Duomenų mokslininko vaidmuo yra didelio masto, o prognozuojamas trūkumas šiame augančiame, svarbiame daugelyje metų.
Organizacijos kasmet išleidžia programinę įrangą, skirtą fiksuoti, saugoti ir analizuoti duomenis. Kūrybinių vaidmenų sąskaita vis daugiau užsiima rinkodaros skyrių techniniais, įžvalgiais duomenimis dirbančiais specialistais.
Verslo pasaulis yra į duomenis orientuotas pasaulis, tačiau svarbu pripažinti, kad duomenys nėra savitiksliai. Kaip ir visa kita, kurią mes remiame savo darbe, duomenys yra įrankis, užpildytas pažadu. Tinkamose rankose taikant tinkamus metodus, duomenų gavimas sprendimų priėmimo procese yra nepaprastai svarbus.
Tačiau nesupraskite į klaidingą įsitikinimą, kad duomenų įsigijimas ir analizavimas yra be rizikos. Išmėginkime šiek tiek lenkų iš duomenų idėjos kaip verslo gelbėtojos ir padėsime išsiaiškinti kai kuriuos galimus pavojus, kuriuos šis naujas šaltinis pristato mums visiems.
Iš anksto užsiregistruota.
6 dideli iššūkiai Vadybininkai ir organizacijos susiduria su duomenimis:
1. Duomenų kokybė dažnai būna prasta. Nors mes esame pripratę galvoti apie kokybę fizinių objektų ar produktų kontekste, paaiškėja, kad duomenų kokybė yra esminis klausimas kiekvienai įmonei visą laiką.
Duomenys, saugomi struktūrizuotose duomenų bazėse ar saugyklose, dažnai yra neišsamūs, nenuoseklūs arba pasenę. Tikėtina, kad jūs gavote paprastą duomenų kokybės problemos pavyzdį.
Daugelis iš mūsų gali prisiminti, kad gaunami pasikartojantys laiškai iš rinkodaros, skirti šiek tiek skirtingoms ar radikaliai skirtingoms mūsų faktinio pavadinimo versijoms.
Rinkodaros duomenų bazėje yra pasikartojančių įrašų su mūsų adresu ir skirtingais, dažnai klaidingais mūsų vardo rašmenimis ar variantais. Mes perdirbame pasikartojančius laiškus kaip šiukšlių, o rinkodaros specialistas susiduria su pernelyg didelėmis išlaidomis spausdinant ir siunčiant juos paštu dėl paprastos duomenų kokybės problemos. Padidinkite šią klaidą daugybe šimtų ar tūkstančių įrašų ir ši nedidelė duomenų kokybės klaida tampa brangus.
Duomenų kokybės klausimas tampa vis svarbesnis, nes mes stengiamės priimti sprendimus dėl strategijų, rinkų ir rinkodaros beveik realiu laiku. Nors yra programinės įrangos ir sprendimų, kurie padeda kontroliuoti ir pagerinti struktūrizuotų (suformuotų) duomenų kokybę, realus sprendimas yra svarbus visos organizacijos įsipareigojimas tvarkyti duomenis kaip vertingą turtą. Praktiškai tai sunku pasiekti ir reikalauja nepaprastos drausmės ir lyderio paramos.
2. Mes praktiškai nuskendame duomenis. Duomenys yra visur organizacijoje. Apsvarstykite kliento duomenis. Dauguma organizacijų yra įgudę žinių apie klientus ir perspektyvas gaudymo.
- Rinkodara renka duomenis iš žmonių, kurie lankosi realiuosiuose ar internetiniuose renginiuose arba atsisiųsti turinį.
- Vadovai naudoja duomenis naujoms strategijoms paremti arba apibrėžti.
- Pardavimai surenka duomenis apie klientus, dalyvaujančius pardavimo procese.
- Klientų aptarnavimas užfiksuoja informaciją apie skambučius ir pokalbių sąveikas.
- Valdymo komandos remiasi rezultatų kortelių duomenimis ir pagrindiniais rodikliais .
- Kliento duomenys naudojami atsiskaitymo tikslams apskaityti, taip pat kokybės ir klientų įžvalgos komandoms, siekiant stebėti klientų pasitenkinimą .
