Η δύναμη των δεδομένων και των αναλυτικών στοιχείων προέρχεται από τέσσερα βασικά στοιχεία – δημιουργώντας αξία και αντίκτυπο για κάθε οργανισμό.
Από τη συλλογή δεδομένων έως τη μετατροπή της γνώσης στην πράξη και τη θέαση των επιπτώσεων στον οργανισμό, η πορεία προς την αποτελεσματική ανάλυση μπορεί να είναι δύσκολη, ειδικά εάν ο οργανισμός δεν έχει ακόμη πραγματοποιήσει τον μετασχηματισμό που βασίζεται στα δεδομένα ή δεν είναι πλήρως εξοπλισμένος για να τον τροφοδοτήσει σωστά.
Τα δεδομένα είναι ζωτικής σημασίας όταν πρόκειται για επιχειρηματική στρατηγική σε κάθε τομέα και είναι ο καταλύτης για την καινοτομία και την παραγωγικότητα. Σχεδόν όλες οι εταιρείες επενδύουν πλέον σε Δεδομένα και Analytics, καθώς τα δεδομένα ισοδυναμούν με αξία για τους περισσότερους οργανισμούς.
Η κοινή έκφραση «Δεδομένα είναι το νέο λάδι» ορίζει τα δεδομένα ως ουσιαστικό πόρο για τις επιχειρηματικές δραστηριότητες καυσίμων. Όπως το πετρέλαιο, τα δεδομένα μπορούν να είναι ένα εξαιρετικά πολύτιμο πλεονέκτημα εάν μπορούν να εξαχθούν και να χρησιμοποιηθούν σωστά. Τα ανεπεξέργαστα δεδομένα, χωρίς αποτελεσματική διαχείριση δεδομένων, δεν έχουν καμία αξία.
Περιουσιακό στοιχείο δεδομένων είναι οποιαδήποτε δεδομένα που ανήκουν σε έναν οργανισμό και τα οποία, όταν αξιοποιηθούν επαρκώς και αποτελεσματικά, μπορούν να δημιουργήσουν αξία για τον οργανισμό. Τα δεδομένα είναι δύσκολο να γίνουν πολύτιμα και η αυξανόμενη πολυπλοκότητά τους επιδεινώνει την πρόκληση.
Η πολυπλοκότητα των δεδομένων αυξάνεται
Τα 3V έχουν χρησιμοποιηθεί από καιρό για να χαρακτηρίσουν «μεγάλα δεδομένα», αλλά ισχύουν σε ολόκληρο το τοπίο δεδομένων.
- ο Ενταση ΗΧΟΥ των δεδομένων που θα συλλεχθούν, θα αποθηκευτούν και θα αναλυθούν.
- ο ποικιλία δεδομένων μέσω των διαφορετικών τύπων μορφών και χαρακτηριστικών προς διαχείριση, αλλά και των πολύ διαφορετικών πηγών από τις οποίες προέρχονται.
- ο ταχύτητα δεδομένων που καλύπτουν τόσο την ταχύτητα συλλογής όσο και την ταχύτητα αλλαγής των πηγών και της δομής τους.
Η πολυπλοκότητα των δεδομένων που διαχειρίζονται οι επιχειρήσεις δεν σταμάτησε ποτέ να αυξάνεται σε όλες αυτές τις διαστάσεις. Επιπλέον, το επιχειρηματικό πλαίσιο που αντιπροσωπεύεται από δεδομένα εξελίσσεται ταχύτερα από ποτέ, καθιστώντας εξαιρετικά δύσκολο τον εντοπισμό της σωστής περιοχής εστίασης. Η πολυπλοκότητα απαιτεί τη χρήση δομημένων μεθόδων και πλαισίων για την απογραφή, την αξιολόγηση και τη δημιουργία αξίας από δεδομένα.
