การบรรลุผลลัพธ์ที่ทะเยอทะยานด้วย Data Science

เริ่มต้นด้วยผลลัพธ์ที่ทะเยอทะยาน

สมมติว่าคุณต้องการส่วนแบ่งเพิ่มขึ้น 5% ในปีหน้า ขั้นแรก ให้กำหนดผลลัพธ์ที่ทะเยอทะยานของคุณ ในกรณีนี้ ส่วนแบ่งเพิ่มขึ้น 5% จิตวิทยาพฤติกรรมกล่าวว่า การกำหนดกรอบเป้าหมายใหม่ในเชิงบวกเป็นสิ่งสำคัญ เพราะจะช่วยหลอกล่อจิตใจของคุณให้คิดสร้างสรรค์มากขึ้นเพื่อบรรลุเป้าหมาย

ในตัวอย่างนี้ สมมติว่าคุณต้องการเพิ่มส่วนแบ่งการตลาดโดยขยายเครือข่ายการจัดจำหน่ายในอินโดนีเซีย อินโดนีเซียเป็นประเทศที่มีพื้นที่กระจายตัวทางภูมิศาสตร์ค่อนข้างมาก โดยมีเกาะจำนวน 17,000 เกาะ และการขนส่งถือเป็นความท้าทาย เพื่อให้บรรลุเป้าหมายนี้ เป้าหมายคือต้องเข้าถึงตลาด 50% ถึง 80% ด้วยต้นทุนที่ต่ำที่สุดเท่าที่จะทำได้ และทั้งหมดนี้ต้องเสร็จสิ้นภายในระยะเวลาหนึ่งปี

แบ่งผลลัพธ์ของคุณออกเป็นชุดการกระทำที่เล็กลง

สิ่งนี้มีความสำคัญเนื่องจากคุณต้องการแบ่งผลลัพธ์ที่ทะเยอทะยานของคุณออกเป็นชุดย่อยที่จัดการได้ นอกจากนี้ ยังช่วยจัดข้อมูลของคุณให้เป็นชุด "ที่แยกจากกันและครอบคลุมทั้งหมด" ซึ่งจะช่วยแบ่งข้อมูลออกเป็นเป้าหมายย่อยหลายรายการและเร่งกระบวนการให้เร็วขึ้น ในตัวอย่างของเรา เราแบ่งผลลัพธ์ออกเป็นชุดการดำเนินการสามชุด:

1. ภูมิศาสตร์ที่มีความหนาแน่นสูงจำเป็นต้องมีการตั้งค่าตัวแทนจำหน่าย
2. พื้นที่ทางภูมิศาสตร์ที่กระจัดกระจายซึ่งจำเป็นต้องมีการตั้งค่าตัวแทนจำหน่ายย่อย
3. ประชากรกลุ่มเพิ่มมากขึ้น

สำรวจชุดข้อมูลและดำเนินการวิเคราะห์

นี่เป็นส่วนสำคัญของกระบวนการ เริ่มต้นด้วยการสำรวจแหล่งข้อมูลและแสดงรายการสิ่งที่มีและไม่มี (แต่เป็นสิ่งที่ต้องมี) ในตัวอย่างนี้ เราสามารถใช้ข้อมูลสำมะโนค้าปลีกของ Nielsen และข้อมูลแผงค้าปลีกที่มีคุณลักษณะต่างๆ เช่น ขนาดร้านค้า ยอดขายในร้าน พิกัดที่ตั้งร้านค้า เป็นต้น จากนั้นเราสามารถรวมชุดข้อมูลทั้งสองชุดนี้เข้าด้วยกันเพื่อให้ได้คุณลักษณะที่มีความหมายหลายประการ

อย่างไรก็ตาม เราทราบดีว่าชุดข้อมูลของเรามีข้อบกพร่องตรงไหนบ้าง ในกรณีนี้ เราอาจพบว่ามีพื้นที่ขนาดใหญ่ที่อยู่นอกขอบเขตการขายปลีกของเรา ดังนั้น เราอาจไม่มีข้อมูลบางประเภท เช่น จำนวนประชากร จำนวนธนาคาร ซึ่งสามารถบ่งชี้ถึงความเจริญรุ่งเรือง และข้อมูลอื่นๆ ดังนั้น เราจึงต้องระบุแหล่งข้อมูลอื่นๆ เช่น สำมะโนประชากร เพื่อให้ได้คุณลักษณะเหล่านี้

จากนั้นชุดข้อมูลเหล่านี้จะถูกรวมเข้าด้วยกันและดำเนินการผ่านแบบจำลองการถดถอยเชิงพหุคูณซึ่งจะระบุโอกาสสำหรับแต่ละพื้นที่/ท้องถิ่น

อาจต้องทำซ้ำหลายครั้งเพื่อให้แน่ใจว่าการทำนายมีความแม่นยำ ในที่สุด ข้อมูลนี้สามารถผสานกับข้อมูลการแจกจ่ายของไคลเอนต์หรือของบุคคลที่หนึ่งได้

เชื่อมโยงการค้นพบกับผลลัพธ์

ขั้นตอนสุดท้ายคือการเชื่อมโยงผลลัพธ์ทั้งหมดของชุดการดำเนินการเข้าด้วยกัน

ในตัวอย่างนี้ เราสามารถใช้ข้อมูลนี้เพื่อวาดคลัสเตอร์พื้นที่/บล็อกที่มอบโอกาสมากที่สุด และสามารถรองรับได้อย่างสมจริงโดยเครือข่ายการกระจายที่มีอยู่ โดยเพิ่มรัศมีเพียงเล็กน้อยและการจัดตั้งตัวกระจายย่อยเพียงไม่กี่ตัวในคลัสเตอร์ที่กำลังเติบโต

ในตัวอย่างนี้ เราสามารถรวมชุดข้อมูลหลายชุดเข้าด้วยกันเพื่อสร้างโซลูชันที่เรียบง่ายซึ่งระบุโซลูชันที่ชัดเจนสำหรับเป้าหมายที่ทะเยอทะยานและยิ่งใหญ่ ซึ่งแสดงให้เห็นว่าการเริ่มต้นด้วยคำชี้แจงปัญหาไม่ได้ให้ผลดีเสมอไป แต่ควรเริ่มต้นด้วยเป้าหมายที่ทะเยอทะยานในเชิงบวก

ครั้งต่อไปที่คุณเริ่มต้นโครงการใหม่ ให้โอกาสกระบวนการนี้และเริ่มต้นด้วยเป้าหมายอันทะเยอทะยานและการคิดสร้างสรรค์