Video: 50 закрытых проектов Google, о которых вы даже не слышали! 2024
Jika perniagaan anda masih belum menggunakan klasifikasi data yang digunakan dalam analisis ramalan, mungkin sudah tiba masanya untuk memperkenalkannya sebagai satu cara untuk membuat keputusan pengurusan atau operasi yang lebih baik. Proses ini bermula dengan langkah penyiasatan: Mengenal pasti kawasan masalah dalam perniagaan di mana data yang mencukupi tersedia tetapi kini tidak digunakan untuk memacu keputusan perniagaan.
Satu cara untuk mengenal pasti kawasan masalah ini ialah mengadakan pertemuan dengan para penganalisis, pengurus, dan pembuat keputusan lain untuk bertanya kepada mereka apa keputusan berisiko atau sukar yang mereka buat berulang - dan jenis data yang mereka perlukan untuk menyokong keputusan mereka. Sekiranya anda mempunyai data yang mencerminkan keputusan keputusan masa lalu, bersiaplah untuk menariknya. Proses mengenal pasti masalah ini dipanggil fasa penemuan .
Selepas fasa penemuan, anda akan mahu menindaklanjuti dengan soal selidik individu yang ditujukan kepada pihak berkepentingan perniagaan. Pertimbangkan untuk bertanya jenis soalan berikut:
-
Apa yang anda ingin ketahui dari data?
-
Apakah tindakan yang akan anda ambil apabila anda mendapat jawapan anda?
-
Bagaimana anda akan mengukur hasil daripada tindakan yang diambil?
Jika hasil analisis model ramalan menghasilkan gambaran yang bermakna, maka seseorang mesti melakukan sesuatu dengannya - mengambil tindakan. Jelas sekali, anda akan mahu melihat sama ada hasil tindakan menambah nilai perniagaan kepada organisasi. Oleh itu, anda perlu mencari kaedah mengukur nilai itu - sama ada dari segi penjimatan daripada kos operasi, peningkatan jualan, atau pengekalan pelanggan yang lebih baik.
Semasa anda menjalankan wawancara ini, cuba memahami mengapa tugas-tugas tertentu dilakukan dan bagaimana ia digunakan dalam proses perniagaan. Menanyakan mengapa perkara itu dapat membantu anda mendedahkan realisasi yang tidak dijangka. Tiada titik dalam mengumpul dan menganalisis data hanya demi mewujudkan lebih banyak data. Anda mahu menggunakan data tersebut untuk menjawab keperluan perniagaan tertentu.
Untuk saintis data atau pemodel, latihan ini menentukan jenis data yang mesti diklasifikasikan dan dianalisis - langkah penting untuk membangunkan model klasifikasi data. Perbezaan asas untuk bermula adalah sama ada data yang anda gunakan untuk melatih model adalah dalaman atau luaran:
-
Data dalaman adalah khusus untuk syarikat anda, biasanya menarik dari sumber data syarikat anda, dan boleh memasukkan banyak jenis data - seperti berstruktur, separa berstruktur, atau tidak berstruktur.
-
Data luaran berasal dari luar syarikat, selalunya kerana data yang dibeli daripada syarikat lain.
Terlepas dari sama ada data yang anda gunakan untuk model anda adalah dalaman atau luaran, anda perlu menilai terlebih dahulu. Beberapa soalan mungkin timbul dalam penilaian itu:
-
Seberapa kritikal dan tepat adalah data yang dipersoalkan? Sekiranya ia terlalu sensitif, ia mungkin tidak memenuhi keperluan anda.
-
Seberapa tepat data yang dipersoalkan dan jika ketepatannya dipersoalkan, maka utilitinya terhad.
-
Bagaimanakah dasar syarikat dan undang-undang yang berkaitan membolehkan data digunakan dan diproses? Anda mungkin ingin menghapuskan penggunaan data dengan jabatan undang-undang anda untuk sebarang isu undang-undang yang mungkin timbul. (Lihat sidebar yang disertakan untuk contoh terkini yang terkenal.).
Apabila anda mengenal pasti data yang sesuai untuk digunakan dalam pembinaan model anda, langkah seterusnya adalah mengklasifikasikannya - untuk membuat dan menggunakan label berguna kepada elemen data anda. Sebagai contoh, jika anda menggunakan data mengenai tingkah laku beli pelanggan, label dapat menentukan kategori data mengikut cara beberapa pelanggan membeli, di sepanjang baris berikut:
-
Pelanggan bermusim boleh menjadi orang yang kerap berbelanja atau separuh kerap.
-
Pelanggan berorientasikan diskaun boleh menjadi orang yang cenderung untuk membeli hanya apabila diskaun utama ditawarkan.
-
Pelanggan yang setia adalah mereka yang telah membeli banyak produk anda dari masa ke masa.
Meramalkan kategori yang sesuai pelanggan baru boleh menjadi nilai yang sangat baik kepada pasukan pemasaran. Idea ini adalah untuk menghabiskan masa dan wang dengan cekap untuk mengenal pasti pelanggan mana yang akan diiklankan, menentukan produk yang disyorkan kepada mereka, dan memilih masa terbaik untuk melakukannya.
Banyak masa dan wang boleh dibazirkan jika anda menargetkan pelanggan yang salah, mungkin membuat mereka kurang cenderung membeli daripada jika anda tidak dipasarkan ke mereka di tempat pertama. Menggunakan analitik ramalan untuk pemasaran yang disasarkan seharusnya bertujuan bukan sahaja pada kempen yang lebih berjaya, tetapi juga untuk mengelakkan perangkap dan akibat yang tidak diinginkan.
