Ми працюємо у світі, орієнтованому на дані. Менеджерів бомбардують даними через звіти, інформаційні панелі та системи. Нам регулярно нагадують приймати рішення на основі даних. Керівники вищої ланки течуть слиною на обіцянки великих даних для розвитку конкурентної переваги, але більшість не може дійти згоди щодо того, що це таке, а тим більше описати очікувані відчутні вигоди.
Роль спеціаліста з обробки даних користується великим попитом із прогнозованими недоліками цієї нової важливої ролі, які очікуються роками. Щороку організації витрачають величезні гроші на встановлення програмного забезпечення для збору, зберігання та аналізу даних. Відділи маркетингу все більше заповнюються технічними професіоналами, які знають дані, за рахунок творчих ролей.
Світ бізнесу — це світ, орієнтований на дані, але важливо визнати, що дані не є самоціллю. Як і все інше, на що ми спираємось у своїй роботі, дані — це багатообіцяючий інструмент. У правильних руках із відповідними підходами потенціал даних для підтримки прийняття рішень є чудовим.
Однак не заколисуйте себе помилковим переконанням, що отримання та аналіз даних не є ризиком. Давайте трохи відшліфуємо ідею даних як рятівника бізнесу та допоможемо визначити деякі потенційні підводні камені, які цей новий ресурс представляє для всіх нас.
Попереджений — озброєний.
Низька якість даних
Хоча ми звикли думати про якість у контексті фізичних об’єктів або продуктів, виявляється, що якість даних завжди є важливою проблемою для кожної фірми. Дані, що зберігаються в структурованих базах даних або репозиторіях, часто є неповними, непослідовними або застарілими. Цілком ймовірно, що ви отримали простий приклад проблеми з якістю даних.
Більшість із нас може пригадати, як отримували дублікати листів від маркетологів, адресованих дещо іншим або радикально відмінним версіям нашого справжнього імені. База даних маркетолога містить повторювані записи з нашою адресою та різними, часто помилковими варіантами написання або варіантами нашого імені. Ми переробляємо копію пошти як сміття, а маркетолог несе додаткові витрати у вигляді друку та надсилання поштою через просту проблему якості даних. Збільште цю помилку багатьма сотнями чи тисячами записів, і ця невелика помилка якості даних обернеться дорого.
Питання якості даних стає все важливішим, оскільки ми прагнемо приймати рішення щодо стратегій, ринків і маркетингу майже в реальному часі. Хоча програмне забезпечення та рішення існують, щоб допомогти контролювати та покращувати якість структурованих (форматованих) даних, реальним рішенням є значне зобов’язання всієї організації ставитися до даних як до цінності актив. На практиці цього важко досягти і вимагає надзвичайної дисципліни та підтримки керівництва.
Потонути в даних
Дані всюди в організації. Враховуйте дані клієнтів. Більшість організацій навчилися збирати інформацію про клієнтів і потенційних клієнтів.
- Marketing збирає дані від людей, які відвідують події в прямому ефірі чи в Інтернеті або завантажують вміст.
- Керівники використовують дані для підтримки або визначення нових стратегій.
- Продажі збирають дані про клієнтів, які беруть участь у процесі продажу.
- Служба підтримки клієнтів збирає інформацію про дзвінки та чати.
- Команди управління використовують дані та ключові показники для системи показників.
- Дані клієнтів використовуються в бухгалтерському обліку для цілей виставлення рахунків, а також відділами якості та аналізу клієнтів для моніторингу задоволеності клієнтів.
Ми збираємо інформацію про клієнтів у різноманітних програмних системах і зберігаємо дані в різноманітних сховищах даних. Одна фірма зі списку Global Fortune 100 визнала, що аж 10 відсотків даних про своїх клієнтів зберігаються співробітниками на комп’ютерах в електронних таблицях. Інша організація регулярно опитує своїх торгових представників щодо даних візиток перед проведенням маркетингових кампаній.
Подібно до моряка океанського плавання, який застряг у рятувальній шлюпці після того, як його корабель затонув, вода є скрізь, але немає жодної краплі для пиття. Ми маємо таке ж явище в наших підприємствах. Дані всюди, і все більше даних доступні в соціальних мережах і пошукових каналах у режимі реального часу. Якщо дані важкодоступні або якщо ми маємо дублікати або неповні дані, ми не можемо використати їх за призначенням.
Все частіше організації інтегрують свої різні програмні додатки та спрощують процес збору та агрегування даних у межах підприємства. Однак, разом із якістю даних, ці зусилля є дорогими, трудомісткими та ніколи не закінчуються.
Зростання обсягів даних
Ми створюємо все більше даних у темпі, який важко зрозуміти. Експерти припускають, що кожні два роки (і скорочується) ми створюємо більше даних, ніж існує на планеті Земля для всієї цивілізації.
Більшість цих нових даних є неструктурованими на відміну від тих типів даних, які акуратно вводяться в наше програмне забезпечення та бази даних. Наприклад, усі твіти про ваш продукт або бренд представляють собою потенційну скарбницю інформації, але ці дані є неструктурованими, що ускладнює їх фіксацію та аналіз. Хоча існує багато пропозицій програмного забезпечення, які допоможуть упоратися з цією проблемою, неструктуровані дані представляють собою нове потік сировини для переробки, з усією притаманною складністю та питаннями якості, які обговорюються в цьому стаття.