Mes užfiksuojame klientų informaciją įvairiose skirtingose programinės įrangos sistemose ir saugome duomenis įvairiuose duomenų saugyklose. Viena "Global Fortune 100" įmonė pripažino, kad 10 procentų savo klientų duomenų vietos darbuotojai laikė savo kompiuteriuose skaičiuoklėse. Kita organizacija reguliariai apklausia savo prekybos atstovus vizitinių kortelių duomenims prieš pradedant rinkodaros kampanijas.
Panašiai kaip ir jūreivis jūreivis įstrigo į gelbėjimo valtį, kai jo laivas nuskendo, visur yra vandens, bet ne lašas gerti.
Mes turime tą patį reiškinį mūsų versle. Duomenys yra visur, o iš socialinių ir paieškos kanalų duomenis galima gauti realiu laiku. Jei duomenys nėra lengvai prieinami arba jei mes turime pasikartojančius ar neišsamius duomenis, negalime panaudoti jo pagal numatytą paskirtį.
Vis dažniau organizacijos integruoja skirtingas programas ir supaprastina duomenų rinkimo ir kaupimo procesą visoje įmonėje. Tačiau kartu su duomenų kokybe šios pastangos yra brangios, daug laiko ir niekada nesibaigia.
3. Duomenų apimtis auga. Mes darome vis daugiau ir daugiau duomenų, kuriuos sunku suvokti. Ekspertai teigia, kad kas dvejus metus (ir mažėja) mes kuriame daugiau duomenų, nei egzistavo planetoje visai civilizacijai.
Dauguma šių naujų duomenų yra nestruktūruoti, palyginti su tokio pobūdžio duomenimis, kurie tvarkingai įtraukiami į mūsų programinę įrangą ir duomenų bazių programas. Pavyzdžiui, visi tweets apie jūsų produktą ar prekės ženklą yra galimas įžvalgų lobis, tačiau šie duomenys yra nestruktūruoti, todėl sudėtinga jį užfiksuoti ir analizuoti. Nors yra daug programinės įrangos pasiūlymų, padedančių išspręsti šį iššūkį, nestruktūruoti duomenys yra naujas žaliavų srautas, skirtas apdorojimui, kuriame aptariami visi šiame straipsnyje aptariami sudėtingumo ir kokybės aspektai.
4. Šiukšliadėžė, šiukšlių išvežimas. Duomenų analitinė programinė įranga yra tokia pat našta, kaip ir duomenys, kurie jį perduoda. Bendras šio sverto rodiklių naudojimo temos privalumas yra kokybė. Nors daugelis įmonių investuoja didelius dolerius į galingus naujus duomenų sugadinimo programas, sugadinus nešvarius duomenis, gaunami klaidingi sprendimai. Saugokitės aklai pasitikėdami duomenų analizės rezultatais. Turite būti tikri, kad galite pasitikėti analizės metu naudojamais duomenimis.
5. Mes pripažįstame, kad duomenų analizės rezultatas yra įtikinamas, tačiau taip nėra. Iš tikrųjų duomenų analizė dažniausiai parodo koreliaciją, o ne priežastingumą! Lengvai patenka į duomenų analizės rezultatų pasitikėjimo spąstus ir klaidina koreliaciją su priežastingumu.
Koreliacinis ryšys parodo santykius, bet tai jokiu būdu nereiškia, kad A priežastys. Priežastinio ryšio nustatymas yra nirvana, siekiant priimti tikslius ir įžvalgus sprendimus. Taip pat neįtikėtinai sunku įrodyti. Jei jūs pernelyg pasitikite produkcija ir prisiimkite priežastinį ryšį, jei jo nėra, jūsų sprendimai bus netikri trūkumai.
6. Kognityviniai šališkumai sustiprinami vertinant duomenis. Kartą intonuojant vienintelį išmintingą duomenų mokslininką, "pasibaigus sudėtingiausiai ir išsamiai analizuojant duomenis, žmogus dar turi padaryti išvadą ir priimti sprendimą". Kai mes pasiekiame tokį tašką, kuriame turime įvertinti duomenų analizės prasmę, mūsų įžvalgos pradeda veikti. Daugelis iš mūsų linkę pasitikėti ar remtis duomenimis, kurie palaiko mūsų pozicijas ir lūkesčius, ir slopina duomenis, kurie yra priešingi. Mes taip pat pasitikime duomenimis iš patinkančių šaltinių arba mes remiame naujausius duomenis. Visi šie šališkumai prisideda prie duomenų analizės klaidų ir galimų klaidų.