Η αξία των στοιχείων ενεργητικού προέρχεται από τον τρόπο με τον οποίο χρησιμοποιούνται σε έναν οργανισμό, ο οποίος καθορίζει πόσο σημαντικό είναι και, τελικά, ποια χρηματική αξία μπορεί να προσδιοριστεί. Πράγματι, η επιτυχία μιας πρωτοβουλίας που βασίζεται σε δεδομένα είναι όταν επηρεάζει τις λειτουργικές διαδικασίες, ευθυγραμμισμένες με τους στόχους της εταιρείας. Αυτή η πρόκληση απαιτεί την παραδοθείσα λύση για την αντιμετώπιση των 3Us:
- Χρησιμοποιήσιμος: ενσωματώνεται στην τεχνική στοίβα και συνδέεται με λειτουργικά συστήματα και διαδικασίες διαχείρισης δεδομένων.
- Χρήσιμος: κατανοητό από επαγγελματίες χρήστες που μπορούν να ερμηνεύσουν και να ενεργήσουν βάσει των αποτελεσμάτων και των συστάσεων.
- Μεταχειρισμένος: καταναλώνεται από επιχειρησιακούς χρήστες για τη λήψη αποφάσεων και βελτιώνεται συνεχώς για να ακολουθεί το επιχειρηματικό πλαίσιο και τις εξελίξεις.
Για πραγματική αξία, τα δεδομένα και τα αναλυτικά στοιχεία πρέπει να θεωρούνται ως επιχειρηματική ικανότητα, μέσω της πλήρους υποστήριξης και ενσωμάτωσης των βασικών επιχειρηματικών λειτουργιών και διαδικασιών και δημιουργίας μετρήσιμης αξίας και επιπτώσεων. Μόνο το 32 τοις εκατό των στελεχών επιχειρήσεων που ερωτήθηκαν από την Accenture είπε ότι είναι σε θέση να δημιουργήσουν μετρήσιμη αξία από τα δεδομένα, ενώ μόλις το 27 τοις εκατό είπε ότι τα δεδομένα και τα αναλυτικά έργα τους παράγουν χρήσιμες πληροφορίες.
Αυτά τα στατιστικά στοιχεία δείχνουν ότι οι εταιρείες αγωνίζονται με αυτόν τον μετασχηματισμό που βασίζεται στα δεδομένα. Καλούνται να ωθήσουν την επιχείρηση στο παρελθόν και να αποδείξουν την αξία των δεδομένων και είναι κρίσιμο να καθιερωθεί μια ολοκληρωμένη προσέγγιση διαχείρισης αξίας για να αντιμετωπίσει την πρόκληση και να επιτύχει τα οφέλη.
Δεδομένα και Analytics ως επιχειρηματική ικανότητα για δημιουργία αξίας και αντίκτυπου
Η διαχείριση αξίας δεδομένων και Analytics βασίζεται σε 4 ισχυρούς πυλώνες, για την αντιμετώπιση όλων των διαφόρων διαστάσεων με συνέπεια:
- Το σωστό στρατηγική δεδομένων για την ευθυγράμμιση των προσπαθειών και την υποστήριξη των επιχειρηματικών στόχων.
- Το σωστό τεχνολογικά θεμέλια και αρχιτεκτονική για τη διαχείριση και τη λειτουργία των προκλήσεων δεδομένων.
- Το σωστό μοντέλο λειτουργίας για αποτελεσματικό σχεδιασμό, δημιουργία, ανάπτυξη και λειτουργία πρωτοβουλιών Data & Analytics.
- Το σωστό περιβάλλον και η διαχείριση αλλαγών για την επίτευξη μεγαλύτερης παιδείας δεδομένων και κουλτούρα λήψης αποφάσεων με γνώμονα τα δεδομένα.
Βήματα για τη δημιουργία αξίας δεδομένων και αναλυτικών στοιχείων
1. Ευθυγράμμιση στη στρατηγική
Τα δεδομένα και το Analytics είναι ένας βοηθητικός παράγοντας για την υποστήριξη της επιχειρηματικής στρατηγικής… και όχι ένας στόχος. Χωρίς αυτό το σαφές πλαίσιο ευθυγράμμισης, οι προσπάθειες που γίνονται για τη συλλογή, τον καθαρισμό, την προετοιμασία και την ανάλυση δεδομένων δεν οδηγούν σε αποτελεσματική λήψη αποφάσεων. Η εστίαση στην εφαρμογή αναλυτικών στοιχείων έχει ως αποτέλεσμα την απογοήτευση των στελεχών για την έλλειψη οφελών έναντι των σημαντικών επενδύσεων σε ανθρώπους και τεχνολογία.
