6 Výzvy Manažeři a organizace čelí datům

Pracujeme ve světě zaměřeném na data. Manažeři jsou bombardováni daty prostřednictvím zpráv, dashboardů a systémů. Pravidelně nám připomínáme, abychom rozhodovali na základě údajů. Vedoucí představitelé slibují příslib Big Data pro rozvíjení konkurenční výhody, ale většinou se snaží dosáhnout dohody o tom, co je o to méně popsáno očekávaným hmatatelným přínosem.

Úloha vědce v oblasti informací je v horké poptávce s předpokládanými nedostatky v této vznikající, významné roli, která se očekává roky.

Organizace utrácejí každý rok bohatství instalací softwaru pro zachycování, ukládání a analýzu dat. Oddělení marketingu jsou stále více naplňována technickými a profesionálními pracovníky na úkor tvůrčích rolí.

Svět obchodu je svět zaměřený na data, přesto je důležité si uvědomit, že data nejsou konec pro sebe. Stejně jako vše, na čem se na naší práci podílíme, data jsou nástroj plný slibů. Ve správných rukou s vhodnými přístupy je potenciál dat pro podporu rozhodování pozoruhodný.

Nezapomínejte však na falešné přesvědčení, že získávání a analýza dat je bez rizika. Pojďme trochu politovat myšlenku dat jako obchodního spasitele a pomůžeme identifikovat některé z potenciálních úskalí, které tento nový zdroj představuje pro nás všechny.

Forewarned je předzbrojen.

6 Manažeři a organizace s velkými výzvami čelí údajům:

1. Kvalita dat je často špatná. Zatímco jsme zvyklí na přemýšlení o kvalitě v souvislosti s fyzickými objekty nebo výrobky, ukázalo se, že kvalita dat je pro každou firmu věcnou otázkou po celou dobu.

Údaje uložené ve strukturovaných databázích nebo úložištích jsou často neúplné, nekonzistentní nebo zastaralé. Je pravděpodobné, že jste byli na konci jednoduchého příkladu problému s kvalitou dat.

Většina z nás si může vzpomenout na obdržení duplicitních zásilek od obchodníků adresovaných na poněkud odlišné nebo radikálně odlišné verze našeho skutečného jména.

Databáze obchodníka obsahuje duplicitní záznamy s naší adresou a různé, často chybné hláskování nebo varianty našeho jména. Duplicitní poštu recyklujeme jako nevyžádanou poštu a obchodník přináší nadbytečné náklady ve formě tisku a poštovních zásilek kvůli jednoduchému problému s kvalitou dat. Zkompletujte tuto chybu mnoha stovkami nebo tisíci záznamů a tato malá chyba v kvalitě dat je nákladná.

Otázka kvality dat se stává důležitější, protože se snažíme rozhodovat o strategiích, trzích a marketingu v téměř reálném čase. Zatímco software a řešení existují, které pomáhají monitorovat a zlepšovat kvalitu strukturovaných (formátovaných) dat, je skutečným řešením významný celospolečenský závazek zacházet s daty jako cenný majetek.V praxi je to obtížné dosáhnout a vyžaduje mimořádnou disciplínu a podporu vedení.

2. Prakticky se utopíme v datech. Data jsou všude v organizaci. Zvažte data zákazníků. Většina organizací se stala kvalifikovanou v získávání informací o zákaznících a vyhlídkách.

• Marketing shromažďuje data od lidí, kteří se účastní živých nebo webových akcí nebo kteří stahují obsah.
• Vedení používají data k podpoře nebo definování nových strategií.
• Prodej shromažďuje údaje o zákaznících zapojených do procesu prodeje.
• Podpora zákazníků zachytí informace o hovorech a interakcích chatu.
• Manažerské týmy čerpají z údajů a klíčových ukazatelů pro skóre.
• Údaje o zákaznících se používají při účtování pro účely fakturace a týmy kvality a zákazníků pro sledování spokojenosti zákazníků.

Získáváme informace o zákaznících v různých softwarových systémech a ukládáme data do různých úložišť dat. Jedna společnost Global Fortune 100 rozpoznávala až 10 procent svých zákaznických dat místně zaměstnanci v jejich počítačích v tabulkách. Další organizace pravidelně projednává své obchodní zástupce pro data vizitek před spuštěním marketingových kampaní.

Stejně jako oceánský námořník, uvíznutý v záchranném člunu, když jeho loď potopila, je všude voda, ale není kapka na pití.

Máme stejný jev v našich obchodech. Data jsou všude a stále více dat je k dispozici ze sociálních a vyhledávacích kanálů v reálném čase. Pokud data nejsou snadno přístupná, nebo pokud máme duplicitní nebo neúplné údaje, nemůžeme ji využít k zamýšlenému účelu.

Organizace stále více integrují své rozmanité softwarové aplikace a zjednodušují proces shromažďování a shromažďování dat v podniku. Spolu s kvalitou dat je však tato snaha nákladná, časově náročná a nikdy nekončí.

3. Objem dat roste. Děláme více a více dat tempem, které je obtížné pochopit. Odborníci naznačují, že každé dva roky (a zmenšování) vytváříme více dat, než jaké existovaly na planetě Zemi pro celou civilizaci.

