Dojrzałość analityczna

W tym kursie omówiliśmy wszystkie podstawowe metody: eksploracyjną, wyjaśniającą i predykcyjną. Można je stosować w określonych kontekstach: koszty vs. korzyści, ryzyko vs. nagroda oraz podaż vs. popyt. Korzystanie z tego frameworku w postaci macierzy 3×3 ułatwia dostrzeżenie możliwości i dobór odpowiedniego rodzaju analizy.

	Koszty vs. korzyści	Ryzyko vs. nagroda	Podaż vs. popyt
Eksploracyjna
Wyjaśniająca
Predykcyjna

To ćwiczenie jest częścią kursu

Podejmowanie decyzji biznesowych na podstawie danych

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Podejmowanie decyzji biznesowych na podstawie danych

SkillTag.level.beginnerSkillTag.label

4.8+

Rozpocznij kurs za darmo

W tym rozdziale zapoznasz się z ramami podejmowania decyzji opartych na danych. Poznasz różne typy analizy danych i ich cele. Pod koniec będziesz wiedzieć, gdzie każda decyzja wpisuje się w te ramy.

Exercise 1: Witaj!Exercise 2: Definiowanie problemu opartego na danych Exercise 3: Weryfikowanie analizy Exercise 4: Analiza jako podróż Exercise 5: Dojrzałość analityczna

Bieżące ćwiczenie

Exercise 6: Typowe pułapki Exercise 7: Stosowanie metod i celów Exercise 8: Zidentyfikuj metodę Exercise 9: Zidentyfikuj cel Exercise 10: Klasyfikacja pozostałych części kursu

Sprawdzimy, jak stosować podejście oparte na danych w kontekście marketingu. Wykorzystasz dane do optymalizacji wydatków na reklamy, znajdziesz możliwości arbitrażu w ruchu na stronie internetowej, a nawet nauczysz się prognozować wyniki nowych produktów przy ograniczonych, lecz trafnie dobranych danych.

Exercise 1: Przykłady z marketingu Exercise 2: Wybór najlepszego modelu Exercise 3: Skup się na wzroście Exercise 4: Skup się na efektywnej akwizycji Exercise 5: Skup się na rentowności Exercise 6: Arbitraż reklamowy Exercise 7: Rozpoznaj przykłady arbitrażu Exercise 8: Zidentyfikuj okazję arbitrażową Exercise 9: Oblicz zysk Exercise 10: Prognozowanie sprzedaży produktów oparte na danych Exercise 11: Wybierz właściwe wartości analogowe P, Q i M Exercise 12: Panel modelowania dyfuzji

Wykorzystanie danych do podejmowania decyzji finansowych może być zarówno satysfakcjonujące, jak i dochodowe. W tym rozdziale przeanalizujesz możliwości inwestycyjne z wykorzystaniem danych – w obszarze kredytów konsumenckich, nieruchomości, a nawet niestandardowego rynku kolekcjonerskiego.

Exercise 1: Tradycyjne inwestowanie: ryzyko a zysk Exercise 2: Do czego służy stopa wolna od ryzyka?Exercise 3: Użyj wykresu w stylu CAPM, aby wybrać inwestycję Exercise 4: Inwestowanie w inne tradycyjne aktywa Exercise 5: Oblicz łączny przychód z wynajmu Exercise 6: Oceń najlepszą inwestycję na podstawie stopy kapitalizacji Exercise 7: Wybierz najlepszą okazję inwestycyjną Exercise 8: Inwestowanie niekonwencjonalne: Magic: The Gathering Exercise 9: Definiowanie symulacji Exercise 10: Znajdź maksymalną cenę do zapłacenia Exercise 11: Oblicz oczekiwany zysk

W ostatnim rozdziale zastosujesz dane do obliczenia całkowitego adresowalnego rynku dla startupu, poznasz krzywe podaży i popytu używane przy planowaniu zatrudnienia, a także dowiesz się, jak identyfikować obszary wymagające poprawy na podstawie opinii klientów. Zdobędziesz praktyczne doświadczenie w wykrywaniu możliwości optymalizacji i wspieraniu bieżących operacji biznesowych.

Exercise 1: Całkowity dostępny rynek Exercise 2: TAM: odgórna metoda szacowania rynku Exercise 3: TAM: podejście oddolne Exercise 4: Krzywa popytu: posiłki i napoje Exercise 5: Szybkie (i szalone) zapotrzebowanie na jedzenie Exercise 6: Weryfikacja prognozy Exercise 7: Krzywa podaży: kelnerzy w twojej restauracji Exercise 8: Analiza formuły Erlanga-C Exercise 9: Podejmij decyzję o harmonogramie na podstawie danych!Exercise 10: Opinie klientów jako narzędzie doskonalenia operacji Exercise 11: Dane jako podstawa szkoleń i działań (1)Exercise 12: Dane jako podstawa szkoleń i działań (2)Exercise 13: Podsumowanie