6 Duomenų iššūkiai Vadybininkai ir organizacijos

Mes dirbame duomenų centruose. Vadybininkai bombarduojami duomenimis per ataskaitas, prietaisų skydus ir sistemas. Mes reguliariai primename, kad priimami sprendimai, susiję su duomenimis. Vyresnysis lyderiai pažadėjo „Big Data“ pažadą sukurti konkurencinį pranašumą, tačiau daugelis sunkumų susitarti dėl to, kas tai yra, daug mažiau apibūdina tikėtiną apčiuopiamą naudą.

Duomenų mokslininko vaidmuo yra karštas poreikis ir numatomi trūkumai, atsirandantys dėl to kylančio, svarbaus vaidmens, kurį tikimasi ilgus metus. Organizacijos kasmet išleidžia programinę įrangą duomenų rinkimui, saugojimui ir analizei. Rinkodaros skyriai vis dažniau užpildo techninius, duomenų gudrybės specialistus kūrybinių vaidmenų sąskaita.

Verslo pasaulis yra orientuotas į pasaulį, tačiau svarbu pripažinti, kad duomenys nėra savaiminis tikslas. Kaip ir visa kita, kuria remdamiesi dirbame, duomenys yra pažadu užpildyta priemonė. Tinkamose rankose su tinkamais metodais yra puiki galimybė, kad duomenys gali padėti priimti sprendimus.

Tačiau negaunate klaidingo įsitikinimo, kad duomenų gavimas ir analizė yra be rizikos. Leiskite truputį poliruoti duomenų, kaip verslo gelbėtojo, idėją ir padėti nustatyti kai kuriuos galimus spąstus, kuriuos ši nauja išteklių dalis mums visiems suteikia.

Iš anksto įspėtas yra parengtas.

Prasta duomenų kokybė

Nors esame įpratę mąstyti apie kokybę fizinių objektų ar gaminių kontekste, paaiškėja, kad duomenų kokybė yra svarbi problema kiekvienai įmonei visą laiką. Struktūrinėse duomenų bazėse ar saugyklose saugomi duomenys dažnai yra neišsamūs, nenuoseklūs arba pasenę. Tikėtina, kad gavote paprastą duomenų kokybės problemos pavyzdį.

Daugelis iš mūsų gali prisiminti, kad gaunami pasikartojantys laiškai iš rinkodaros, nukreipti į šiek tiek kitokius ar iš esmės skirtingus mūsų faktinio pavadinimo variantus. Rinkodaros duomenų bazėje yra dublikatų su mūsų adresu ir skirtingais, dažnai klaidingais mūsų vardo rašymais ar variantais. Dublikatą pakartotinai apdorojame kaip nepageidaujamą, o pardavėjas patiria pernelyg didelių išlaidų spausdinimo ir pašto siuntų pavidalu dėl paprastos duomenų kokybės problemos. Padidinkite šią klaidą daugybe šimtų ar tūkstančių įrašų ir ši nedidelė duomenų kokybės klaida tampa brangi.

Duomenų kokybės klausimas didėja, nes siekiame priimti sprendimus dėl strategijų, rinkų ir rinkodaros beveik realiu laiku. Nors egzistuoja programinė įranga ir sprendimai, padėsiantys stebėti ir pagerinti struktūrizuotų (formatuotų) duomenų kokybę, tikrasis sprendimas yra reikšmingas visos organizacijos įsipareigojimas tvarkyti duomenis kaip vertingą turtą. Praktiškai tai sunku pasiekti ir jai reikia ypatingos drausmės ir vadovavimo paramos.

Įtrūkimas duomenyse

Duomenys yra visur organizacijoje. Apsvarstykite klientų duomenis. Dauguma organizacijų tapo kvalifikuotomis užfiksuoti informaciją apie klientus ir perspektyvas.

• Rinkodara renka duomenis iš žmonių, kurie lanko tiesioginius ar žiniatinklio įvykius arba atsisiunčia turinį.
• Vykdytojai naudoja duomenis, kad palaikytų arba apibrėžtų naujas strategijas.
• Pardavimai renka duomenis apie klientus, dalyvaujančius pardavimo procese.
• Klientų aptarnavimas užfiksuoja informaciją apie skambučius ir pokalbius.
• Valdymo komandos remiasi duomenimis ir pagrindiniais rodiklių rodikliais.
• Klientų duomenys naudojami apskaitos tikslais, o kokybės ir klientų įžvalgų komandos stebi klientų pasitenkinimą.

