หากธุรกิจของคุณยังไม่ได้ใช้การจัดประเภทข้อมูลที่ใช้ การวิเคราะห์เชิงคาดการณ์อาจถึงเวลาที่จะแนะนำวิธีนี้เพื่อเป็นแนวทางในการจัดการหรือการดำเนินงานที่ดีขึ้น ขั้นตอนนี้เริ่มจากขั้นตอนการสืบสวน: ระบุพื้นที่ปัญหาในธุรกิจที่มีข้อมูลเพียงพอ แต่ปัจจุบันยังไม่ได้ใช้เพื่อขับเคลื่อนการตัดสินใจทางธุรกิจ
วิธีหนึ่งในการระบุพื้นที่ปัญหาคือการจัดประชุมกับนักวิเคราะห์ผู้จัดการและผู้มีอำนาจตัดสินใจอื่น ๆ เพื่อถามว่าการตัดสินใจเหล่านี้มีความเสี่ยงหรือยากที่พวกเขาทำซ้ำและข้อมูลประเภทใดที่พวกเขาต้องการเพื่อสนับสนุนการตัดสินใจของพวกเขา. หากคุณมีข้อมูลที่สะท้อนถึงผลการตัดสินใจในอดีตให้เตรียมพร้อมที่จะใช้ข้อมูลนี้ ขั้นตอนการระบุปัญหานี้คือขั้นตอนการค้นพบ
หลังจากขั้นตอนการค้นพบแล้วคุณจะต้องติดตามแบบสอบถามเฉพาะบุคคลที่ส่งถึงผู้มีส่วนได้เสียทางธุรกิจ ลองถามคำถามต่อไปนี้:
-
คุณต้องการทราบอะไรจากข้อมูล
-
คุณจะทำอะไรเมื่อได้รับคำตอบ?
-
คุณจะวัดผลลัพธ์จากการกระทำอย่างไร?
หากผลลัพธ์ของแบบจำลองการวิเคราะห์เชิงคาดการณ์ทำให้เกิดข้อมูลเชิงลึกที่มีความหมายจากนั้นใครบางคนต้องทำอะไรบางอย่างกับมัน - ดำเนินการ เห็นได้ชัดว่าคุณจะต้องการทราบว่าผลการดำเนินการดังกล่าวเพิ่มมูลค่าทางธุรกิจให้กับองค์กรหรือไม่ ดังนั้นคุณจะต้องหาวิธีการวัดค่าดังกล่าวไม่ว่าจะเป็นเรื่องของการประหยัดจากต้นทุนการดำเนินงานการเพิ่มยอดขายหรือการรักษาลูกค้าที่ดีขึ้น
ในขณะที่คุณทำการสัมภาษณ์เหล่านี้พยายามทำความเข้าใจว่าทำไมงานบางอย่างจึงทำและวิธีการใช้งานในกระบวนการทางธุรกิจ ถามว่าเหตุใดจึงเป็นเช่นนั้นอาจช่วยให้คุณค้นพบสิ่งที่ไม่คาดคิด ไม่มีประเด็นในการรวบรวมและวิเคราะห์ข้อมูลเพียงเพื่อประโยชน์ในการสร้างข้อมูลเพิ่มเติม คุณต้องการใช้ข้อมูลดังกล่าวเพื่อตอบสนองความต้องการทางธุรกิจเฉพาะ
สำหรับนักวิทยาศาสตร์ข้อมูลหรือผู้สร้างแบบจำลองการออกกำลังกายนี้จะกำหนดชนิดของข้อมูลที่ต้องจัดและวิเคราะห์ - ขั้นตอนสำคัญในการพัฒนารูปแบบการจำแนกข้อมูล ความแตกต่างพื้นฐานในการเริ่มต้นคือว่าข้อมูลที่คุณจะใช้ในการฝึกแบบจำลองคือภายในหรือภายนอก:
ข้อมูลภายนอก มาจากภายนอก บริษัท ซึ่งมักเป็นข้อมูลที่ซื้อจาก บริษัท อื่น
ไม่ว่าข้อมูลที่คุณใช้สำหรับโมเดลของคุณเป็นแบบภายในหรือภายนอกคุณจะต้องประเมินข้อมูลก่อน คำถามหลายข้อมีแนวโน้มที่จะเพิ่มมากขึ้นในการประเมินผลดังกล่าว: ข้อมูลที่เป็นปัญหาสำคัญและถูกต้องอย่างไร? ถ้ามันอ่อนไหวเกินไปอาจไม่สามารถตอบสนองความต้องการของคุณได้
ข้อมูลที่ถูกต้องแม่นยำเพียงใดและถ้าความถูกต้องของปัญหาเป็นที่น่าสงสัยระบบของยูทิลิตี้นั้นมีข้อ จำกัด
-
นโยบาย บริษัท และกฎหมายที่บังคับใช้จะทำให้สามารถใช้และประมวลผลข้อมูลได้อย่างไร? คุณอาจต้องการล้างการใช้ข้อมูลกับแผนกกฎหมายของคุณเพื่อหาประเด็นทางกฎหมายที่อาจเกิดขึ้น (โปรดดูแถบด้านข้างสำหรับตัวอย่างล่าสุดที่มีชื่อเสียง)
-
เมื่อคุณระบุข้อมูลที่เหมาะสมสำหรับใช้ในการสร้างโมเดลขั้นตอนต่อไปคือการจัดหมวดหมู่ - เพื่อสร้างและใช้ป้ายกำกับที่มีประโยชน์กับองค์ประกอบข้อมูลของคุณ ตัวอย่างเช่นหากคุณกำลังทำงานเกี่ยวกับข้อมูลเกี่ยวกับพฤติกรรมการซื้อของลูกค้าฉลากสามารถกำหนดหมวดหมู่ข้อมูลตามกลุ่มลูกค้าที่ซื้อได้ตามบรรทัดต่อไปนี้
-
ลูกค้าตามฤดูกาล
อาจเป็นผู้ที่ซื้อสินค้าเป็นประจำหรือ กึ่งประจำ
-
ลูกค้าที่มีส่วนลดเป็นพิเศษ อาจเป็นผู้ที่มีแนวโน้มจะซื้อสินค้าเฉพาะเมื่อมีการรับส่วนลดที่สำคัญ ๆ
-
ลูกค้าที่ซื่อสัตย์ คือผู้ที่ซื้อผลิตภัณฑ์จำนวนมากในช่วงเวลาหนึ่ง
-
การคาดการณ์ประเภทที่ลูกค้ารายใหม่จะพอดีอาจมีคุณค่าต่อทีมการตลาด ความคิดคือการใช้เวลาและเงินอย่างมีประสิทธิภาพในการระบุว่าลูกค้าลงโฆษณาเพื่อกำหนดผลิตภัณฑ์ที่จะแนะนำให้พวกเขาและเลือกเวลาที่ดีที่สุดในการทำเช่นนั้น อาจต้องสูญเสียเวลาและเงินเป็นจำนวนมากหากคุณกำหนดเป้าหมายลูกค้าผิดอาจทำให้พวกเขามีโอกาสน้อยกว่าที่จะซื้อมากกว่าในกรณีที่คุณไม่ได้ทำการตลาดกับพวกเขาในตอนแรก การใช้การวิเคราะห์เชิงคาดการณ์สำหรับการตลาดที่กำหนดเป้าหมายควรมุ่งเน้นไม่เพียง แต่ในแคมเปญที่ประสบความสำเร็จมากเท่านั้น แต่ยังเพื่อหลีกเลี่ยงข้อผิดพลาดและผลที่ไม่คาดคิด
