6 Utfordringer Ledere og organisasjoner Ansiktsdata

Vi jobber i en datasentrisk verden. Ledere blir bombardert med data via rapporter, instrumentpaneler og systemer. Vi blir regelmessig påminnet om å foreta datastyrte beslutninger. Ledende ledere spiser på løftet om Big Data for å utvikle en konkurransefortrinn, men mest kamp for å bli enige om hva det er mye mindre beskriver de forventede konkrete fordelene.

Datavitenskapers rolle er i stor etterspørsel med forventede mangler i denne fremvoksende viktige rollen som forventes i årevis.

Organisasjoner bruker hvert år en formue å installere programvare for å fange, lagre og analysere data. Markedsføring avdelinger blir stadig mer teknisk, data-savvy fagfolk på bekostning av kreative roller.

Verdenen er en datafokusert verden, men det er viktig å gjenkjenne at data ikke er et mål for seg selv. Som alt annet vi trekker på i vårt arbeid, er data et verktøy fylt med løfte. I de riktige hendene med de riktige tilnærmingene er potensialet for data som støtter beslutningsprosessen bemerkelsesverdig.

Ikke lulled inn i den falske troen på at å anskaffe og analysere data er uten risiko. La oss gni litt av det polske av ideen om data som forretningsmessig og hjelpe deg med å identifisere noen av de potensielle fallgruvene som denne nye ressursen presenterer for oss alle.

Forwarned er forearmed.

6 store utfordringer ledere og organisasjoner står overfor data:

1. Datakvaliteten er ofte dårlig. Selv om vi er vant til å tenke på kvalitet i forbindelse med fysiske objekter eller produkter, viser det seg datakvalitet er et materiell problem for alle firmaer hele tiden.

Data lagret i strukturerte databaser eller lagre er ofte ufullstendig, inkonsekvent eller utdatert. Det er sannsynlig at du har vært på mottakersiden av et enkelt eksempel på et datakvalitetsproblem.

De fleste av oss kan huske å motta dupliserte utskrifter fra markedsførere adressert til litt forskjellige eller radikalt forskjellige versjoner av vårt faktiske navn.

Markedsførerens database inneholder dupliserte poster med vår adresse og forskjellige, ofte feilaktige stavemåter eller variasjoner av navnet vårt. Vi resirkulerer duplikatposten som søppel, og markedsføreren oppnår overskytende kostnader i form av utskrift og mailing alt på grunn av et enkelt datakvalitetsproblem. Forsterk denne feilen med mange hundre eller tusenvis av poster, og denne lille datakvalitetsfeilen blir dyr.

Problemet med datakvalitet blir viktig når vi streber etter å ta beslutninger om strategier, markeder og markedsføring i nær sanntid. Mens programvare og løsninger eksisterer for å overvåke og forbedre kvaliteten på strukturerte (formaterte) data, er den virkelige løsningen et betydelig organisasjons-bredt engasjement for å behandle data som en verdifull ressurs.I praksis er dette vanskelig å oppnå og krever ekstraordinær disiplin og ledelsesstøtte.

2. Vi drar nesten i data. Data er overalt i en organisasjon. Vurder kundedata. De fleste organisasjoner har blitt dyktige på å fange informasjon om kunder og potensielle kunder.

• Markedsføring samler inn data fra personer som deltar på live- eller web-hendelser eller som laster ned innhold.
• Ledere bruker data for å støtte eller definere nye strategier.
• Salg samler inn data om kunder som er involvert i salgsprosessen.
• Kundestøtte fanger opp informasjon om samtaler og samtaler mellom samtaler.
• Administrasjonslag trekker på data og nøkkeltall for scorecards.
• Kundedata brukes til regnskapsmessig bruk og av kvalitets- og kundeinnspillingsgrupper for overvåking av kundetilfredshet.

Vi tar opp kundeinformasjon i en rekke forskjellige programvare systemer, og vi lagrer dataene i en rekke datalager. Et globalt Fortune 100-firma ble anerkjent så mye som 10 prosent av kundedataene ble holdt lokalt av ansatte på sine datamaskiner i regneark. En annen organisasjon poller regelmessig sine salgsrepresentanter for visittkortdata før man kjører markedsføringskampanjer.

I likhet med at den havgående sjømannen strandet i en livbåt etter at skipet hans har sunket, er det vann overalt, men ikke en dråpe å drikke.

Vi har det samme fenomenet i våre virksomheter. Data er overalt, og stadig mer data er tilgjengelig fra sosiale og søkemateriell i sanntid. Hvis dataene ikke er lett tilgjengelige, eller hvis vi har dupliserte eller ufullstendige data, kan vi ikke utnytte det for det tiltenkte formål.

I økende grad integrerer organisasjoner sine ulike programvare og forenkler prosessen med å samle og aggregere data over hele bedriften. Sammen med datakvaliteten er dette arbeidet dyrt, tidkrevende og det slutter aldri.

3. Dataene øker. Vi lager stadig flere data i et tempo som er vanskelig å forstå. Eksperter foreslår at hvert to år (og krympe) vi skaper mer data enn eksisterte på planeten jorden for hele sivilisasjonen.

De fleste av disse nye dataene er ustrukturerte, i motsetning til den typen data som er pent inn i programvaren og databasen. For eksempel representerer alle tweets om ditt produkt eller merke en potensiell skattekiste av innsikt, men disse dataene er ustrukturert, noe som øker kompleksiteten til å fange og analysere den. Selv om det finnes mange programvaretilbud for å hjelpe med denne utfordringen, representerer de ustrukturerte dataene en ny strøm av råmateriale for behandling, med alle de inneboende kompleksitets- og kvalitetsspørsmålene som diskuteres i denne artikkelen.