Většina těchto nových dat je nestrukturovaná, oproti tomu typu dat, který je úhledně zadán do našich softwarových a databázových aplikací. Například všechny tweety o vašem produktu nebo značce představují potenciální poklad nápadů, přesto jsou tato data nestrukturovaná a zvyšují složitost jejich zachycení a analýzy. Zatímco existuje mnoho softwarových nabídek, které pomohou s touto výzvou, nestrukturované údaje představují nový torrent suroviny pro zpracování se všemi problémy spojené s komplexností a kvalitou popsanými v tomto článku.

4. Odpadky, odpadky. Datový analytický software je jen tak dobrý jako data, která ho krmí. Společným tématem v tomto problému využívání dat je výhoda kvality. Zatímco mnoho firem investuje významné dolary do silných nových aplikací, které křičují data, křupavá špinavá data vedou k chybným rozhodnutím.Dejte si pozor na slepě důvěřující práci na analýze dat. Musíte být přesvědčeni, že můžete důvěřovat údajům použitým v analýze.

5. Přijímáme výstup datových analýz jako rozhodující, ale není. Ve skutečnosti analýza dat nejčastěji zobrazuje korelaci, ne příčinu! Je snadné se dostat do pasti důvěryhodnosti výstupu datových analýz a matoucí korelace s příčinami.

Korelace ukazuje vztah, ale v žádném případě neznamená, že A způsobuje B. Vytvoření kauzálního vztahu je nirvana pro vytváření přesných, vhledných rozhodnutí. Je také neuvěřitelně obtížné dokázat. Pokud nadměrně důvěřujete výstupu a předpokládáte, že kauzální vztah neexistuje, vaše rozhodnutí budou fatálně chybná.

6. Naše kognitivní předsudky jsou zesíleny, pokud jde o vyhodnocení dat. Jakmile jeden vědecký vědec po datu zazvonil, "Na konci nejkomplikovanější a vyčerpávající analýzy dat člověk musí ještě vyvodit závěr a rozhodnout." A když se dostaneme v tomto okamžiku, kdy musíme posoudit význam analýzy dat, nastanou naše předsudky. Mnozí z nás mají tendenci důvěřovat nebo spoléhat na data, která podporují naše pozice a očekávání a potlačují data, která činí opak. Také důvěřujeme datům ze zdrojů, které máme rádi, nebo se spoléháme na nejaktuálnější data. Všechny tyto předsudky přispívají k výzvám a možnostem chyb z našich datových analýz.

Začněte zkreslovat data pro vaše použití jako správce:

Rozvoj podnikové datové strategie je kritický pro každou firmu, přesto je mimo rozsah tohoto článku. Místo toho je zde sedm nápadů, které můžete použít jako správce, abyste zlepšili používání údajů v každodenním rozhodování.

1. Rozpoznat a zmírnit potenciál zaujatosti . Vyhledejte data, která rozšiřují obraz nebo jsou v konfliktu s daty před vámi. Povzbuďte externího pozorovatele, aby zhodnotil vaše předpoklady týkající se dat.

2. Posilněte své chápání správy dat. Na webu je dostatek bezplatných zdrojů informací a mnoho organizací nabízí semináře nebo workshopy o datové analýze a business intelligence. Mnoho univerzit přidalo kurzy pro toto vzkvétající pole. Zvyšte své dovednosti.

3. Zeptejte se sami sebe nebo vašeho týmu, "Jaká data potřebujeme pro toto rozhodnutí?" Příliš často se spoléháme na údaje, které máme k dispozici, a ignorujeme potřebu hledat další data pro dokončení obrazu.

4. Buďte si vědomi rozdílu mezi korelací a příčinou . Jak již bylo popsáno dříve, zmatení těchto dvou je potenciálně nebezpečné místo pro rozhodování.

5. Kvalita - zkontrolujte vaše data. Pokud vaše firma nemá závazek pro správu dat nebo master data management, investujte čas k vyhodnocení vašich dat za zjevné chyby, včetně duplicitních, neúplných nebo chybných záznamů. Existuje mnoho komerčně dostupných softwarových aplikací nebo podpora této činnosti a mnoho firem čerpá z odborných znalostí datových odborníků, kteří dotazují a posuzují kvalitu dat.Zvažte také externí poskytovatele služeb, kteří vám pomohou vyčistit data. Důležité je, abyste se zaměřili na neustálé zlepšování kvality vašich dat.

6. Zabezpečte silnější kvalitu dat a úsilí o řízení v celé firmě. Tato práce byla často doménou IT nebo technických odborníků, data však mají potenciál sloužit jako strategický přínos. Každý manažer se musí starat o schopnost firmy lépe využívat údaje pro rozhodování a provádění strategií.

7. Přidejte do svého týmu technický a datový talent. Oddělení prodeje a marketingu chápou schopnost zapojit osoby vybavené nejmodernějšími technologiemi a kompetentní při navigaci v mnoha výzvách týkajících se dat uvedených v tomto článku. Technologie a data již nejsou doménou nebo odpovědností jediné funkce v podniku.

Zrátané slovní spojení:

Firmy a manažeři, kteří se naučí využívat data pro lepší rozhodování, vyhrají na trhu. Tyto organizace budou schopny monitorovat a reagovat na měnící se podmínky a vznikající potřeby zákazníků rychleji, než je tomu u konkurenčních konkurentů. Budou prvními, kteří shromáždili náhled z dialogu o sociálních médiích, a vyhrají bitvu o poznání a zapojení zákazníků na hlubší úrovni - vše založené na datech. Není to mód, ale spíše nová realita řízení a konkurence v dnešním světě. Jen pozor na nástrahy na této cestě.