In this chapter, you’ll get familiar with the data-driven decision framework. You’ll learn more about different types of data analysis and their objectives. By the end, you’ll be able to see where each decision fits within the framework.

Welcome!

Structuring a data-driven problem

Probing an analysis

Analysis as a journey

Analytical maturity

Common pitfalls

Applying the methods and  objectives

Identify the method

Identify the objective

Classifying the rest of the course

Data-Driven Decision-Making Framework

Let’s apply the data-driven decision in a marketing context. You'll use data to optimize ad spend, identify arbitrage opportunities for website traffic, and even how to forecast new product launches with limited but relevant data.

Marketing examples

Finding the best model

Focus on growth

Focus on efficient acquisition

Focus on profitability

Ad arbitrage

ID arbitrage examples

Identify the arbitrage opportunity

Calculate the profit

Data-driven product forecasting

Choose the right P, Q & M analogs

Diffusion modeling dashboard

Applying Data to Inform Marketing 

Learning how to use data to inform decisions in finance can be satisfying and profitable. In this chapter, you'll review investment opportunities using data in consumer credit, real estate, and even in a non-traditional market of collectibles.

Traditional investing: risk vs reward

What good is the risk-free rate?

Use a CAPM-like chart to choose your investment

Other traditional asset investing

Calculate gross rental income

Review the best investment by cap rate

Select the best investment opportunity

Non-traditional investing: Magic the Gathering

Defining a simulation

Find the maximum price to pay

Calculate the expected profit

Spotting Finance Opportunities With Data

In the final chapter, you'll apply data to create a total addressable market calculation for a startup, learn about supply and demand curves used for staffing, and how to spot customer-driven areas for improvement. This will provide you with practical experience of how to identify optimization opportunities and support existing business operations.

Total addressable market

TAM: pengukuran pasar top-down

TAM: pengukuran pasar bottom-up

Kurva permintaan: makanan dan minuman

Permintaan makanan cepat saji (cepat & sengit)

Menelaah sebuah prakiraan

Kurva penawaran: pelayan untuk restoran Anda

Erlang-C

Bagian dari Erlang-C

Bukan bagian dari Erlang-C

Meninjau Erlang-C

Buat keputusan penjadwalan berbasis data!

Masukan pelanggan untuk meningkatkan operasi Anda

Data untuk memfokuskan upaya dan pelatihan (1)

Data untuk memfokuskan upaya dan pelatihan (2)

Ringkasan

Data-Driven Business Operations

Literasi data adalah keterampilan penting untuk setiap peran dalam organisasi—bukan hanya bagi data scientist dan analis. Saat perusahaan mengumpulkan lebih banyak data daripada sebelumnya, sangat penting setiap orang dapat membaca dan menganalisis data tersebut secara efisien. Dalam kursus ini, Anda akan mempelajari dasar-dasar pengambilan keputusan berbasis data dan menerapkannya pada tiga contoh nyata dari dunia keuangan, pemasaran, dan operasional. Anda juga akan menemukan cara mengungkap wawasan dan peluang baru dengan menerapkan kerangka penawaran dan permintaan, biaya dan manfaat, serta risiko dan imbal hasil—memberikan keterampilan praktis agar Anda dapat berkembang di era baru yang berbasis data.

<h2>Jelajahi Dasar-Dasar Literasi Data</h2>
Literasi data adalah keterampilan yang esensial bagi setiap peran dalam suatu organisasi—bukan hanya bagi ilmuwan data dan analis. Seiring dengan semakin banyaknya data yang dikumpulkan oleh perusahaan, sangat penting bagi semua orang untuk dapat membaca dan menganalisis data tersebut dengan efisien. 
<br><br>
<h2>Terapkan Pengambilan Keputusan Berbasis Data</h2>
Dalam kursus ini, Anda akan mempelajari dasar-dasar pengambilan keputusan berbasis data dan menerapkan keterampilan ini pada tiga contoh nyata dari dunia keuangan, pemasaran, dan operasional. Anda juga akan mempelajari cara mengungkap wawasan dan peluang baru dengan menerapkan kerangka kerja pasokan dan permintaan, biaya dan manfaat, serta risiko dan imbalan—memperoleh keterampilan praktis yang akan membantu Anda sukses di dunia yang didorong oleh data.

Machine Learning for Business

Pelajari cara membuat keputusan bisnis lebih baik dengan kerangka data praktis—tanpa perlu coding.

Pengambilan Keputusan Berbasis Data untuk Bisnis

Menelaah sebuah prakiraan

Pengambilan Keputusan Berbasis Data untuk Bisnis

Latihan interaktif praktis