欢迎！

面向商业的数据驱动决策

Ted Kwartler

Data Dude

数据类型

无预设结果地探索模式

探索性分析 $$

$$

在无预设结论下，更全面理解市场或业务机会

示例：找出患者的共同特征

解释特定结果

解释性分析 $$

$$

解释或模拟特定现象，如提升利润或降低成本

示例：解释为何周五出院的糖尿病患者再入院率更高

预测未来结果

预测型数据决策

$$

针对单条记录进行预测，通常更重准确性而非可解释性

示例：预测患者再入院的概率

谁在做分析，为什么要做？

类型	视角	目的
探索型	战略层面	加深理解并获得专业知识
解释型	战略/战术层面	掌握复杂关系以更高效运作
预测型	战术层面	推动具体结果，常用于自动化决策

数据如何、何时被收集？

高效审视一项分析

• 数据
  • 数据可用吗？
  • 使用了哪些数据？
  • 是否适合该任务？
  • 是否存在偏差，如种族或性别代表性不足？
  • 是否有完整性问题，如大量缺失值？
  • 如何收集的？

采用了什么方法？

高效审视一项分析

• 方法
  • 采用了哪些方法？
  • 是否尝试过替代方法？结果有差异吗？
  • 简单与复杂方法的权衡是什么？

结果是什么？

高效审视一项分析

• 结果
  • 请介绍结果。
  • 是否符合预期，或有异常点？
  • 该发现如何创造价值或解决问题？

谁会受影响？

高效审视一项分析

• 影响
  • 该分析在多大程度上解决我们的问题？
  • 是否有相关法规影响此用例？
  • 可能出错在哪里？是否有需关注的潜在利益相关方影响？

Passons à la pratique !

面向商业的数据驱动决策