6 Datu izaicinājumi Vadītājiem un organizācijām

Mēs strādājam datu centrā. Vadītāji tiek bombardēti ar datiem, izmantojot ziņojumus, informācijas paneļus un sistēmas. Mēs regulāri atgādinām, ka ir jāpieņem lēmumi par datiem. Vecākie vadītāji apsolās par Big Data solījumu izveidot konkurētspējīgu priekšrocību, tomēr lielākā daļa grūtības vienoties par to, kas tas ir, daudz mazāk apraksta sagaidāmos materiālos ieguvumus.

Datu zinātnieka loma ir karsts pieprasījums ar prognozētajiem trūkumiem šajā jaunajā, nozīmīgajā lomā, kas sagaidāma gadiem. Organizācijas katru gadu tērē laimi, instalējot programmatūru, lai iegūtu, uzglabātu un analizētu datus. Mārketinga nodaļas aizvien vairāk aizpilda tehniskos, datu savvy profesionāļus uz radošo lomu rēķina.

Uzņēmējdarbības pasaule ir uz datiem orientēta pasaule, tomēr ir svarīgi atzīt, ka dati nav pašmērķis. Tāpat kā viss cits, ko mēs izmantojam savā darbā, dati ir instruments, kas piepildīts ar solījumu. Pareizajās rokās ar atbilstošām pieejām datu potenciāls lēmumu pieņemšanas atbalstam ir ievērojams.

Tomēr nesaņemiet kļūdainu pārliecību, ka datu iegūšana un analīze ir bez riska. Let's berzēt mazliet no polish off no idejas par datiem, kā biznesa glābējs un palīdzēt noteikt dažas no iespējamām briesmām šo jauno resursu dāvanas mums visiem.

Paredzēts ir iepriekšējs.

Slikta datu kvalitāte

Kamēr mēs esam pieraduši domāt par kvalitāti fizisko objektu vai produktu kontekstā, izrādās, ka datu kvalitāte ir būtisks jautājums ikvienam uzņēmumam visu laiku. Dati, kas tiek glabāti strukturētās datubāzēs vai repozitorijās, bieži ir nepilnīgi, neatbilstoši vai novecojuši. Iespējams, jums ir bijis vienkāršs datu kvalitātes problēmas piemērs.

Lielākā daļa no mums var atcerēties saņemt dublikātus no tirgotājiem adresētiem sūtījumiem, kas adresēti nedaudz atšķirīgām vai radikāli atšķirīgām mūsu faktiskā nosaukuma versijām. Tirgotāja datu bāzē ir dublēti ieraksti ar mūsu adresi un dažādiem, bieži vien kļūdainiem pareizrakstības veidiem vai mūsu vārda variācijām. Mēs pārstrādājam dublikātu kā nevēlamu sūtījumu, un tirgotājam rodas vienkāršas datu izdrukas un pasta sūtījumu izmaksas vienkāršas datu kvalitātes problēmas dēļ. Pastipriniet šo kļūdu ar vairākiem simtiem vai tūkstošiem ierakstu un šī nelielā datu kvalitātes kļūda kļūst dārga.

Datu kvalitātes jautājums pieaug, jo mēs cenšamies pieņemt lēmumus par stratēģijām, tirgiem un mārketingu gandrīz reālā laikā. Lai gan pastāv programmatūra un risinājumi, lai palīdzētu uzraudzīt un uzlabot strukturētu (formatētu) datu kvalitāti, reālais risinājums ir nozīmīga, organizācijas mēroga apņemšanās apstrādāt datus kā vērtīgu aktīvu. Praksē tas ir grūti sasniedzams un prasa ārkārtēju disciplīnu un vadību.

Noslīkšana Datos

Dati ir visur organizācijā. Apsveriet klientu datus. Lielākā daļa organizāciju ir kļuvušas kvalificētas, lai iegūtu informāciju par klientiem un perspektīvām.

• Mārketings apkopo datus no cilvēkiem, kuri apmeklē tiešraidē vai tīmeklī notiekošus notikumus vai kuri lejupielādē saturu.
• Vadītāji izmanto datus, lai atbalstītu vai definētu jaunas stratēģijas.
• Pārdošana vāc datus par klientiem, kas iesaistīti pārdošanas procesā.
• Klientu atbalsts ietver informāciju par zvaniem un tērzēšanu.
• Vadības komandas izmanto datus un galvenos rādītājus rādītāju kartēm.
• Klientu dati tiek izmantoti norēķinu nolūkos, kā arī kvalitātes un klientu ieskatu komandas klientu apmierinātības uzraudzībai.