4. Søppel inn søppel ut. Dataanalytisk programvare er bare like god som dataene som mate den. Den vanlige tråden i dette problemet med å utnytte data til fordel er kvalitet. Mens mange bedrifter investerer betydelige dollar i kraftige nye datatrykkende applikasjoner, fører knuste skitne data til feilbeslutninger.Pass på at du blindt stoler på utdataene fra dataanalyser. Du må være sikker på at du kan stole på dataene som brukes i analysen.

5. Vi aksepterer utdataene fra dataanalyser som avgjørende, men det er det ikke. I virkeligheten viser dataanalyse oftest korrelasjon, ikke årsakssammenheng! Det er lett å falle i fellen av å stole på utdataene fra dataanalyser og forvirrende korrelasjon med årsakssammenheng.

Korrelasjon viser et forhold, men det betyr på ingen måte at A forårsaker B. Et årsakssammenheng er å etablere nirvana for å gjøre nøyaktige, innsiktige beslutninger. Det er også utrolig vanskelig å bevise. Hvis du stoler på en produksjon og antar et årsakssammenheng der ingen eksisterer, vil dine beslutninger være dårlige feil.

6. Våre kognitive forstyrrelser blir forsterket når det gjelder å evaluere data. Som en vis datavitenskapsmann en gang intoned, "Ved slutten av den mest kompliserte og uttømmende dataanalysen må et menneske fortsatt tegne en avgjørelse og ta en avgjørelse." Og når vi kommer det punktet der vi må vurdere betydningen av dataanalysen, kommer våre biases inn i spill. Mange av oss har en tendens til å stole på eller stole på data som støtter våre stillinger og forventninger og undertrykker data som gjør det motsatte. Vi stoler også på data fra kilder vi liker, eller vi stoler på data som er den nyeste. Alle disse forstyrrelsene bidrar til utfordringene og mulighetene for feil fra dataanalysene våre.

Slik begynner du å tamme dataene til bruk som en leder:

Utvikling av en virksomhetsomspennende datastrategi er avgjørende for alle virksomheter, men ligger utenfor rammen av denne artikkelen. I stedet er det her syv ideer du kan bruke som leder for å forbedre bruken av data i din daglige beslutningsprosess.

en. Kjenne og begrense potensialet for forstyrrelser . Søk etter data som utvider bildet eller konflikter med dataene foran deg. Oppfordre en ekstern observatør til å vurdere dine antagelser rundt data.

2. Styrke forståelsen av datahåndtering. Det er rikelig med gratis kilder til innsikt på nettet, og mange organisasjoner tilbyr seminarer eller workshops om dataanalyse og forretningsinformasjon. Mange universiteter har lagt til kurs for dette blomstrende feltet. Fortsett å skarpe dine ferdigheter.

3. Spør deg selv eller ditt lag, "Hvilke data trenger vi å ta denne avgjørelsen?" For ofte stole vi på dataene for hånden og ignorerer behovet for å søke mer data for å fullføre bildet.

4. Vær kritisk oppmerksom på forskjellen mellom korrelasjon og årsakssammenheng . Som beskrevet tidligere er forvirrende disse to et potensielt farlig fallgruv for beslutningstaking.

5. Kvalitets- sjekk dine data. Hvis firmaet ditt ikke har en datakvalitet eller forvaltningen av masterdatabasen, investerer du tid til å evaluere dataene dine for åpenbare feil, inkludert dupliserte, ufullstendige eller feilaktige poster. Det er mange kommersielt tilgjengelige programvare eller for å støtte denne aktiviteten, og mange firmaer trekker på ekspertisen til datakunnskaper for å spørre og vurdere datakvaliteten.Vurder også eksterne tjenesteleverandører som kan bidra til å rydde dataene for deg. Viktig, fokus på kontinuerlig å forbedre kvaliteten på dataene dine.

6. Advokat for sterkere datakvalitet og ledelsesinnsats på tvers av firmaet ditt. Dette arbeidet har ofte vært domenet til IT eller tekniske fagfolk, men data har potensial til å fungere som en strategisk ressurs. Hver leder må bryr seg om deres firmas evne til å bedre utnytte data for beslutningstaking og strategiutførelse.

7. Legg til teknisk og data-savvy talent til teamet ditt. Salgs- og markedsføringsavdelinger forstår kraften til å engasjere personer som er dyktige i den nyeste teknologien, og er kompetente til å navigere i mange av de datautfordringene som er skissert i denne artikkelen. Teknologi og data er ikke lenger domenet eller ansvaret for en enkelt funksjon i et foretak.

Bunnlinjen:

Bedriftene og ledere som lærer å utnytte data for bedre beslutningsprosesser, vil vinne på markedet. Disse organisasjonene vil kunne overvåke og reagere på endrede forhold og nye kundebehov raskere enn deres data utfordrede konkurrenter. De vil bli den første til å samle inn innsikt fra sosiale medier dialog, og de vil vinne kampen om å vite og engasjere kunder på et dypere nivå - alt basert på data. Dette er ikke en kjepp, men snarere en ny virkelighet for å styre og konkurrere i dagens verden. Bare pass opp for fallgruvene på denne reisen.