آموزش رویکرد مشاوره در حل مسئله - آخرین آپدیت

تعریف مسئله و تعیین محدوده Problem Definition and Scoping

• در این دوره چه خواهیم آموخت؟ What will we learn in this course?

• 3.1.1 تفکر جامع درباره مسئله 3.1.1 Think broadly about the problem

• 3.1.2 مثال فنجان قهوه 3.1.2 Coffee cup example

• 3.2 محدوده باید هم جامع و هم دقیق باشد 3.2 Scope should be both broad and narrow

چارچوب‌ها و ساختاردهی منطقی Frameworks and Logical Structuring

• 3.3 تقسیم مسائل به «باکت‌ها» یا دسته‌ها 3.3 Breaking the problems into "buckets"

• 3.4 استفاده از «درخت‌های منطقی» برای اتصال دسته‌ها 3.4 Using “logic trees” to connect the “buckets”

مشاوره مبتنی بر فرضیه Hypothesis-Based Consulting

• 3.5 مشاوره مبتنی بر فرضیه 3.5 Hypothesis-based consulting

• 3.6 ایجاد اطمینان از راهکارهای ارائه شده 3.6 Developing confidence in your solution(s)

علاقه مشاوران به داده‌ها Consultants Love Data

• 3.7 چرا مشاوران عاشق داده‌ها هستند؟ 3.7 Why do consultants love data?

• 3.8 داده‌های نامنظم یک فرصت هستند 3.8 Messy data is an opportunity

• 3.9 اعتباربخشی از طریق داده‌ها 3.9 Data lends credibility

• 3.10 مسیر تبدیل داده‌ها به بینش‌های مدیریتی 3.10 The journey from data to insights

درخواست داده و پاک‌سازی داده‌ها Data Request and Data Cleansing

• 3.11 درخواست داده 3.11 Data request

• 3.12 پیگیری از مشتری (مثال درخواست داده) 3.12 Client follow up (data request example)

• 3.13 پاک‌سازی و ساختاردهی داده‌ها 3.13 Data cleansing and structuring

به دست آوردن «داده‌های درست» برای پروژه Get the "Right Data" for the Project

• 3.14.1 مدل DMAIC: ابزاری کلیدی برای بهبود فرآیند 3.14.1 DMAIC: A key tool for process improvement

• 3.14.2 مثال DMAIC: کاهش وزن 3.14.2 DMAIC example: Losing weight

• تبریک برای اتمام دوره سوم Congratulations on finishing course #3