Принятие решений на основе данных (Data-Driven Decision Making, DDDM) — это процесс использования статистики и данных для обоснования бизнес-решений. В DDDM учитываются события прошлого, настоящего и существует возможность прогнозировать будущие исходы принимаемых решений.
Это достигается благодаря алгоритмам машинного обучения на наборе данных, которые нацелены на достижение желаемых результатов.
Этот подход позволяет принимать более обоснованные и информированные решения, минимизируя влияние субъективного мнения и интуиции.
Важной частью этого процесса является сбор, анализ и интерпретация данных с целью выявления паттернов, тенденций и ключевых факторов, влияющих на принимаемое решение.
Согласно
исследованию McKinsey, компании, использующие DDDM, имеют в 19 раз больше шансов стать прибыльными.
Этапы принятия решений на основе данных:- Определение целей. Перед началом сбора и анализа данных необходимо определить бизнес-цели, которые компания должна достичь. Обычно они связаны с ключевыми показателями эффективности (KPI), от которых зависит производительность труда и прибыльность предприятия.
- Сбор и анализ данных. На данном этапе необходимо разработать метрики, которые помогут оценить эффективность работы. Они часто связаны с KPI, которые определяются на первом этапе. С помощью агрегирования этих показателей можно выявить, на каком уровне компания находится относительно конкурентов по отрасли.
- Принятие мер. На основе полученной информации в ходе анализа данных, необходимо предпринять конкретные шаги для достижения поставленных целей. Это могут быть мероприятия по совершенствованию процессов или изменению методов управления бригадами. Модели машинного обучения позволят определять наиболее оптимальные решения в случае многовариантных сценариев.
- Анализ результатов. После того как были предприняты действия ЛПР, необходимо отслеживать результаты работы. Это поможет выявить изменения в тенденциях и скорректировать цели на будущее.
DDDM в строительстве:Применение подхода принятия решений на основе данных в строительной отрасли может улучшить производительность труда, снизить затраты и повысить качество проектов. Хорошей базой для DDDM выступает технология информационного моделирования зданий при планировании работ перед началом капитального строительства.
Команды используют программное обеспечение для моделирования объекта и анализа последовательности и сроков выполнения работ. Это позволяет командам обнаружить нестыковки, проблемы в координации и недостающую информацию еще до того, как строительные бригады приступят к работе. Ранее мы рассказывали, что
внесение изменений в проект на начальном этапе обходится дешевле, чем после начала строительства.
DDDM также будет полезен и в других направлениях строительной отрасли:- Сбор и анализ данных о топографии и геологии поможет в предсказании возможных проблем на стройплощадке, такие как затопление или геотехнические риски;
- Оптимизация материально-ресурсной базы — использование данных позволяет эффективно распределить рабочую силу, оборудование и материалы с целью минимизации времени и затрат;
- Мониторинг прогресса и бюджета открывает возможность руководителям оперативно реагировать на изменения в реальном времени и предотвращать перерасход бюджета;
- Данные по качеству материалов и выполненным работам позволяет на раннем этапе выявить дефекты и предпринять корректирующие меры;
- Оценка экологического влияния делает возможным своевременные мероприятия по снижению негативных последствий на окружающую среду;
- Благодаря мониторингу безопасности выявляются опасные зоны на стройплощадке и улучшаются процессы по охране труда.
Применение данных в строительной сфере может варьироваться в зависимости от конкретных потребностей проекта, но в целом, использование аналитики и данных может существенно улучшить результаты и процессы в работы. Благодаря современным технологиям и совершенствованию программного обеспечения эти инструменты стали доступны также для небольших компаний.