Video: How to find the person who can help you get ahead at work | Carla Harris 2025
Nếu doanh nghiệp của bạn chưa sử dụng phân loại dữ liệu được sử dụng trong phân tích tiên đoán, có thể đã đến lúc giới thiệu nó như là một cách để đưa ra các quyết định quản lý hoặc điều hành tốt hơn. Quá trình này bắt đầu bằng một bước điều tra: Xác định một khu vực có vấn đề trong kinh doanh nơi dữ liệu phong phú có sẵn nhưng hiện tại không được sử dụng để thúc đẩy các quyết định kinh doanh.
Một cách để xác định khu vực có vấn đề như vậy là tổ chức một cuộc họp với các nhà phân tích, nhà quản lý và những người ra quyết định khác để hỏi họ những quyết định rủi ro hay khó khăn mà họ thường xuyên đưa ra - và loại dữ liệu nào họ cần để hỗ trợ cho quyết định của họ. Nếu bạn có dữ liệu phản ánh kết quả của các quyết định trong quá khứ, hãy chuẩn bị để thu hút nó. Quá trình xác định vấn đề này được gọi là giai đoạn khám phá .
Bạn muốn biết gì từ dữ liệu?-
Bạn sẽ làm gì khi nhận được câu trả lời?
-
Làm thế nào bạn sẽ đo lường kết quả từ các hành động được thực hiện?
-
Nếu kết quả của mô hình phân tích tiên đoán mang lại những hiểu biết sâu sắc, thì ai đó phải làm điều gì đó với nó - hành động. Rõ ràng, bạn sẽ muốn xem liệu các kết quả của hành động đó có làm tăng giá trị cho tổ chức hay không. Vì vậy, bạn sẽ phải tìm ra một phương pháp đo lường giá trị đó - dù là về tiết kiệm từ chi phí hoạt động, doanh thu tăng lên, hay giữ chân khách hàng tốt hơn.
Đối với nhà nghiên cứu dữ liệu hoặc người lập mô hình, bài tập này xác định loại dữ liệu nào phải được phân loại và phân tích - một bước thiết yếu để phát triển mô hình phân loại dữ liệu. Sự phân biệt cơ bản để bắt đầu là liệu dữ liệu bạn sẽ sử dụng để đào tạo mô hình là nội bộ hay bên ngoài:
cụ thể đối với công ty của bạn, thường lấy từ nguồn dữ liệu của công ty bạn và có thể bao gồm nhiều loại dữ liệu - chẳng hạn cấu trúc, bán cấu trúc hoặc không có cấu trúc.
-
Dữ liệu ngoài đến từ bên ngoài công ty, thường là dữ liệu được mua từ các công ty khác.
-
Bất kể dữ liệu bạn sử dụng cho mô hình của bạn là nội bộ hay bên ngoài, bạn sẽ muốn đánh giá nó trước. Một số câu hỏi có thể sẽ xuất hiện trong đánh giá đó: Làm thế nào quan trọng và chính xác là dữ liệu trong câu hỏi? Nếu nó quá nhạy cảm, nó có thể không phục vụ mục đích của bạn.
Dữ liệu được đề cập đến chính xác như thế nào và nếu độ chính xác của nó đáng ngờ, thì tiện ích của nó bị giới hạn.
-
Chính sách của công ty và luật áp dụng cho phép dữ liệu được sử dụng và xử lý như thế nào? Bạn có thể muốn xóa việc sử dụng dữ liệu với bộ phận pháp lý của bạn cho bất kỳ vấn đề pháp lý nào có thể phát sinh. (Xem thanh bên cạnh cho một ví dụ gần đây nổi tiếng.).
-
Khi bạn xác định được dữ liệu thích hợp để sử dụng trong việc xây dựng mô hình của mình, bước tiếp theo là phân loại nó - để tạo và áp dụng nhãn hữu ích cho các phần tử dữ liệu của bạn. Ví dụ: nếu bạn đang làm việc với dữ liệu về hành vi mua hàng của khách hàng, các nhãn đó có thể xác định danh mục dữ liệu theo cách một số nhóm khách hàng mua, như sau:
-
Khách hàng theo mùa
có thể là những người mua hàng thường xuyên hoặc bán thường xuyên.
-
Khách hàng có chiết khấu có thể là những người có xu hướng mua sắm chỉ khi có giảm giá lớn.
-
Khách hàng trung thành là những người đã mua nhiều sản phẩm của bạn theo thời gian.
-
Việc dự đoán danh mục mà một khách hàng mới sẽ phù hợp có thể có giá trị lớn cho nhóm tiếp thị. Ý tưởng là dành thời gian và tiền bạc hiệu quả để xác định khách hàng quảng cáo, xác định những sản phẩm nào nên giới thiệu cho họ, và chọn thời điểm thích hợp nhất để làm như vậy. Rất nhiều thời gian và tiền bạc có thể bị lãng phí nếu bạn nhắm mục tiêu sai khách hàng, có thể làm cho họ ít có khả năng mua hơn nếu bạn không tiếp thị cho họ ở nơi đầu tiên. Sử dụng phân tích tiên đoán cho tiếp thị nhắm mục tiêu nên không chỉ nhắm tới các chiến dịch thành công hơn, mà còn để tránh những sai lầm và những hậu quả không mong muốn.