Сміття вхід, сміття геть
Програмне забезпечення для аналізу даних корисне настільки, наскільки якісні дані, які його подають. Основним у цьому питанні використання даних для отримання переваги є якість. Хоча багато компаній інвестують значні долари в нові потужні програми обробки даних, обробки брудних даних призводить до помилкових рішень. Остерігайтеся сліпо довіряти результатам аналізу даних. Ви повинні бути впевнені, що можете довіряти даним, які використовуються в аналізі.
Аналіз даних не є остаточним
Ми приймаємо результати аналізу даних як остаточні, але це не так. Насправді аналіз даних найчастіше демонструє кореляцію, а не причинно-наслідковий зв’язок! Легко потрапити в пастку, довіряючи результатам аналізу даних і сплутавши кореляцію з причинним зв’язком.
Кореляція демонструє взаємозв’язок, але жодним чином не означає, що А викликає В. Встановлення причинно-наслідкового зв’язку є нірваною для прийняття точних, глибокодумних рішень. Це також неймовірно важко довести. Якщо ви надмірно довіряєте результатам і припускаєте причинно-наслідковий зв’язок, де його немає, ваші рішення будуть фатально помилковими.
Посилені зміщення
Наші когнітивні упередження посилюються, коли мова йде про оцінку даних. Як сказав один мудрий фахівець із обробки даних: «Наприкінці найскладнішого й вичерпного аналізу даних людині все ще потрібно намалювати І коли ми досягаємо того моменту, коли ми маємо оцінити значення аналізу даних, наші упередження вступають у гру. Багато з нас схильні довіряти або покладатися на дані, які підтверджують наші позиції та очікування, і приховують дані, які роблять протилежне. Ми також довіряємо даним із джерел, які нам подобаються, або покладаємось на найновіші дані. Усі ці упередження сприяють проблемам і потенційним помилкам у нашому аналізі даних.
Як почати приручати дані для використання в якості менеджера
Розробка загальнокорпоративної стратегії обробки даних має вирішальне значення для кожного бізнесу, але це виходить за рамки цієї статті. Натомість ось сім ідей, які ви можете використати як менеджер, щоб покращити використання даних під час щоденного прийняття рішень.
Розпізнайте упередження
Визнайте та пом’якшіть потенціал упереджень. Шукайте дані, які розширюють картину або суперечать даним, які перед вами. Заохочуйте зовнішнього спостерігача оцінити ваші припущення щодо даних.
Управління даними
Зміцніть своє розуміння управління даними. В Інтернеті є багато безкоштовних джерел інформації, і багато організацій пропонують семінари чи практикуми з аналізу даних і бізнес-аналітики. Багато університетів додали курси для цієї процвітаючої галузі. Продовжуйте відточувати свої навички.
Повні дані
Запитайте себе чи свою команду, «Які дані нам потрібні, щоб прийняти це рішення?» Дуже часто ми покладаємося на наявні дані та ігноруємо потребу шукати додаткові дані для повної картини.
Кореляція та причинно-наслідковий зв’язок
Критично усвідомте різницю між кореляцією та причинним зв’язком. Як описано раніше, плутання цих двох є потенційно небезпечною пасткою для прийняття рішень.
Перевірте якість своїх даних
Якщо у вашій фірмі немає зобов’язань щодо якості даних або управління основними даними, приділіть час, щоб оцінити свої дані на наявність очевидних помилок, зокрема дублікатів, неповних або помилкових записів. Існує багато комерційно доступних програмних додатків або програм для підтримки цієї діяльності, і багато фірм спираються на досвід експертів з даних для запитів і оцінки якості даних. Також зверніть увагу на зовнішніх постачальників послуг, які можуть допомогти вам очистити дані. Важливо зосередитися на постійному покращенні якості ваших даних.
Якість даних
Виступайте за покращення якості даних і зусилля з управління у вашій фірмі. Ця робота часто була сферою діяльності ІТ-фахівців або технічних спеціалістів, але дані можуть стати стратегічним активом. Кожен менеджер повинен дбати про здатність фірми краще використовувати дані для прийняття рішень і реалізації стратегії.
Талант у техніці та даних
Додайте до своєї команди талантів, які володіють технікою та даними. Відділи продажів і маркетингу розуміють силу залучення людей, які володіють новітніми технологіями та компетентні в навігації з багатьма проблемами даних, описаними в цій статті. Технології та дані більше не є областю або відповідальністю однієї функції на підприємстві.
Суть
Фірми та менеджери, які навчаться використовувати дані для покращення прийняття рішень, виграють на ринку. Ці організації зможуть відстежувати й реагувати на зміни умов і нові потреби клієнтів швидше, ніж їхні дані кидають виклик конкурентам. Вони будуть першими, хто збиратиме інформацію з діалогу в соціальних мережах, і вони виграють боротьбу за знання та залучення клієнтів на глибшому рівні — усе на основі даних. Це не примха, а скоріше нова реальність управління та конкуренції в сучасному світі. Просто стережіться пасток у цій подорожі.
