هیچ چیز برای آینده تیم های تحلیل پیشگو مهمتر از اثبات ارزش بلندمدت پروژه های آنها نیست. اندازه گیری بازگشت سرمایه (ROI) اغلب می تواند به تبدیل تجزیه و تحلیل به یک مرکز سود قابل مشاهده برای سازمان شما کمک کند. تخمین ROI زودهنگام - قبل از شروع پروژه - همچنین می تواند به سرعت بخشیدن به تایید کمک کند. در اینجا Keith McCormick نحوه پرداختن به ROI را قبل و بعد از ساخت مدل پیشگو نشان می دهد. با تخمین اندازه کلی مشکل، تخصیص ارزش به نتایج احتمالی و قضاوت در مورد تأثیر عملکرد مدل، یاد بگیرید که چگونه تخمین خود را قبل از شروع پروژه ایجاد کنید. سپس کیت روش متفاوتی را برای محاسبه ROI پس از ساخت مدل، در مراحل ارزیابی و استقرار نشان می دهد و نکاتی را برای نظارت مستمر پروژه ارائه می دهد. او همچنین نگاهی به گذشته نگر دارد که یک سال پس از استقرار مدل ارزیابی شده است. این دو استراتژی به شما داده‌هایی را می‌دهند که برای خرید پروژه‌هایتان نیاز دارید و معیارهای مداوم عملکرد آنها را ارائه می‌کنند.

 

این دوره به شما این امکان را می دهد تا ارزیابی برنامه را در پروژه های علوم داده خود اعمال کنید. بهترین روشهای برخی از روشهای اصلی ارزیابی برنامه از جمله آزمایش A/B ، اختلاف در اختلاف ، ناپیوستگی رگرسیون ، سری زمانی قطع شده و مشکلات تطبیق را بیاموزید. به عنوان بخشی از این بهترین شیوه ها ، یاد بگیرید که چگونه آزمایش A/B کافی یا ممکن نیست و سپس دانش خود را برای تعیین اینکه آیا برنامه ها در طیف گسترده ای از مثالهای مختلف تأثیر می گذارد ، استفاده کنید.

این دوره شامل بازی نقش هوش مصنوعی است. نقش بازی به شما امکان می دهد آنچه را که در شبیه سازی های تعاملی از مکالمات دنیای واقعی آموخته اید ، تمرین کنید.

 درک ارزش خدمات مشتری، و توانایی اندازه گیری آن ارزش، به شما قدرت می دهد تا بازگشت سرمایه (ROI) را برای سازمان خود نشان دهید. بیاموزید که چگونه ارزش خدمات مشتری را کمی بسنجید، سپس به روش هایی بپردازید که در محیط منحصر به فرد شما اعمال می شود. این دوره برای ارائه دیدگاهی در مورد این موضوع چند وجهی طراحی شده است و شما و تیم شما را برای تصمیم گیری مناسب برای مشتریان و سازمان شما مجهز می کند.