Využití analytických znalostí

Data Fluency

Konstantinos Kattidis

Data Analytics Lead

Za hranice průzkumu a popisu dat

• Přesahuje základní průzkumnou analýzu nebo metody popisu dat
• Metody pokročilé analytiky zahrnují:
  • Analýzu velkých datových sad
  • Tvorbu dashboardů KPI
  • Vývoj prediktivních modelů

Povědomí o dostupných technikách

• Datově gramotní pracovníci nemusí ovládat detaily pokročilých analytických metod
• Měli by však znát jejich existenci a rozumět jejich potenciálu
• A spolupracovat s datovými odborníky
• To pomáhá uplatňovat efektivnější analytická řešení

Identifikace případů užití pokročilé analytiky

• Datově gramotní pracovníci dokážou identifikovat obchodní případy užití pokročilé analytiky
• Například:
  • Marketingový manažer rozpozná potenciál predikce odchodu zákazníků pro cílené strategie udržení

Spolupráce s datovými odborníky

• Spolupráce s datovými odborníky je klíčem k úspěchu
• Obchodní pracovníci přinášejí odborné znalosti domény
• Datoví experti přispívají technickými znalostmi
• Toto prostředí podporuje inovace, kdy se obchodní poznatky a technická odbornost spojují k řešení komplexních výzev

Porozumění omezením

• Účinnost pokročilých analytických metod závisí na kvalitě vstupních dat
  • Řešení chybějících hodnot a odlehlých pozorování je nezbytné
• Vyžaduje:
  • Specializované dovednosti
  • Výpočetní zdroje
  • Čas

Příklad: vyvažování přesnosti a časových omezení

• Provozní manažer maloobchodu žádá o vytvoření prognózy poptávky pro informovaná rozhodnutí o doplnění zásob
• Složitý model může přinést vyšší přesnost, ale může vyžadovat značný čas a zdroje
• Jednodušší přístup se používá k vyvážení přesnosti a časových omezení

Pojďme si procvičit!

Data Fluency