Mes kaupiame klientų informaciją įvairiose programinės įrangos sistemose ir saugome duomenis įvairiose duomenų saugyklose. Viena „Global Fortune 100“ įmonė, pripažinusi net 10 procentų savo klientų duomenų, savo kompiuteriuose lokaliai laikė skaičiuokles. Prieš vykdydama rinkodaros kampanijas, kita organizacija reguliariai apklausia savo pardavimo atstovus vizitinės kortelės duomenims.

Panašiai kaip jūrininkas, kuris plaukioja į gelbėjimo valtį po to, kai jo laivas nuskendo, visur yra vandens, bet ne lašas gėrimui. Mes turime tokį patį reiškinį ir mūsų įmonėse. Duomenys yra visur, o vis dažniau gaunami duomenys iš socialinių ir paieškos šaltinių realiuoju laiku. Jei duomenys nėra lengvai prieinami, arba, jei turima dvigubų ar neišsamių duomenų, negalime ją panaudoti pagal numatytą paskirtį.

Vis dažniau organizacijos integruoja savo skirtingas programinės įrangos programas ir supaprastina duomenų rinkimo ir kaupimo procesą visoje įmonėje. Tačiau kartu su duomenų kokybe šios pastangos yra brangios, daug laiko užima ir niekada nesibaigia.

Augantys duomenys

Vis daugiau duomenų gauname tokiu tempu, kurį sunku suprasti. Ekspertai teigia, kad kas dvejus metus (ir mažėjant) mes sukuriame daugiau duomenų nei visos planetos planetoje visos civilizacijos.

Dauguma šių naujų duomenų yra nestruktūriniai, palyginti su tokio tipo duomenimis, kurie yra tvarkingai įvesti į mūsų programinės įrangos ir duomenų bazių programas. Pavyzdžiui, visi „tweets“ apie jūsų produktą ar prekės ženklą yra potencialus įžvalgų lobis, tačiau šie duomenys yra nestruktūrizuoti, didinantys jų gavimo ir analizės sudėtingumą. Nors yra daug programinės įrangos pasiūlymų, padedančių atlikti šį iššūkį, nestruktūrizuoti duomenys rodo naują perdirbimo žaliavų srautą, kuriame aptariami visi būdingi sudėtingumo ir kokybės klausimai.

Šiukšlių, šiukšlių išvežimas

Duomenų analizės programinė įranga yra tik tokia pat gera, kaip ir duomenų, kuriais jis tiekiamas. Bendra šio sverto duomenų panaudojimo nauda yra kokybė. Nors daugelis firmų investuoja didelius dolerius į galingas naujas duomenų krekingo programas, nešvarių duomenų ištrynimas lemia klaidingus sprendimus. Saugokitės aklai pasitikėti duomenų analizės pastangų rezultatais. Turite būti tikri, kad galite pasitikėti analizės duomenimis.

Duomenų analizė nėra galutinė

Mes priimame duomenų analizės rezultatus kaip įtikinamus, bet ne. Iš tikrųjų duomenų analizė dažniausiai rodo koreliaciją, o ne priežastinį ryšį! Tai lengva patekti į spąstą, kuriuo pasitiki duomenų analizės rezultatais ir painia koreliacija su priežastiniu ryšiu.

Koreliacija parodo santykius, bet tai jokiu būdu nereiškia, kad A priežastys B. priežastinio ryšio nustatymas yra nirvana, kad būtų priimami tikslūs, įžvalgus sprendimai. Taip pat neįtikėtinai sunku įrodyti. Jei netikėtai pasitikite produkcija ir prisiimate priežastinį ryšį, jei nė vienas nėra, jūsų sprendimai bus mirtinai klaidingi.

Sustiprinti poslinkiai

Mūsų kognityviniai šališkumai stiprinami, kai kalbama apie duomenų vertinimą. Kaip vieną išmintingą duomenų mokslininką vieną kartą įkvėpė: „Baigus sudėtingiausią ir išsamesnę duomenų analizę, žmogus vis dar turi padaryti išvadą ir priimti sprendimą“. Ir kai pasiekiame tą tašką, kuriame turime įvertinti duomenų analizės reikšmę, mūsų šališkumas ateina į žaidimą. Daugelis iš mūsų linkę pasitikėti ar remtis duomenimis, kurie palaiko mūsų pozicijas ir lūkesčius, ir slopina priešingus duomenis. Mes taip pat pasitikime duomenimis iš šaltinių, kurie mums patinka, arba pasikliauname naujausiais duomenimis.

