Pagkatapos magpasya sa pamamaraan, kailangan din nating magpasya sa detalye ng data.
Gagamit ba kami ng data mula sa nakaraang taon o lahat ng oras na data?
Pangunahing gagamit ba tayo ng data sa pananalapi o data sa marketing?
Ang mga tanong na ito ay mahalaga dahil ito ay gagawing mas madali ang proseso ng pagkolekta ng data sa ibang pagkakataon.
Ang huling output ng hakbang na ito ay isang plano ng proyekto. Kabilang dito ang lahat ng mapagkukunang kailangan upang patakbuhin ang pagsusuring ito pati na rin ang timeline para sa bawat hakbang sa proseso. Tinutukoy din ng plano ng proyekto kung sino ang mga stakeholder gayundin ang iba't ibang tungkulin sa loob ng team.
Halimbawa, sabihin nating mayroon kaming sumusunod na hypothesis: "Nawawalan ng mga customer ang aming kumpanya dahil sa hindi gaanong matagumpay na kampanya sa marketing sa nakaraang quarter."
Upang patunayan o pabulaanan ang pagsusuring ito, kakailanganin nating kunin ang data ng marketing mula sa nakaraang taon.
Maaari naming gamitin ang pamamaraan ng ugnayan upang matukoy kung ang isang sukatan tulad ng CTR ay nakakaugnay o mahuhulaan ang bilang ng mga customer para sa bawat quarter.
Pagkolekta ng data
Mas madali na ngayon ang pangongolekta ng data dahil maaari naming ilarawan ang detalye ng data sa panahon ng aming hakbang sa Plano ng Pagsusuri. Pipigilan nito ang hindi kinakailangang data na makuha.
Ito ay lalong mahalaga kung tayo ay nakikitungo sa isang malaking halaga ng data dahil ito ay makatipid ng oras kapag ginagawa ang aming napiling pamamaraan.
Ang hakbang sa pangongolekta ng data ay nagsasangkot din ng paglilinis at pagpapatunay ng data. Ang paglilinis ng data ay tumutukoy sa pagmamanipula ng data upang magamit ito.
Kailangan naming magsagawa ng data validation para matiyak na tumpak ang data na mayroon kami.
Kumuha ng Mga Insight
Kasama sa aming susunod na hakbang ang aktwal na pagkuha ng mga insight mula sa aming data.
Sa hakbang na ito, sinusuri namin ang mga pattern sa aming data.
Halimbawa, sa pagsusuri ng ugnayan maaari tayong magsimula sa isang univariate na pagsusuri na tumitingin sa pamamahagi ng mga pangunahing sukatan. Kung naaangkop, maaari rin nating malaman kung may pagkakaiba sa pagitan ng isang pagsubok at isang kontrol na populasyon.
Gamit ang pamantayang itinakda namin sa ikalawang hakbang, sinusubukan din naming patunayan at pabulaanan ang aming mga hypotheses.
Sa wakas, ang output ng hakbang na ito ay dapat na ang aming mga natuklasan. Dapat naming ipakita ang aming mga natuklasan tungkol sa quantified na epekto.
Halimbawa, maaari mong banggitin ang epekto sa dolyar ng isang partikular na pagbaba ng porsyento upang hikayatin ang iyong mga stakeholder.
Maaari mong sabihin na ang isang porsyentong pagbaba sa pagkuha ng customer ay maaaring magresulta sa $1 milyon na pagbaba ng kita.
Rekomendasyon
Ang mga rekomendasyon ay ang pinakamahalagang hakbang sa balangkas ng BADIR. Ang mga rekomendasyong ito ay dapat na naaaksyunan.
Sila ang pangunahing dahilan kung bakit namin pinagdaanan ang bawat hakbang sa balangkas na ito.
Sa huling hakbang na ito, gusto naming makamit ang maraming bagay. Una, kailangan nating makipag-ugnayan sa target na madla. Nangangahulugan ito na dapat kang magpakita ng maikli at makabuluhang mga rekomendasyon.
Ang isang kapani-paniwala at mahusay na rekomendasyon ay hahantong din sa iyong pagiging mabisang kasosyo sa negosyo.
Panghuli, ang iyong rekomendasyon ay dapat na humimok sa iyong madla sa pagkilos.
Kung ikaw ang mamamahala sa paglalahad ng mga rekomendasyon, mahalagang bumuo ng slide deck na naglalaman ng lahat ng iyong natuklasan.
Ang paglikha ng isang slide deck ay umuulit, simula sa lahat ng iyong mga natuklasan, at unti-unting pina-streamline ang daloy ng deck.
Ang huling slide deck ay dapat magkaroon ng isang maigsi na buod ng executive. Maaari kaming magdagdag ng anumang karagdagang impormasyon sa isang apendiks.
Konklusyon
Ang pag-ampon ng data-to-decisions framework ay isang mahusay na paraan upang matiyak na makakakuha ka ng mga naaaksyunan na insight mula sa data ng iyong negosyo.
Ang pagsasama-sama ng data science at decision science ay nagbibigay-daan para sa isang dialog sa pagitan ng lahat ng stakeholder na kasangkot. Ang bawat hakbang sa BADIR data-to-decisions framework ay humahantong sa isang epektibong panghuling output: naaaksyunan na mga rekomendasyon.
Ipaalam sa amin kung paano makikinabang ang iyong negosyo o team sa ganitong uri ng framework!
Mag-iwan ng Sagot