Knowledge Management Discovery

KMD es una plataforma en la nube que optimiza la experimentación, reduciendo el número de experimentos para lograr resultados adecuados y reales que puedan ser extrapolados. Gracias a KMD podemos saber como afectarían ciertas acciones a la empresa y al negocio a partir de una pequeña muestra.

Con KMD se podrían contestar infinitas cuestiones que se plantean cuando se quieren realizar cambios en una organización o llevar a cabo determinadas acciones: ¿cómo el negocio se ve afectado después de mejorar la formación de los empleados en su sucursales ?. ¿Cuántas unidades habría que entrenar para extrapolar los resultados a toda la red de oficinas?...

METODOLOGÍA

KMD Proporciona una metodología para seleccionar los mejores grupos de experimentación sin la necesidad de científicos de datos o un experto en estadística. Estos grupos se obtienen mediante un sofisticado algoritmo de simulación que procesa los datos históricos relacionados con el experimento.

KMD no está orientado a las encuestas sociológicas de donde se extraen datos reales para ser extrapolados. No es para observaciones reales.  Se utiliza para experimentos complejos con múltiples variables involucradas. KMD identifica la combinación clave de variables para conseguir datos precisos y extrapolables. Está orientado a la experimentación científica

FASES

Fase de diseño:

•Establecer el objetivo del experimento  

Identificación de las hipótesis 

•Identificación de las variables que afectan el experimento podría ( ¿Puede esto conducir a la hipótesis adicional?)  

•Recopilación de datos históricos.

•Identificación la variable primaria. Otras variables solo provocan ruido. Cuanto menos mejor- El ruido no debería tener ningún impacto en el experimento.

•Introducir el coste del experimento: KMD ayuda a reducir los costes de experimentación.

•Una vez introducidos los datos históricos y variables en el sistema , KMD simulará millones de combinaciones antes de proporcionar el mejor grupo de experimentación ( grupos de control y tratamiento )

Fase de implementación

•Realizar el experimento con los dos grupos seleccionados

Fase de análisis

•Medición de los resultados del experimento.

•Introducir los datos medidos en KMD

•KMD reproduce el objetivo identificado. Cuanto más estrecho es el intervalo, más fiables serán los resultados

 

BENEFICIOS

  • Ayuda a crear un modelo de experimentación, incluyendo la metodología de trabajo

  • Utiliza tecnología masiva de datos para alcanzar resultados fiables en un tiempo  reducido

  • Tanto los resultados y los datos históricos pueden ser reutilizados en futuros experimentos

  • Cuantos más experimentos se realicen y más precisos serán los resultados