Ως εκ τούτου, είναι κρίσιμο να διασφαλιστεί ότι το χαρτοφυλάκιο έργων Δεδομένων και Analytics είναι πλήρως εστιασμένο στην παροχή αποτελεσμάτων και ευθυγραμμισμένο με την επιχειρηματική στρατηγική. Για να επιτευχθεί αυτό, οι οργανισμοί πρέπει να έχουν ένα καλά καθορισμένο σύνολο προτεραιοτήτων σε επίπεδο επιχείρησης και να ορίζουν τους KPI που θα χρησιμοποιηθούν για τη μέτρηση της επιτυχίας.
Στη συνέχεια, χαρτογραφούν προσεκτικά όλες τις πρωτοβουλίες τους στις στρατηγικές τους προτεραιότητες, εντοπίζοντας τους σχετικούς κινδύνους και τα αναμενόμενα αποτελέσματα. Πρέπει επίσης να έχουν επίγνωση του τρέχοντος επιπέδου ωριμότητάς τους για να προβλέψουν τον μετασχηματιστικό αντίκτυπο ορισμένων πρωτοβουλιών και να λάβουν υπόψη αυτή τη διάσταση στη διαδικασία πιστοποίησης.
Στη συνέχεια, μπορούν να βελτιστοποιήσουν το χαρτοφυλάκιο επιλέγοντας το σωστό σύνολο πρωτοβουλιών, που ταιριάζουν με την επενδυτική τους ικανότητα, την όρεξή τους για μετασχηματισμό και τα αναμενόμενα επιχειρηματικά αποτελέσματα.
Αυτή η διαδικασία ευθυγράμμισης θα πρέπει να εκτελείται με τη συλλογή συνεισφορών σε ολόκληρο τον οργανισμό. Σε αυτό το πλαίσιο, απαιτείται συνεργασία από την αρχή για να διασφαλιστεί η δυνατότητα δράσης και η ενεργή υποστήριξη. Κάτι τέτοιο θα συμβάλει στον καθορισμό μιας συνεχούς διαδικασίας για τη διαχείριση νέων αναδυόμενων ιδεών, την απόκτησή τους και την προσαρμογή του χαρτοφυλακίου όταν χρειάζεται.
Μια στρατηγική Δεδομένων και Analytics χρησιμεύει ως πλαίσιο για την επιλογή των σωστών τομέων εστίασης και επενδύσεων σε βάθος χρόνου, για τη δημιουργία, τη διαχείριση και την παροχή του βέλτιστου χαρτοφυλακίου πρωτοβουλιών Δεδομένων και Analytics.
2. Tech-forward ιδρύματα
Οι πρωτοβουλίες δεδομένων και Analytics απαιτούν προσαρμοσμένα εργαλεία και λύσεις για την αποτελεσματική διαχείριση και χρήση δεδομένων. Εργαλεία για τη λήψη, αποθήκευση, μετατροπή, ανάλυση, οπτικοποίηση και εξυπηρέτηση των διαφορετικών αναγκών όλων των χρηστών, από περιστασιακούς χρήστες που απαιτούν αναφορές και οπτικοποιήσεις αυτοεξυπηρέτησης έως ειδικούς που απαιτούν προηγμένες δυνατότητες ανάλυσης.
Και επειδή η αγορά τεχνολογίας για Δεδομένα και Analytics είναι δυναμική με συχνές καινοτομίες, η αρχιτεκτονική πρέπει να είναι ευέλικτη και να μπορεί να εξελίσσεται ομαλά, κλιμακώνοντας καθώς ωριμάζει ο οργανισμός.
