Video: Tez Yazımı 8. Bölüm I Literatür Taraması Nasıl Yapılır 2024
İşyerinizde henüz kullanılan veri sınıflandırmasını kullanmadıysanız tahmine dayalı analitik, belki daha iyi yönetim veya işletme kararları vermenin bir yolu olarak tanıtmanın zamanı geldi. Bu süreç bir soruşturma aşamasından başlar: İşletmede geniş miktarda verinin bulunduğu, ancak şu anda iş kararlarını almak için kullanılmayan bir sorun alanının belirlenmesi.
Böyle bir sorun alanını tanımlamanın bir yolu, analistleri, yöneticileri ve diğer karar mercileri ile onlara sürekli olarak hangi riskli veya zor kararları verdiklerini ve kararlarını desteklemek için hangi verilere ihtiyaç duyduklarını sormak için bir toplantı yapmaktır. Geçmişteki kararların sonuçlarını yansıtan verilere sahipseniz, üzerinde karar vermeye hazır olun. Sorunu tanımlama işlemi, keşif evresi olarak adlandırılır.
Keşif safhasından sonra, iş paydaşlarına hitap eden bireysel anketlerle takip etmek isteyeceksiniz. Aşağıdaki soruları sormayı düşünün:
-
Veriden ne bilmek istersiniz?
-
Cevabını aldığında hangi eylemi yapacaksın?
-
Alınan eylemler sonucunu nasıl ölçeceksiniz?
Tahmini analitik modelin sonuçları anlamlı fikirler üretiyorsa, birisi bununla bir şeyler yapmalıdır - harekete geçin. Açıkçası, bu eylemin sonuçlarının kuruluşa işletme değeri katılıp eklemediğini görmek istersiniz. Dolayısıyla, operasyonel maliyetlerden tasarruf, artan satış veya daha iyi müşteri muhafazası açısından bu değeri ölçmek için bir yöntem bulmanız gerekecek.
Bu röportajları uygularken, neden bazı görevlerin yapıldığını ve iş süreçlerinde nasıl kullanıldığını anlamaya çalışın. Her şeyin yol şeklini sorduğunuzda, beklenmedik gerçekleşmeleri ortaya çıkarmanıza yardımcı olabilir. Sadece daha fazla veri yaratmak uğruna verilerin toplanıp analiz edilmesine gerek yok. Bu verileri belirli iş ihtiyaçlarına cevap vermek için kullanmak istiyorsunuz.
Veri araştırmacıları veya modelleyiciler için bu alıştırma, hangi veri türlerinin sınıflandırılması ve analiz edilmesi gerektiğini tanımlar - bir veri sınıflandırma modelinin geliştirilmesi için gerekli olan bir adım. Başlangıçla ilgili temel bir ayrım, modeli eğitmek için kullanacağınız verilerin dahili veya harici olup olmadığıdır:
-
Dahili veriler , şirketinize özgü, genellikle şirketinizin veri kaynaklarından alınır ve yapılandırılmış, yarı yapılandırılmış veya yapılandırılmamış gibi birçok veri türü içerebilir.
-
Harici veriler , şirket dışından, genellikle diğer şirketlerden alınan verilerden gelir.
Modeliniz için kullandığınız verilerin dahili veya harici olup olmamasına bakılmaksızın, ilk değerlendirmeyi yapmak isteyeceksiniz. Bu değerlendirmede birkaç sorunun ortaya çıkması muhtemel:
-
Söz konusu veriler ne kadar kritik ve doğru? Çok hassastır, amacınıza hizmet etmeyebilir.
-
Söz konusu veriler ne kadar doğruysa ve doğruluğundan şüphe ediliyorsa, kullanımı sınırlıdır.
-
Şirket politikası ve yürürlükteki kanunlar verilerin nasıl kullanılmasına ve işlenmesine izin verir? Ortaya çıkabilecek yasal konular için, yasal departmanınızdaki verilerin kullanımını silmek isteyebilirsiniz. (Yakın geçmişteki ünlü bir örnek için beraberindeki kenar çubuğuna bakın.).
Modelinizin yapımında kullanılacak verileri belirledikten sonraki adım, onu sınıflandırmaktır - veri öğelerinize faydalı etiketler oluşturmak ve uygulamak için. Örneğin, müşterilerin satın alma davranışlarıyla ilgili veriler üzerinde çalışıyorsanız, etiketler, bazı müşterilerin bu satıra göre nasıl satın aldığına göre veri kategorileri tanımlayabilir:
-
Mevsimlik müşteriler düzenli aralıklarla alışveriş yapan veya yarı-sürekli.
-
İndirim odaklı müşteriler yalnızca büyük indirimler teklif edildiğinde alışveriş yapmaya eğilimli olanlar olabilir.
-
Sadık müşterilerimiz , ürünlerinizin çoğunu zamanla satın almış kişilerdir.
Yeni bir müşterinin uyacağı kategoriyi önermek, pazarlama ekibine büyük değer verebilir. Fikir, reklamını yapacak müşterileri belirlemek, hangi ürünlerin kendisine tavsiye edileceğini belirlemek ve bunu yapmak için en uygun zamanı seçmek konusunda zamandan ve paradan tasarruf etmektir.
Yanlış müşterileri hedeflerseniz, muhtemelen onlara ilk etapta pazarlamasaydınızdan daha az satın almalarını sağlamak için çok fazla zaman ve para boşa olabilir. Hedefli pazarlama için tahmini analitik kullanmak, yalnızca daha başarılı kampanyaları değil, aynı zamanda tuzaklardan ve istenmeyen sonuçlardan kaçınılmalıdır.
