بررسی روابط میان داده ها

در رابطه با بسیاری از موضوعات کاری یا غیر کاری، داده های مختلفی وجود دارند. در بسیاری از موارد، این داده ها اطلاعات مخفی مهمی درون خود دارند که آگاهی از آنها می تواند در بهبود عملکرد ما بسیار مفید واقع شوند. این آگاهی ها دو حالت کلی دارند:

1. درون داده ای: در این نوع اطلاع، آگاهی هایی در خصوص خود داده ها به طور درونی به دست می آیند. مثلا با تحلیل های آماری به این نتیجه می رسیم که میانگین محصولات معیوب یک فرایند تولیدی از استاندارد تعریف شده برای خط تولید به طور معنی داری بالاتر رفته است. این اطلاع از میزان محصول معیوب در مدیریت هوشمندانه خط تولید به ما کمک می کند.
2. میان داده ای: در طیف گسترده ای از موارد، در یک مجموعه از داده ها عوامل مختلفی حضور دارند. با تحلیل آماری این داده ها، می توان ارتباطات موجود بین داده ها را یافت که با روشن شدن این ارتباطات می توان افدامات سودآور مختلفی را انجام داد. مثلا چنان چه بدانیم یک محصول غذایی خاص با یک محصول بهداشتی خاص دیگر به طور معنی داری با هم خریداری می شوند، در پیشنهاد دادن سبد محصول به مشتری می توان هوشمندانه تر عمل کرده و سودآوری سازمان را افزایش داد.

به عنوان یک مثال دیگر، اگر بدانیم در یک مرکز خرید، زنانی که به آن مرکز خرید مراجعه می کنند، به طور معنی داری تمایل بیشتری نسبت به مردان به تردد از یک مسیر یا طبقه خاص دارند، با قرار دادن فروشگاه هایی با محصولات مورد پسند بانوان در آن بخش از مرکز خرید، خرید و فروش در آن مرکز تسهیل شده و سود بیشتری به دست خواهد آمد.

روش حل مساله

          رهیافت اصلی گروه کیمن(Keyman) در حل این گونه مسائل، بهره گیری از آزمونهای مناسب آماری در تحلیل داده هاست. به این معنی که پس از جمع آوری حجم داده لازم و پالایش آنها از اختلالات احتمالی موجود در آنها، صحت و سقم فرضیاتی که در خصوص آنها نیازمند اطلاع هستیم، مورد بررسی قرار می گیرند(بر خلاف متدولوژی داده کاوی). در نهایت نتیجه این تحلیل ها به ما کمک می کند که هوشمندانه تر و عالمانه تر عمل کرده و از برخی خطاهای مدیریتی مصون بمانیم.