Η βέλτιστη αρχιτεκτονική δεδομένων χρησιμεύει επίσης ως βάση για έναν ευρύτερο μετασχηματισμό πληροφορικής, μέσω σύνδεσης με λειτουργικά συστήματα ως πηγές δεδομένων και για αυτοματοποιημένη ή μη αυτόματη λήψη αποφάσεων.
Ο στόχος της αρχιτεκτονικής Data and Analytics είναι να ορίσει τις βασικές οργανωτικές και επιχειρησιακές κατευθυντήριες γραμμές για την ανάπτυξη εργαλείων, τη λειτουργία και τη διαχείριση αποθήκευσης δεδομένων και αγωγών και την εξέλιξη, παρόμοια με ένα σχέδιο αστικοποίησης για μια πόλη.
Η ανάπτυξη και χρήση αυτών των θεμελίων απαιτεί μεγάλη και μακροπρόθεσμη επένδυση σε δεξιότητες για την αξιοποίηση των νέων τεχνολογιών και τη συνοδεία τόσο της παιδείας δεδομένων όσο και των εξελίξεων της μεθοδολογίας σε ολόκληρο τον οργανισμό.
3. Ένα μοντέλο λειτουργίας για συνεχή βελτίωση
Τα έργα δεδομένων και Analytics δεν είναι εφάπαξ, απαιτούν έναν συνεχή κύκλο βελτίωσης, καθώς επηρεάζουν τις επιχειρηματικές διαδικασίες που πρέπει να βελτιώνονται συνεχώς. Βασίζονται σε διάφορες πηγές δεδομένων που έχουν όλες το δικό τους ρυθμό εξέλιξης. Είναι ευαίσθητα στις περιβαλλοντικές αλλαγές (συμπεριφορές ατόμων, οικονομικό πλαίσιο, απροσδόκητα γεγονότα κ.λπ.). Πρέπει να προσαρμοστούν στις εξελίξεις της επιχειρηματικής στρατηγικής.
Έτσι, η παροχή πρωτοβουλιών δεδομένων και Analytics που έχουν αντίκτυπο απαιτεί ένα κατάλληλο μοντέλο λειτουργίας (ή μεθοδολογία) για τη διαχείριση και τη βελτιστοποίηση του χαρτοφυλακίου καθ’ όλη τη διάρκεια του κύκλου ζωής τους, από την εμφάνιση πρωτοβουλιών έως την πιστοποίηση, την ιεράρχηση, την εφαρμογή, την ανάπτυξη, τη συντήρηση, την απόσυρσή τους.
Αυτό το μοντέλο λειτουργίας θα πρέπει να περιλαμβάνει τη δυνατότητα παρακολούθησης του κόστους, της συμπεριφοράς, της απόδοσης και των αποτελεσμάτων με την πάροδο του χρόνου — για την αξιολόγηση της αξίας και την υποστήριξη της απαιτούμενης συντήρησης και εξελίξεων. Αυτές οι προσαρμογές αποτρέπουν την αποσύνθεση ή μετατόπιση του μοντέλου, ενσωματώνουν πρόσθετα δεδομένα, διαχειρίζονται την εξέλιξη σε πηγές δεδομένων, προσαρμόζονται στο μεταβαλλόμενο επιχειρηματικό πλαίσιο κ.λπ. Η συνεχής παρακολούθηση δημιουργεί έναν βρόχο ανατροφοδότησης που είναι βασικός για τη διασφάλιση της αξιοπιστίας και της ακρίβειας των πρωτοβουλιών Δεδομένων και Analytics με την πάροδο του χρόνου, επιτρέποντας τη συνεχή βελτίωση.
Οι βασικοί παράγοντες ενός αποτελεσματικού μοντέλου ή μεθοδολογίας λειτουργίας Data and Analytics:
- Ορατός εντός του οργανισμού σε όλες τις διαστάσεις των πρωτοβουλιών, των συντελεστών, συμπεριλαμβανομένων των αναμενόμενων έναντι της αποτελεσματικής αξίας και αποτελεσμάτων.
