Articles

sådan udnytter du analytics til at blive en virkelig datadrevet organisation – tre ting at overveje

sådan udnytter du analytics til at blive en virkelig datadrevet organisation-tre ting at overveje
Data Scientist. Det er lidt af en tvetydig rolle, da ikke mange mennesker forstår, hvad de gør, og hvordan de gør det. Alligevel er det en rolle æret som væsentligt vigtig. Dataforskere hjælper organisationen med at kortlægge vejen fremad ved at udnytte data og skabe sofistikerede statistiske algoritmer i et forsøg på at løse problemer i rejsen til handlingsmæssig intelligens. Dette job er så efterspurgt, at McKinsey vurderer, at der vil være behov for op til 190.000 dataforskere i USA inden 2020.
i dag er der dog meget få dataforskere og talent til rådighed, der har dybdegående viden om, hvordan man får mest muligt ud af data. Blandt resten af os, mange er ivrige efter hurtigt at drage fordel af denne tendens til at udnytte de enorme mængder nye data, der kommer ind i vores organisation ved at samle og vurdere flere datapunkter end nogensinde før for at understøtte beslutningstagning.
hvad mange er kommet til at indse, er, at deres interesse ligger mindre i selve tendensen, men mere med analyserne. Denne iver, drevet af et ønske om straks at udlede værdifuld, handlingsbar indsigt fra data, fører desværre til resultater med lav effekt. Grundlæggende nøgleelementer, der er nødvendige for virkelig at realisere en effektiv analysevision, går tabt i hast.
gennem vores klientinitiativer mener vi, at der er tre væsentlige elementer, som ledere i enhver forretningsfunktion skal vedtage for at sikre ideelle resultater grundig dataanalyse. Disse inkluderer oprettelse af en klassificering, der skelner mellem big data og analytics; definere en klar forretningsmæssig brugssag; og optimering af eksisterende infrastruktur og værktøjer til at understøtte indsatsen.
Adskil Big Data fra Analytics
den generelle ide bag big data er ikke ny. Virksomheder har søgt at drage fordel af tilgængelige data for at forbedre forretningsdrift og kundeinitiativer i årevis. Hvad der er anderledes i dag er den enorme mængde datatyper og volumen, deres indgangspunkter og den hastighed, hvormed organisationer søger at erhverve og analysere disse data. Hvad der ofte går tabt gennem iver er forståelsen af, at big data ikke kun handler om indsamling og styring af datasæt. Snarere skal big data inkorporere analyser-evnen til at vurdere og identificere resultater og tendenser for at tage mere uddannede, effektive forretningsbeslutninger. For at høste fordelene ved analyser har virksomheder brug for organisatorisk strenghed omkring effektiv erhvervelse og udnyttelse af big data. Fra starten skal alle, der er involveret i et initiativ, have den samme forståelse og forventninger.
Definer business Use Case
big data-og analyserejsen begynder med en relevant, klart defineret og velforståelig business use case. Endnu, en af de primære årsager til frustration er at hoppe ind i et analyseinitiativ for tidligt uden klart at definere, hvad det er, virksomheden ønsker at opnå.
da virksomheder søger at udnytte data – det være sig interne, eksterne, strukturerede eller ustrukturerede – for at øge driftseffektiviteten, forbedre rentabiliteten, øge markedsandelen, tilbyder analytics muligheden for at få indsigt i områder af virksomheden, der tidligere var en fjern virkelighed. Hvad er de indsigter, som du håber at opnå? Hvad søger du at måle? Hvad håber du at opnå gennem analyser til din afdeling eller virksomhed? Disse spørgsmål skal besvares, før du starter rejsen, ellers ankommer du ikke, hvor det forventes, og dine ROI-forventninger bliver stiplet.
organisationer skal forstå, hvorfor og hvor det giver mening at udnytte big data. Etablering af et sæt prioriterede brugssager på funktionsområdeniveau vil sikre klarhed og strategisk vejledning for hvert initiativ og give succeskriterier til måling af resultater. Use cases hjælper med at skabe forretningssager, der giver både IT og virksomheden en fælles ramme til at tackle de ROI-spørgsmål, der forventes fra Organisatorisk Lederskab til investorer.
for eksempel er det ret ligetil for en tøjforhandler at spore antallet af solgte mænds slips. Men, det er mindre indlysende for dem – medmindre de gør brug af den sociale datasamtale – hvorfor særlige bånd, hvor sådanne hot sælgere. Olieselskaber bruger muligvis maskinsensordata til at bestemme, hvornår en udblæsningsforebyggelse muligvis mislykkes, og hvad der er den sandsynlige årsag.
denne brug af data forbedrer arbejdstagernes sikkerhed; forebyggelse af miljøskader og eliminering af potentielle omkostninger.
Optimer eksisterende teknologiinvesteringer
mange virksomheder, der ønsker hurtigt at drage fordel af analytics, skynder sig at købe beslutninger. De søger de nyeste og bedste analyseprogrammer og-værktøjer. Men ved ikke først at have oprettet en klar forretningsmæssig brugssag eller sat de rette datastyringsrammer på plads, vil de sandsynligvis opnå et lavt investeringsafkast fra starten.
virksomheder bør først se på deres nuværende IT-infrastruktur og virksomhedsplanlægningssystemer og søge måder at parre dem med eksterne kilder som sociale medier og sensorer. Dette vil hjælpe dem med at få indledende dataindsigt, der sandsynligvis vil sikre større fleksibilitet til at skalere analyser af efterfølgende datasæt, der vil have en bredere indflydelse på virksomheden, dens partnere og kunder. Endnu vigtigere vil denne praksis give en vej til mere effektiv dataoptimeringsindsats for at drage fordel af open source-dataværktøjer, såsom Hadoop, til at gemme og vurdere større datasæt.
at opnå svar i realtid fra data er det ideelle resultat af analyser. At handle på disse tre kritiske elementer kræver en påskønnelse af tålmodighed – de kræver tid. Iver efter at anvende analyser og opnå hurtige resultater risikerer at skabe flere vanskeligheder end fordele for virksomheden i det lange løb. For at organisationer kan netto deres ideelle resultater med analyser, er disse blokerings-og tacklingstrin vigtige. De tager uden tvivl tid, men deres investeringsafkast vil være uvurderligt for ethvert analyseinitiativ.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.