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.

Selamat datang!

Jenis Proyek Analitis

Eksploratori

Eksplanatori

Prediktif

Menyusun masalah berbasis data

Opsi

Data

Metode

Hasil

Menelusuri sebuah analisis

Analisis sebagai sebuah perjalanan

Biaya vs manfaat

Risiko vs imbal hasil

Penawaran vs permintaan

Kematangan analitik

Kesalahan umum

Menerapkan metode dan tujuan

Identifikasi metodenya

Identifikasi tujuan

Prediksi: biaya vs. manfaat

Eksplanatori: penawaran vs. permintaan

Eksploratif: risiko vs. imbalan

Mengklasifikasikan sisa kursus

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: top-down market sizing

TAM: bottom up market sizing

Demand curve: meals and drinks

Fast (& furious) food demand

Scrutinizing a forecast

Supply curve: servers for your restaurant

Reviewing the Erlang-C

Make a data driven scheduling decision!

Customer input to improve your operation

Data to focus effort and training (1)

Data to focus effort and training (2)

Wrap up

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

Apakah data yang digunakan dalam analisis ini terbaru?

Bagaimana Anda menangani data yang hilang?

Apakah Anda mencoba menggunakan metode yang lebih sederhana seperti decision tree?

Anda menghitung mean; bagaimana dengan median dan modus?

Apa yang dikatakan model prediktif kepada kita?

Mengingat Anda telah menjelaskan situasinya, kesalahan atau bias apa yang mungkin ada dalam asumsi Anda?

Menelusuri sebuah analisis

Pengambilan Keputusan Berbasis Data untuk Bisnis

Latihan interaktif praktis