Kvalita dat
Nejdříve ověřujeme, co data skutečně měří, odkud pocházejí, kdy byla dostupná a zda zůstávají spolehlivá v čase.
Studujeme historické případy mimořádného růstu a tvorby hodnoty. Hledáme, co se měnilo dříve, než se výsledek stal zřejmým.
Hledáme opakující se vzorce, které mohou pomoci rozpoznat budoucí příležitosti dříve.
Propojujeme ekonomická, firemní a tržní data s aplikovanou matematikou a praktickou znalostí finančních trhů.
Hledáme měřitelné změny a převádíme je do testovatelných hypotéz.
Ověřujeme, zda jejich informační hodnota obstojí v čase a mimo původní vzorek.
U tržních hypotéz je dále testujeme v simulaci, která zohledňuje reálné podmínky trhu.
Nejdříve ověřujeme, co data skutečně měří, odkud pocházejí, kdy byla dostupná a zda zůstávají spolehlivá v čase.
Testujeme vztah, jeho stabilitu, předstih a alternativní vysvětlení. Výsledek musí obstát také mimo data, na kterých hypotéza vznikla.
U tržních hypotéz ověřujeme také načasování, náklady, likviditu, proveditelnost a kapacitu.
Bez těchto vrstev nepovažujeme tržní hypotézu za ověřenou.
Nejde nám o množství dat ani o jeden přesvědčivý signál. Jde nám o evidenci, která přežije pokus o vyvrácení.
Na konkrétních příkladech ukazujeme, jak z reálných dat vzniká testovatelná výzkumná otázka.
Spotřebitelská poptávka
Sledujeme změnu v čase, porovnáváme ji s výsledky společnosti a testujeme, zda předstih existuje stabilně i mimo původní období.
Fyzická aktivita
Oddělujeme sezónnost, změny složení srovnávaných lokalit a další vlivy, které mohou jednoduché porovnání zkreslit.
Digitální aktivita
Porovnáváme vývoj vůči vlastní historii, relevantní srovnávací skupině, finančním výsledkům a tržním očekáváním.
Podle konkrétní otázky vzniká jeden nebo více z následujících výstupů:
ověřená nebo zamítnutá hypotéza;
měřitelná proměnná nebo indikátor;
strukturovaná datová sada;
průběžný monitoring;
validační zpráva s metodikou, limity a podmínkami platnosti.
Najít změnu, která stojí za pozornost, a přesně definovat otázku.
Prověřit kvalitu dat, matematický vztah, alternativní vysvětlení, robustnost a časovou relevanci.
Převést to, co obstálo, do opakovatelného výzkumného, datového nebo validačního procesu.
Rozpoznat, co stojí za pozornost. Ověřit, co obstojí. Rozvinout, co funguje.