A kulcs ahhoz, hogy adattudományi kezdeményezése ne bukjon el
2020-ig az AI-projektek 80%-a alkímia marad, és olyan varázslók irányítják őket, akiknek tehetsége nem fog érvényesülni a szervezetben. – Gartner
Istenem.
Ha hallom, hogy ezt a statisztikát még egyszer idézik, kibaszottul hányni fogok.
Miért?
Mert mindenki arról a statisztikáról akar beszélnianélkül, hogy megoldást adna a problémára.
Ez az a próbálkozásom, hogy része legyek a megoldásnak.
Mert kedves olvasóm, szeretném, ha adattudományi kezdeményezései nyernének
A győzelem kulcsa pedig annak biztosítása, hogy a projektben részt vevő valamennyi érdekelt fél közös nyelvvel és kerettel rendelkezzen az üzleti problémák adatproblémákká való lefordításához.
Az igazítás akkor történik meg, ha szabványos módszertannal, közös nyelvvel és szilárd kerettel rendelkezik. És ha megtörtént az igazodás, akkor egyenesen a sikerhez vezető úton halad.
A keret áttekintése
- Kezdje egy egyértelműen meghatározott és egyeztetett üzleti eredménnyel vagy problémanyilatkozattal.
- Kövesse nyomon ezt az eredményt néhány egyeztetett KPI-vel (a fő teljesítménymutatókkal).
- Azonosítsa az aktiválási karokat, amelyek segítségével befolyásolhatja a KPI-ket.
- Azonosítsa és használja fel azokat az adatforrásokat, amelyek ésszerűen lehetővé teszik az aktiválási karok meghúzását.
- Készítsen egy modellt, amely ezen adatok alapján előrejelzést készít, döntést javasol, vagy más módon tájékoztatja, hogyan, mit, mikor vagy hol kell meghúzni az aktiváló kart.
- Határozza meg, milyen mérőszámokat fog használni a modell teljesítményének nyomon követésére. Meg kell tudnia határozni, hogy a modell teljesítményének javulása hogyan befolyásolja a nyomon követett KPI-t és
- Integrálja a modellt, hogy meghúzza a karokat a vállalkozás számára az eredmény elérése érdekében.
A projekt alapszabálya
A fenti lépések mindegyikét össze kell kötni egy projekt chartába.
„A projekt chartája egy formális, tipikusan rövid dokumentum, amely teljes egészében leírja a projektet – beleértve a célokat, a végrehajtás módját és az érintettek kilétét. Kulcsfontosságú összetevője a projekt tervezésének, mert a projekt teljes életciklusa során használják.”
Én rajongok az alábbi irányelvekért a projekt charta létrehozásához.
Egy ilyen chartát a projekten dolgozó adattudósnak kell elkészítenie. A projekt valamennyi érintettjének meg kell állapodnia, és el kell mentenie valahova, ahol minden érintett könnyen hozzáférhet.
Nézzük végig a keretrendszer főbb pontjait, hogy elindulhasson a siker felé vezető úton.
A probléma megfogalmazása
Nem érhet el semmilyen sikert, hacsak nem azonosítja és tisztázza a megoldandó problémát, nem határozza meg a kívánt üzleti eredményt, és nem határoz meg valamilyen objektív módszert a haladás mérésére ahhoz az eredményhez képest.
De hogyan csináljam?
Üzleti környezetben ez tipikusan a bevétel növekedésére vagy a költségek csökkentésére vonatkozó állítás.
Íme egy példaszkript, amellyel elindíthatja a beszélgetést:
Szeretnénk ‹megvalósítani, tesztelni, kutatni, meghatározni . . . valamit› azért, hogy valamilyen mennyiségileg mérhető módon ›növelhessünk, csökkenthessünk vagy más módon befolyásolhassunk› valamilyen eredményt.
Vegye figyelembe, hogy ezek a legfontosabb elemek:
- Szeretnénk tisztázni a problémafelvetést (vagy kutatási kérdést, hipotézist stb.). Például egy ajánló rendszert szeretnénk beépíteni az értékesítési pont szoftverünkbe.
- Azonosítsa és szerezzen megállapodást a kívánt eredményről. Kérdezze meg, mit akarunk elérni a probléma megoldásával. Ennek konkrét, mérhető, objektív üzleti eredménynek kell lennie. Például azt szeretnénk, ha x%-kal nőne a bevétel mindenkinél, aki kapott ajánlást az ajánlási rendszerből, szemben mindenki mással, aki nem kapott ajánlást.