Visi šie šališkumai prisideda prie mūsų duomenų analizės iššūkių ir galimų klaidų.

Kaip pradėti valdyti duomenis, skirtus jūsų naudojimui kaip valdytojui

Visų įmonių duomenų strategijos kūrimas yra labai svarbus kiekvienam verslui, tačiau nėra šio straipsnio taikymo sritis. Vietoj to, čia yra septynios idėjos, kurias galite naudoti kaip vadybininkas, kad galėtumėte geriau naudoti duomenis kasdieniame sprendimų priėmime.

Pripažinkite šališkumą

Pripažinkite ir sumažinkite šališkumo potencialą. Ieškokite duomenų, kurie praplečia paveikslėlį arba prieštarauja jūsų priešais esantiems duomenims. Skatinkite išorinį stebėtoją įvertinti jūsų prielaidas apie duomenis.

Duomenų valdymas

Stiprinti savo supratimą apie duomenų valdymą. Internete yra nemažai laisvų įžvalgų šaltinių, ir daugelis organizacijų siūlo seminarus ar seminarus apie duomenų analizę ir verslo analizę. Daugelis universitetų papildė kursus šiai klestinčiai sričiai. Laikykitės savo įgūdžių.

Užbaigti duomenys

Paklauskite savęs ar savo komandos, "Kokius duomenis mums reikia, kad galėtume priimti šį sprendimą?" Per dažnai mes pasikliaujame turimais duomenimis ir ignoruojame būtinybę ieškoti daugiau duomenų, kad galėtume užbaigti vaizdą.

Koreliacija ir priežastys

Būkite kritiškai suvokę skirtumą tarp koreliacijos ir priežastinio ryšio. Kaip aprašyta anksčiau, painioti šiuos du yra potencialiai pavojinga spraga priimant sprendimus.

Kokybės patikrinkite duomenis

Jei jūsų įmonė neturi duomenų kokybės ar pagrindinio duomenų valdymo įsipareigojimo, investuokite laiką, kad įvertintumėte savo duomenis, kad būtų akivaizdžių klaidų, įskaitant dvigubus, neišsamius ar klaidingus įrašus. Yra daug komerciškai prieinamų programinės įrangos programų arba palaikoma ši veikla, ir daugelis įmonių naudojasi duomenų ekspertų patirtimi, kad galėtų paklausti ir įvertinti duomenų kokybę. Taip pat apsvarstykite išorės paslaugų teikėjus, kurie gali padėti išvalyti duomenis. Svarbu atkreipti dėmesį į nuolatinį duomenų kokybės gerinimą.

Duomenų kokybė

Pasisakykite už stipresnę duomenų kokybę ir valdymo pastangas visoje įmonėje. Šis darbas dažnai buvo IT ar techninių specialistų sritis, tačiau duomenys gali būti strateginis turtas. Kiekvienas vadybininkas turi rūpintis įmonės gebėjimu geriau panaudoti duomenis priimant sprendimus ir vykdant strategiją.

Techniniai ir duomenų taupymo talentai

Pridėkite savo komandai techninius ir duomenų sugebėjimus. Pardavimų ir rinkodaros skyriai supranta galias įtraukti naujausias technologijas turinčius asmenis ir yra kompetentingi naršyti daugelį iškeltų duomenų. Technologijos ir duomenys nebėra vienos įmonės funkcijos ar atsakomybės sritis.

Esmė

Įmonės ir vadovai, kurie išmoksta panaudoti duomenis, kad pagerintų sprendimų priėmimą, laimės rinkoje. Šios organizacijos galės stebėti ir reaguoti į besikeičiančias sąlygas, o kylantys klientai turi greičiau nei jų konkurentai. Jie bus pirmieji, kurie įžvelgs socialinės žiniasklaidos dialogo įžvalgas, ir jie laimės mūšį, kad žinotų ir įsitrauktų į klientus gilesniame lygyje - remiantis duomenimis. Tai nėra išblukimas, o nauja realybė valdant ir konkuruojant šiandieniniame pasaulyje.

Tiesiog stebėkite, ar nėra sunkumų šioje kelionėje.