Mēs uztveram klientu informāciju dažādās programmatūras sistēmās, un mēs glabājam datus dažādos datu krātuvēs. Viens uzņēmums Global Fortune 100 atzina, ka 10% no saviem klientu datiem vietējā mērogā darbinieki savā datorā atradās izklājlapās. Vēl viena organizācija regulāri veic savu tirdzniecības pārstāvju aptaujas par vizītkaršu datiem pirms tirdzniecības kampaņu darbības.

Tāpat kā okeāna jūrnieks, kurš ir glābts glābšanas laivā pēc tam, kad viņa kuģis bija nogrimējis, tur ir ūdens visur, bet ne piliens dzert. Mums ir tāda pati parādība mūsu uzņēmumos. Dati ir visur, un arvien vairāk datu ir pieejami reālajā laikā no sociālajām un meklēšanas plūsmām. Ja dati nav viegli pieejami vai, ja mums ir dublēti vai nepilnīgi dati, mēs nevaram to izmantot paredzētajam mērķim.

Arvien biežāk organizācijas integrē atšķirīgās programmatūras lietojumprogrammas un vienkāršo datu vākšanas un apkopošanas procesu visā uzņēmumā. Tomēr kopā ar datu kvalitāti šis darbs ir dārgs, laikietilpīgs un tas nekad nebeidzas.

Pieaugošo datu apjomi

Mēs gūstam arvien vairāk datu tādā tempā, ko ir grūti saprast. Eksperti norāda, ka ik pēc diviem gadiem (un samazinoties) mēs radām vairāk datu, nekā tas bija uz planētas Zemes visiem civilizācijas procesiem.

Lielākā daļa šo jauno datu ir nestrukturēti, salīdzinot ar šāda veida datiem, kas ir precīzi ievadīti mūsu programmatūras un datu bāzu lietojumprogrammās. Piemēram, visi ar jūsu produktu vai zīmolu saistītie tweets ir iespējamo ieskatu bagātības bagātība, tomēr šie dati ir nestrukturēti, palielinot to uztveršanas un analīzes sarežģītību. Lai gan ir daudz programmatūras piedāvājumu, lai palīdzētu ar šo izaicinājumu, nestrukturētie dati ir jauna izejvielu pārstrādes pārstrāde, kurā apspriesti visi raksturīgie sarežģītības un kvalitātes jautājumi.

Atkritumi, atkritumi

Datu analītiskā programmatūra ir tikai tikpat laba kā datu ievadīšana. Kopēja tēma šajā jautājumā par datu piesaistīšanu priekšrocībām ir kvalitāte. Lai gan daudzi uzņēmumi iegulda ievērojamus dolārus spēcīgās jaunās datu kropļošanas lietojumprogrammās, netīro datu kropļošana noved pie kļūdainiem lēmumiem. Uzmanieties, lai akli uzticētos datu analīzes rezultātiem. Jums jābūt pārliecinātiem, ka varat uzticēties analīzē izmantotajiem datiem.

Datu analīze nav pārliecinoša

Mēs pieņemam datu analīzes rezultātu kā pārliecinošu, bet tā nav. Patiesībā datu analīze visbiežāk atspoguļo korelāciju, nevis cēloņsakarību! Ir viegli iekļūt slazdā, kas uzticas datu analīzes iznākumam un mulsinošai korelācijai ar cēloņsakarību.

Korelācija atspoguļo attiecības, bet tas nekādā veidā nenozīmē, ka A cēloņi. Cēloņsakarības noteikšana ir nirvāna, lai pieņemtu precīzus, saprotamus lēmumus. Ir arī ļoti grūti pierādīt. Ja jūs nepārprotami uzticaties iznākumam un uzņematies cēloņsakarību, ja neviens nav, jūsu lēmumi būs nāvīgi kļūdaini.

Pastiprināti aizspriedumi

Mūsu kognitīvie aizspriedumi tiek pastiprināti, vērtējot datus. Kā vienīgais gudrs datu zinātnieks reiz ienāca: "Sarežģītākās un vispusīgākās datu analīzes beigās cilvēkam vēl ir jāizdara secinājums un jāpieņem lēmums." Un, kad mēs sasniedzam šo punktu, kur mums ir jānovērtē datu analīzes nozīme, mūsu aizspriedumi tiek īstenoti. Daudzi no mums mēdz uzticēties vai paļauties uz datiem, kas atbalsta mūsu nostāju un cerības, un nomāc datus, kas ir pretēji. Mēs arī uzticamies datiem, kas iegūti no avotiem, kas mums patīk, vai mēs paļaujamies uz jaunākajiem datiem.