- Határozzon meg a haladás objektív mértékét a kívánt eredményhez képest. Hogyan mérjük az eredményt? Mitől lesz sikeres ez a projekt? Például x%-kal szeretnénk növelni az eladásokat azáltal, hogy további kiegészítő cikkeket ajánlunk az értékesítés helyén. Ez az az eredmény, amelyet el szeretnénk érni, és nyomon tudjuk követni. Objektíven megvizsgálhatjuk mindazokat, akiknek ajánlottak valamit az értékesítési pontokon, és mindazokat, akiknek nem ajánlottak valamit a POS-ban – van különbség?
Kulcsfontosságú teljesítménymutatók
Az üzleti eredményt nyomon követő KPI azonosítása magában foglalja a vezető és a lemaradó mutatók meghatározását, amelyek tájékoztatják, hogy befolyásoljuk-e a kívánt üzleti eredményt vagy sem.
A lemaradási mutatókcsak leíró statisztikák, amelyek megmutatják, hogyan teljesített a múltban, de nem adnak jelzést arról, hogy mi történik a jövőben. Hasznosságuk a múlt leírásában és magyarázatában rejlik, ez az.
Például a bevétel elmaradási mutató. A hónap végén visszatekinthetünk és megvizsgálhatjuk, hogy mekkora bevétel érkezett be ajánlórendszerünkből.
A késleltetett mutatók jelezhetik, hogy probléma van az ajánlórendszerünkkel, de mire képes lesz összegyűjteni az adatokat és azonosítani a problémát. Ez nem jelenti azt, hogy ne léphetne fel egy lemaradt mérőszám alapján (vagyis dolgozhatna az ajánlórendszer javításán, majd ismét mérhetne).
A vezető mutatók a jövő előrejelzését mutatják be. Jobbak, mint a lemaradó mutatók, mert még van ideje és lehetősége cselekedni velük.
Egy vezető mutató megmutatja, mi fog történni, és betekintést nyújt abba, hogy eléri-e a kívánt eredményt.
Bármilyen kombinációt is választ a késleltetett vagy vezető mutatók közül, azokat specifikus mérőszámokként (azaz mértékek, számok, mennyiségek) kell meghatározni, amelyek egyértelműek és specifikusak, jól meghatározott módon mérni és kiszámítani őket.
Törekedjen egy konkrét definícióra, amely felvázolja, honnan származnak a metrikához szükséges nyers adatok, milyen átalakítások történnek a nyers adatokkal, és milyen számításokat végeznek a metrika eléréséhez.
Végső soron el kell döntenünk, hogy a nyomon követett dolog segít-e hamarabb meghozni a jobb döntéseket.
A jó KPI-nek végrehajthatónak kell lennie.
Céljaink és kulcsfontosságú mérőszámaink és mutatóink meghatározásának módosítása elfogadható, feltéve, hogy őszinték vagyunk önmagunkhoz, felismerjük azt a változást, amelyet ez szervezetünk számára jelent, és nem csak az elvárásokat csökkentjük, hogy a bizonyítékok ellenére is folytatni tudjuk.
Ha ezekkel a KPI-kkel van meghatározva, elkezdheti a probléma megoldását.
Most azt kell tennie, hogy visszafelé haladjon a kívánt eredménytől. Határozza meg, hogy milyen tevékenységek vannak ésszerűen az Ön ellenőrzése alatt, amelyek segítenek befolyásolni a vezető KPI-t.
Fel kell tennünk magunknak a kérdést: Milyen karokat húzhatunk meg?
Aktiváló karok
Az Ön rendelkezésére álló aktiváló karok azonosítása magában foglalja, hogy mindent meg kell gondolnia, amit csak tehet, hogy egyáltalán befolyásolja a problémát.
Íme, milyen típusú kérdéseket kell feltenned magadnak:
- Hogyan jutunk oda?
- Hogyan befolyásoljuk az eredményt?
- Milyen intézkedéseket tehetünk, amelyek ésszerűen végrehajthatók, és hatással vannak az Ön vezető KPI-jére?
- Mit tehet a vállalkozás az eredmény befolyásolása érdekében?
Az aktiváló karok azonosítása után határozza meg, melyek azok, amelyek ésszerűen meghúzhatók/automatizálhatók, és végre kell hajtani valamilyen műveletet.
Adat
Miután meghatároztuk, hogy mely aktiválási karokat szeretnénk meghúzni, meg kell határoznunk, hogy elegendő adatunk van-e ahhoz, hogy egy olyan modellt hozzunk létre, amely valóban képes lesz ésszerű döntést hozni.
