この認定基準を満たすためには、候補者は自分の技術的な作業を実際のビジネス課題に結びつけられることを示さなければなりません。
これは、単にモデルがデータにどれだけ適合しているかを示すだけでなく、そのモデルがビジネス目標にどれだけ貢献しているかを示すことです。つまり、意味のある主要業績評価指標（KPI）を特定し、その重要性を説明し、それを使って手法を比較することを意味します。
期待を満たすために、あなたのレポートは以下を含むべきです：
ビジネスが最終的に重視するものを反映したKPIを選択する。例えば、ビジネスターゲットに対する予測精度（例：平均コールセンター待ち時間）
なぜこのKPIを選んだのかを説明し、それが問題にどのように直接関連しているかを示す。例えば、「精度は、ビジネス目標がコール待ち時間を90％の確率で正確に予測することだから適切である。」
与えられたデータを使って、両方のモデル／アプローチがKPIに対してどのようにパフォーマンスを示すかを実証する。
どのモデルがビジネス目標をよりよく支援しているかを強調し、その結果からどのように判断したかを説明する。
提出物が不足している場合：
ビジネス目標と結びつけずに技術的／統計的指標（例：RMSE、R²、標準誤差）のみを使用している。これらは評価には有用ですが、ビジネスへの影響を示しません。
KPIを全く定義していない、または複数の指標を示しているが、どれがビジネスにとって重要なのか明確にしていない。
KPIを選んだ理由を説明しておらず、成功の尺度が不明確である。
同じKPIに対して両方のモデルがパフォーマンスに失敗し、有意義な比較ができない。
最終的に、この基準は技術的な結果をビジネスの洞察に変換できることを示すことにあります。優れた提出物は、モデルを構築・評価できるだけでなく、ビジネスが重視する観点で成功を測定する方法を理解していることを示します。
明確にKPIを定義し、正当化し、適用することで、あなたのデータサイエンスの作業が実行可能であり、手法間で比較可能で、実際の成果を促進することに沿っていることを示します。