- Περιεκτικός σε όλο τον κύκλο ζωής, παρέχοντας υποστήριξη και μετρήσεις προσαρμοσμένες σε κάθε στάδιο.
- Προσαρμόζεται ώστε να αναγνωρίζει τις διαφορές ωριμότητας εντός του οργανισμού και τις τοπικές ιδιαιτερότητες. σε θέση να συνδυάσει ένα κοινό πλαίσιο αναφοράς για την παρακολούθηση πρωτοβουλιών και κεφαλαίων.
- Συνεργατική να συμπεριλάβει όλους τους φορείς που εμπλέκονται σε έργα δεδομένων κατά τη διάρκεια του κύκλου ζωής: χρήστες-στόχους, εμπειρογνώμονες επιχειρήσεων, παρόχους δεδομένων, ομάδες δεδομένων και Analytics, ομάδες πληροφορικής, κ.λπ. Αυτό περιλαμβάνει σε κάποιο πλαίσιο πελάτες ή προμηθευτές.
- Κυβερνάταινα μοιράζονται σαφείς διαδικασίες, ευθύνες, ρόλους και να διαχειρίζονται τους κινδύνους.
- Αυτοματοποιημένο, ώστε όλες οι πληροφορίες παρακολούθησης και παρακολούθησης να συλλέγονται συνεχώς και αβίαστα από διάφορους αγωγούς.
4. Μια κουλτούρα δεδομένων που βασίζεται στην αξία
Ενώ οι εταιρείες επενδύουν στον καθορισμό της στρατηγικής τους, στον καθορισμό των σωστών τεχνολογικών θεμελίων και στην ανάπτυξη ενός αποτελεσματικού μοντέλου λειτουργίας, πρέπει να διασφαλίσουν ότι κάθε εργαζόμενος έχει τις δεξιότητες και την κατάρτιση για να κατανοεί και να χρησιμοποιεί σωστά τα δεδομένα και τα αναλυτικά στοιχεία. Διαφορετικά, η οργανωτική ιδέα που βασίζεται στην ανάλυση μπορεί να παραμείνει σε ένα στάδιο μιας ιδέας αντί της πραγματικότητας.
Σύμφωνα με έρευνα της Accenture, το 75% των εργαζομένων νιώθουν άβολα να δουλεύουν με δεδομένα. Ο κίνδυνος τα άτομα να μην κατανοούν ή να μην εμπιστεύονται τα δεδομένα και τα αναλυτικά στοιχεία είναι τεράστιος, επηρεάζοντας την υιοθέτηση και την αποτελεσματική ανάπτυξη πρωτοβουλιών. Οι χρήστες είτε δεν θα χρησιμοποιήσουν σωστά τα διαθέσιμα δεδομένα για τη λήψη αποφάσεων είτε θα επιστρέψουν στον προηγούμενο τρόπο λειτουργίας και θα αγνοήσουν τα διαθέσιμα δεδομένα.
Η παιδεία στα δεδομένα είναι ένα κλειδί για την καινοτομία, για να επιτρέψει στα άτομα να εμπιστεύονται τα διαθέσιμα δεδομένα και πώς να τα χρησιμοποιούν σωστά, να υποστηρίζουν πρωτοβουλίες, να εντοπίζουν και να προτείνουν νέες προσπάθειες που δημιουργούν εξοικονόμηση κόστους, κέρδη αποδοτικότητας, νέες πηγές εσόδων κ.λπ. Εκπαίδευση για την παιδεία δεδομένων είναι μια ουσιαστική πτυχή της προσέγγισης οποιουδήποτε επιτυχημένου οργανισμού στα δεδομένα και τα αναλυτικά στοιχεία.
Η οικοδόμηση εμπιστοσύνης σε μια κουλτούρα εστιασμένη στα δεδομένα είναι κρίσιμη για την επίτευξη αξίας. Ο συνδυασμός ορατότητας για δραστηριότητες με προσβάσιμη και επαναχρησιμοποιήσιμη γνώση, χρησιμοποιώντας τις δεξιότητες και την παιδεία δεδομένων των εργαζομένων επιτρέπει την εμπιστοσύνη. Με την εμπιστοσύνη, οι οργανισμοί μπορούν να βασιστούν πλήρως στα δεδομένα και να ενισχύσουν τις ικανότητές τους καινοτομίας.