Itt határozhatjuk meg, hogy képesek vagyunk-e egyáltalán meghúzni azokat a karokat, amelyek hatással lesznek a vezető KPI-re, és végül a kívánt eredményhez képest haladunk.
Valóban vannak olyan adatok, amelyek segítenek optimalizálni a kar meghúzását?
Figyelembe véve az ajánlórendszer példáját, egy kosárméretet és bevételt növelő ajánlási rendszer felépítéséhez fel kell tennünk magunknak a kérdést:
- Milyen információkra van szükségünk, hogy rendelkezésünkre álljunk, vagy amit elkezdhetünk gyűjteni, hogy a rendelkezésünkre állhassuk?
- Milyen adatokkal kell rendelkeznünk?
- Mit kell tudnunk ügyfeleinkről?
- Tudunk-e olyan modellt építeni, amely sikeresen optimalizálja a kar meghúzását, hogy a vezető KPI megváltozzon, ami megváltoztatja a lemaradó KPI-t, és végül eléri a kívánt eredményt?
Vagy rendelkeznünk kell az adatokkal, vagy képességekkel kell rendelkeznünk ahhoz, hogy megszerezzük azokat. Adatok nélkül nem tudhatjuk, hogy milyen kart, mikor és milyen módon húzzuk meg.
Ha nem rendelkezünk a megfelelő adatokkal, és nem tudjuk megszerezni a megfelelő adatokat, akkor nem tudjuk optimalizálni a kar meghúzását a vezető KPI megváltoztatásához és a kívánt eredmény eléréséhez.
Ha nem találunk új kart, akkor új KPI-t kell találnunk, lényegében és egy új stratégiát a probléma megoldására, és lehetséges, hogy visszamegyünk a kezdetekhez, és arra a következtetésre jutunk, hogy nem tudjuk használni az adattudományt. hogy megoldja ezt a konkrét problémafelvetést vagy elérje ezt a bizonyos üzleti eredményt.
Ha nem rendelkezünk azokkal az adatokkal, amelyekkel optimalizálni tudnánk a kar húzását, akkor vissza kell mennünk, és keresnünk kell egy új kart.
Modell és mérőszám
Ezen a ponton a következőkre kell tudni válaszolni:
- Mi az a probléma, amit megpróbálunk megoldani?
- Hogyan mérjük?
- Hogyan optimalizáljuk?
- Hogyan változtatják?
- Milyen adatok szükségesek?
Csak addig, amíg meg nem kapjuk a választ ezekre az alapvető kérdésekre, ésszerűen elkezdhetünk gondolkodni azon, hogyan fogja modellezni, rögzíteni, tesztelni vagy más módon megvalósítani a megoldásunkat.
Miután a fentiek mindegyikét azonosítottuk, megvalósíthatunk egy megoldást egy ésszerű mérőszámmal rendelkező modell formájában a modell teljesítményének nyomon követésére.
Olyan modellt hoz létre, amely az adatok alapján meghúzza az aktiváló kart, aminek hatással kell lennie a nyomon követett KPI-re, amely tájékoztatja Önt arról, hogy jó úton halad-e üzleti céljainak elérése felé.
A KPI az üzleti eredményhez, a modell mérőszáma pedig a KPI-hez van kötve.
Mérni tudja a modell eredményét, és az „alapvonal” feletti fejlesztéseket a KPI-n keresztüli beavatkozásunkhoz kötheti.
Integráció
A modell hangolása után be kell vezetni és automatizálni kell, hogy érintettjeink döntéseket hozhassanak a számukra készített eszközökkel.
Ezután a modellt gyártásra állítja, és a gyártás után adatokat gyűjt, hogy azonosítsa, ha a modell leromlik.
Ezen a ponton elkezdhet több adatot felhasználni a modell finomhangolásához, és megnézheti, hogy optimalizálhatja-e költségfüggvényét egy jobb modell megtanulásával.
Ez az.
Ez a keret.
Még messze nem teljes, de egy lépéssel közelebb van ahhoz, hogy ne kelljen idéznünk azt a statisztikát a gépi tanulásról és az adattudományi projektek kudarcáról.
mit adnál hozzá? Megjegyzés alább.
Ha érdekel, csatlakozhatsz az "ingyenes, nyitott Slack közösségemhez", ahol mindannyian szívesen segítünk és háborús történeteket cserélünk veled!
És ne feledd: egyetlen életed van ezen a bolygón, miért nem próbálsz meg valami nagyot csinálni?