Visas šīs novirzes veicina mūsu datu analīzes izaicinājumus un kļūdas.

Kā sākt lietot datus par lietošanu kā vadītāju

Uzņēmuma mēroga datu stratēģijas izstrāde ir ļoti svarīga katram uzņēmumam, tomēr tā nav šī panta darbības jomā. Tā vietā šeit ir septiņas idejas, ko varat izmantot kā vadītāju, lai uzlabotu savu datu izmantošanu ikdienas lēmumu pieņemšanā.

Atzīt aizspriedumus

Atzīt un mazināt aizspriedumu potenciālu. Meklējiet datus, kas paplašina attēlu vai ir pretrunā ar jūsu priekšā esošajiem datiem. Mudiniet ārējo novērotāju novērtēt savus pieņēmumus par datiem.

Datu vadība

Stiprināt izpratni par datu pārvaldību. Ir pietiekami daudz brīvu ieskatu avotu tīmeklī, un daudzas organizācijas piedāvā seminārus vai seminārus par datu analīzi un biznesa informāciju. Daudzas universitātes ir papildinājušas kursus šajā strauji augošajā jomā. Turpiniet asināt savas prasmes.

Pilnīgi dati

Jautājiet sev vai savai komandai, "Kādi dati mums vajadzīgi, lai pieņemtu šo lēmumu?" Pārāk bieži mēs paļaujamies uz pašreizējiem datiem un ignorējam vajadzību meklēt vairāk datu, lai pabeigtu attēlu.

Korelācija un cēlonis

Esiet kritiski informēti par atšķirību starp korelāciju un cēloņsakarību. Kā aprakstīts iepriekš, šo divu maldināšanu var potenciāli apdraudēt lēmumu pieņemšanā.

Kvalitātes pārbaudes dati

Ja jūsu uzņēmumam nav datu kvalitātes vai galvenās datu pārvaldības saistības, ieguldiet laiku, lai novērtētu datus par acīmredzamām kļūdām, ieskaitot dublētus, nepilnīgus vai kļūdainus ierakstus. Ir daudz komerciāli pieejamu programmatūras lietojumprogrammu vai atbalstīt šo darbību, un daudzi uzņēmumi izmanto datu ekspertu zināšanas, lai vaicātu un novērtētu datu kvalitāti. Tāpat apsveriet ārpakalpojumu sniedzējus, kas var palīdzēt jums tīrīt datus. Svarīgi, koncentrējieties uz nepārtrauktu datu kvalitātes uzlabošanu.

Datu kvalitāte

Advokāts par stingrāku datu kvalitāti un vadības centieniem visā jūsu uzņēmumā. Šis darbs bieži ir bijis IT vai tehnisko speciālistu domēns, tomēr datiem ir potenciāls kalpot par stratēģisku aktīvu. Katram menedžerim jārūpējas par uzņēmuma spēju labāk izmantot datus lēmumu pieņemšanai un stratēģijas izpildei.

Tehniskais un datu savvy talants

Pievienojiet savai komandai tehnisko un datu savdabīgo talantu. Pārdošanas un mārketinga nodaļas saprot spēju iesaistīt cilvēkus, kas ir kvalificēti ar jaunākajām tehnoloģijām, un ir kompetenti navigēt daudzos izceltajos datu uzdevumos. Tehnoloģija un dati vairs nav viena uzņēmuma darbības joma vai atbildība uzņēmumā.

Bottom Line

Uzņēmumi un vadītāji, kas mācās izmantot datus, lai uzlabotu lēmumu pieņemšanu, uzvarēs tirgū. Šīs organizācijas varēs pārraudzīt un reaģēt uz mainīgiem apstākļiem, un jaunie klienti vajadzības ātrāk nekā viņu dati apstrīdēja konkurentus. Viņi būs pirmie, kas ieskatīsies no sociālo mediju dialoga, un viņi uzvarēs cīņā, lai uzzinātu un iesaistītu klientus dziļākā līmenī - pamatojoties uz datiem. Tas nav iedoma, bet drīzāk jauna realitāte mūsdienu pasaulē.

Vienkārši vērojiet, kādas kļūmes ir šajā ceļojumā.