I det här kapitlet bekantar du dig med det datadrivna beslutsramverket. Du lär dig mer om olika typer av dataanalys och deras syften. När du är klar kan du se var varje beslut passar in i ramverket.

Välkommen!

Typer av analysprojekt

Explorativ

Explanativ

Prediktiv

Strukturera ett datadrivet problem

Alternativ

Data

Metod

Resultat

Granska en analys

Analys som en resa

Kostnad kontra nytta

Risk kontra belöning

Utbud kontra efterfrågan

Analytisk mognad

Vanliga fallgropar

Tillämpa metoderna och målen

Identifiera metoden

Identifiera målet

Prediktiv: kostnad vs. nytta

Förklarande: utbud vs. efterfrågan

Explorativ: risk vs. belöning

Klassificera resten av kursen

Ramverk för datadriven beslutsfattning

Nu tillämpar vi datadriven beslutsfattning i ett marknadsföringssammanhang. Du använder data för att optimera annonskostnader, identifiera arbitragemöjligheter för webbtrafik och lära dig hur du prognostiserar nya produktlanseringar med begränsad men relevant data.

Marknadsföringsexempel

Hitta den bästa modellen

Fokus på tillväxt

Fokusera på effektiv kundanskaffning

Fokusera på lönsamhet

Annonsarbitrage

Identifiera arbitrageexempel

Identifiera arbitragemöjligheten

Beräkna vinsten

Datadriven produktprognostisering

Välj rätt analoger för P, Q och M

Instrumentpanel för diffusionsmodellering

Att använda data för marknadsföringsbeslut

Att använda data för finansiella beslut kan vara både lärorikt och lönsamt. I det här kapitlet granskar du investeringsmöjligheter med hjälp av data inom konsumentkrediter, fastigheter och till och med en icke-traditionell marknad – samlarkort.

Traditionella investeringar: risk och avkastning

Vad är den riskfria räntan bra för?

Använd ett CAPM-liknande diagram för att välja din investering

Investering i andra traditionella tillgångar

Beräkna bruttohyresinkomst

Utvärdera den bästa investeringen utifrån cap rate

Välj det bästa investeringstillfället

Icke-traditionella investeringar: Magic the Gathering

Vad är en simulering?

Hitta det maximala priset att betala

Beräkna den förväntade vinsten

Att hitta finansiella möjligheter med data

I det avslutande kapitlet använder du data för att beräkna den totala adresserbara marknaden för ett startup-företag, lär dig om utbuds- och efterfrågekurvor inom personalplanering samt hur du identifierar kundstyrda förbättringsområden. Det ger dig praktisk erfarenhet av att hitta optimeringsmöjligheter och stödja befintlig verksamhet.

Total adresserbar marknad

TAM: top-down-marknadsuppskattning

TAM: nedifrån-och-upp-beräkning av marknadsstorlek

Efterfrågekurva: mat och dryck

Snabbmatens efterfrågan

Granska en prognos

Utbudskurva: servitörer på din restaurang

Granska Erlang-C

Ta ett datadrivet schemaläggningsbeslut!

Kundåterkoppling för att förbättra din verksamhet

Data för att styra insatser och utbildning (1)

Data för att fokusera insatser och utbildning (2)

Avslutning

Datadriven verksamhetsstyrning

Datakunskap är en viktig kompetens för alla roller inom en organisation – inte bara för datavetare och analytiker. I takt med att företag samlar in mer data än någonsin är det avgörande att alla kan läsa och analysera data på ett effektivt sätt. I den här kursen lär du dig grunderna i datadriven beslutsfattning och får tillämpa dessa kunskaper på tre verkliga exempel från finans, marknadsföring och verksamhetsstyrning. Du får även utforska hur du kan hitta nya insikter och möjligheter genom att använda ramverk för utbud och efterfrågan, kostnader och nytta samt risk och avkastning – och på så sätt bygga praktiska färdigheter för att lyckas i en alltmer datadriven värld.

<h2>Utforska grunderna i dataläskunnighet</h2>
Datakunskap är en avgörande färdighet för varje roll inom en organisation – inte bara för data scientists och analytiker. I takt med att företag samlar in mer data än någonsin tidigare är det avgörande att alla kan läsa och analysera den datan effektivt. 
<br><br>
<h2>Tillämpa datadrivet beslutsfattande</h2>
I den här kursen lär du dig grunderna i datadrivet beslutsfattande och får tillämpa dessa färdigheter på tre verkliga exempel från finans-, marknadsförings- och verksamhetsområdet. Du kommer också att upptäcka hur du kan hitta nya insikter och möjligheter genom att tillämpa ramverk för utbud och efterfrågan, kostnad och nytta samt risk och belöning – och samtidigt få praktiska färdigheter som hjälper dig att lyckas i den nya datadrivna världen.

Machine Learning for Business

Upptäck hur du kan fatta bättre affärsbeslut med praktiska dataramverk—utan kodning.

Datadriven beslutsfattning för verksamheter

Upptäck hur du fattar bättre affärsbeslut genom att använda praktiska dataframeworks—ingen kodning krävs.

Är datan som används i analysen aktuell?

Har du provat en enklare metod, till exempel ett beslutsträd?

Du beräknade medelvärdet – vad säger medianen och typvärdet?

Givet att du förklarat situationen – vilka fel eller biaser kan finnas i ditt antagande?

Granska en analys

Datadriven beslutsfattning för verksamheter

Interaktiv övning med praktiskt arbete