Kaip pradėti tvarkyti duomenis, kad galėtumėte naudoti kaip valdytoją:
Įmonių duomenų strategijos kūrimas yra labai svarbus kiekvienam verslui, tačiau jis nepatenka į šio straipsnio taikymo sritį. Vietoje to yra septynios idėjos, kurias galite naudoti kaip valdytoją, kad pagerintumėte duomenų naudojimą kasdieniame sprendimų priėmimo procese.
1. Atpažinti ir sušvelninti šališkumo potencialą . Ieškokite duomenų, kurie išplečia vaizdą arba prieštarauja jūsų pateiktiems duomenims. Skatinkite išorinį stebėtoją įvertinti jūsų prielaidas apie duomenis.
2. Stiprinkite savo supratimą apie duomenų valdymą. Internetu yra daug laisvų įžvalgų šaltinių, o daugelis organizacijų siūlo seminarus ar praktinius seminarus dėl duomenų analizės ir verslo žvalgybos. Daugelis universitetų pridėjo kursus šiai sparčiai augančiai sričiai. Stenkitės sustiprinti savo įgūdžius.
3. Paklauskite savęs ar savo komandos: "Kokius duomenis turime priimti, kad šis sprendimas būtų priimtas?" Per daug dažnai mes remiame turimus duomenis ir ignoruojame poreikį ieškoti daugiau duomenų, kad galėtume užpildyti paveikslėlį.
4. Būkite kritiškai žinomi apie koreliacijos ir priežastingumo skirtumus . Kaip jau buvo aprašyta anksčiau, šių dviejų klaidinimas yra potencialiai pavojinga spraga sprendimų priėmimui.
5. Kokybė - patikrinkite savo duomenis. Jei jūsų įmonė neturi duomenų kokybės ar pagrindinio duomenų valdymo įsipareigojimo, investuokite laiką, kad galėtumėte įvertinti savo duomenis dėl akivaizdžių klaidų, įskaitant pasikartojančius, neišsamius arba klaidingus įrašus. Yra daugybė komercinių programinės įrangos arba šios veiklos palaikymo, o daugelis įmonių remiasi duomenų ekspertų žiniomis, siekdami užklausti ir įvertinti duomenų kokybę. Be to, apsvarstykite išorės paslaugų teikėjus, kurie gali padėti išvalyti jūsų duomenis. Svarbu atkreipti dėmesį į nuolatinį duomenų kokybę .
6. Pasisakykite už stipresnę duomenų kokybę ir valdymo pastangas visoje jūsų įmonėje. Šis darbas dažnai buvo IT ar techninių specialistų sritis, tačiau duomenys gali būti strateginio turto dalis. Kiekvienas valdytojas turi rūpintis savo įmonės gebėjimu geriau panaudoti duomenis sprendimų priėmimo ir strategijos vykdymui.
7. Pridėkite savo komandą techninių ir įžvalgų talentų. Pardavimų ir rinkodaros skyriuose suprantama, kaip įveikti naujausius technologinius įgūdžius ir kompetentingi nukreipti daugelį šiame straipsnyje aprašytų duomenų iššūkių. Technologija ir duomenys jau nebėra vienos įmonės funkcijos ar atsakomybės .
Esmė:
Rinkoje laimės įmonės ir vadovai, kurie mokosi pasinaudoti duomenimis, kad pagerėtų sprendimų priėmimas. Šios organizacijos galės stebėti ir reaguoti į besikeičiančias sąlygas ir kylančius klientų poreikius greičiau, nei jų konkurentai, kuriems iškilo duomenų. Jie bus pirmieji, kurie parinks įžvalgas iš socialinės žiniasklaidos dialogo, ir jie laimės mūšį, kad žinotų ir įtrauks klientus į gilesnį lygį - visa tai pagrįsta duomenimis. Tai ne jausmas, o greičiau nauja realybės valdymas ir konkuravimas šiuolaikiniame pasaulyje. Tiesiog saugokitės dėl šios kelionės spąstų.