Απαιτήσεις παιδείας δεδομένων
Αυτή η βαθιά πολιτισμική αλλαγή προς την παιδεία δεδομένων απαιτεί:
- Γλωσσάρι επιχειρήσεωννα μιλάει μια κοινή γλώσσα και να χρησιμοποιεί ορισμούς για να οικοδομήσει εμπιστοσύνη και να ενθαρρύνει τη συνεργασία μεταξύ των ομάδων.
- Προσλήψεις και εκπαίδευσηνα προσλάβει νέα ταλέντα δεδομένων και να υποστηρίξει υπάρχοντες υπαλλήλους ώστε να αναπτύξουν τις δεξιότητές τους και την ικανότητά τους να συνεισφέρουν σε πρωτοβουλίες δεδομένων και Analytics.
- Συνεργασίαγια τη συμμετοχή των κατάλληλων ατόμων μέσω του κύκλου ζωής των πρωτοβουλιών Δεδομένων και Analytics, ώστε να παρέχουν τις σωστές πληροφορίες με τον σωστό τρόπο και να δημιουργούν κοινότητες για να ενεργοποιήσουν την ανταλλαγή και τον εμπλουτισμό γνώσης.
- Υποστήριξη και διαχείριση αλλαγώνγια να διασφαλιστεί ότι τα άτομα λαμβάνουν τη βοήθεια που χρειάζονται για να κατανοήσουν πώς να χρησιμοποιούν τα διαθέσιμα εργαλεία για να επιτύχουν μεγαλύτερη αυτονομία, πώς να βασίζονται σε υπάρχουσες προσπάθειες Δεδομένων και Analytics, πώς να βελτιώνουν τις διαδικασίες ή να προσδιορίζουν νέες ανάγκες για εκπαίδευση, εργαλεία ή νέες πρωτοβουλίες.
συμπεράσματα
Υπάρχει μια βέλτιστη διαδρομή για αποτελεσματικές πρωτοβουλίες ανάλυσης δεδομένων σε οποιονδήποτε οργανισμό. Ξεκινήστε με μια αξιολόγηση της ωριμότητας του οργανισμού, των ικανοτήτων του σε κάθε τομέα, των επιθυμητών καταστάσεων-στόχων και δημιουργήστε ένα σχέδιο χρησιμοποιώντας αυτήν την αξιολόγηση. Αυτό το σχέδιο Δεδομένων και Analytics θα πρέπει πάντα να περιλαμβάνει αυτούς τους 4 πυλώνες:
- Ξεκινήστε με τον καθορισμό μιας στρατηγικής δεδομένων ως τον τρόπο για να ευθυγραμμίσετε όλους τους στόχους και τα σημεία εστίασης.
- Καθορίστε και αναπτύξτε ισχυρά θεμέλια τεχνολογίας και αρχιτεκτονικής.
- Καθορίστε ή βελτιώστε ένα μοντέλο λειτουργίας για τη διαχείριση και τη βελτιστοποίηση του χαρτοφυλακίου δεδομένων και αναλυτικών στοιχείων και την παρακολούθηση της παραγόμενης αξίας με την πάροδο του χρόνου.
- Επενδύστε στην παιδεία δεδομένων και στην εμψύχωση ισχυρών κοινοτήτων για να επιτύχετε μια κουλτούρα που βασίζεται στα δεδομένα.
Τέλος, αναπτύξτε έναν συνεχή κύκλο βελτίωσης, για να εμπλουτίσετε, να εξελιχθείτε και να προσαρμοστείτε με την αυξανόμενη ωριμότητα, τις μεταβαλλόμενες επιχειρηματικές συνθήκες και νέους κινδύνους ή ευκαιρίες.
Μια έκδοση αυτού του άρθρου εμφανίζεται στο https://www.yooi.com/blog/the-4-pillars-to-create-value-from-data-analytics
