การนิยามความสำเร็จ

Demystifying Decision Science

Akshay Swaminathan

PD Soros Fellow at Stanford University School of Medicine

ความสำเร็จใน Decision Science

โมเดลที่ดีอย่างเดียวไม่เพียงพอ

  • การวิเคราะห์ที่ซับซ้อนมีคุณค่าก็ต่อเมื่อถูกนำไปใช้จริง

ความสำเร็จที่ไม่ชัดเจนนำไปสู่ความสูญเปล่า

  • หากไม่มีเป้าหมายร่วมกัน ข้อมูลเชิงลึกอาจถูกเพิกเฉยหรือนำไปใช้ไม่ได้

ต้องกำหนดความสำเร็จร่วมกัน

  • ตกลงกับผู้มีส่วนได้เสียว่า "ผลลัพธ์ที่สำเร็จ" หน้าตาเป็นอย่างไร ก่อน เริ่มงาน

success.png

Demystifying Decision Science

เข้าใจว่าลูกค้านิยามความสำเร็จอย่างไร

มุ่งเน้นที่ลูกค้า

  • โฟกัสที่ปัญหาที่ลูกค้าต้องการแก้ไข
  • ทำความเข้าใจว่าผลลัพธ์แบบใดถือว่าประสบความสำเร็จ

 

customers.png

ความสำเร็จไม่ได้วัดแค่ความแม่นยำ

  • คุณค่าที่แท้จริงอยู่ที่โมเดลช่วยสนับสนุนการตัดสินใจที่ดีขึ้นได้อย่างไร
  • เชนร้านอาหารอาจให้ความสำคัญกับการลดของเสียและการทำการตลาดมากกว่าความแม่นยำของโมเดล
Demystifying Decision Science

ตัวชี้วัดความสำเร็จ

  • ประสิทธิภาพ: ความแม่นยำ, precision, recall หรือตัวชี้วัดทางเทคนิคอื่น ๆ
  • เวลา: โปรเจกต์ส่งมอบได้ทันตามที่ต้องการหรือไม่
  • ต้นทุน: อยู่ภายในงบประมาณหรือไม่
  • คุณภาพ: ความชัดเจนของโค้ด, เอกสาร และความสามารถในการทำซ้ำ
  • ความพึงพอใจของผู้มีส่วนได้เสีย: งานสื่อสารได้ดีและเป็นประโยชน์ต่อผู้รับหรือไม่
  • ผลกระทบทางธุรกิจ: โปรเจกต์มีส่วนสนับสนุนเป้าหมายเชิงกลยุทธ์หรือสร้างการปรับปรุงที่วัดได้หรือไม่

measures.png

Demystifying Decision Science

Minimum Viable Product (MVP)

เริ่มจากสิ่งที่เรียบง่าย

  • MVP คือโซลูชันเวอร์ชันที่เรียบง่ายที่สุดที่ยังคงส่งมอบคุณค่าหลักได้
  • ตอบคำถามสำคัญหนึ่งข้อและพร้อมนำไปใช้งาน

ใช้ MVP เพื่อสร้างแรงผลักดันและความไว้วางใจ

  • ตกลงเรื่องตัวชี้วัดความสำเร็จตั้งแต่เริ่มต้น
  • สื่อสาร ติดตาม และรายงานความคืบหน้า
  • แสดงผลลัพธ์ช่วงแรกเพื่อสร้างการสนับสนุน

MVP.png

Demystifying Decision Science

มาฝึกกันเถอะ!

Demystifying Decision Science

Preparing Video For Download...