Articles

분석을 활용하여 진정한 데이터 중심 조직이 되는 방법–고려해야 할 세 가지 사항

분석을 활용하여 진정한 데이터 중심 조직이 되는 방법-고려해야 할 세 가지 사항
도만 바젤과 스콧 슐레진저의
캡제미니
많은 선도 조직 내에서 데이터를 정보로,정보를 인텔리전스로 변환하는 데 주력하는 새로운 역할이 있습니다.데이터 과학자. 그것은 모호한 역할의 비트,하지 많은 사람들이 그들이 무엇을 이해하고 그들이 그것을 어떻게. 그러나 그것은 상당히 중요한 것으로 존경받는 역할입니다. 데이터 과학자들은 데이터를 활용하고 정교한 통계 알고리즘을 만들어 실행 가능한 인텔리전스로의 여정에서 문제를 해결함으로써 조직이 앞으로 나아갈 길을 도표화하도록 돕습니다. 이 작업은 맥킨지가 2020 년까지 미국에서 최대 190,000 데이터 과학자에 대한 필요성이있을 것으로 추정 너무 수요가있다.
그러나 오늘날에는 데이터를 최대한 활용하는 방법에 대한 심층적 인 지식을 가진 데이터 과학자와 재능이 거의 없습니다. 우리 중 많은 사람들은 의사 결정을 지원하기 위해 이전보다 더 많은 데이터 포인트를 축적하고 평가하여 조직에 들어오는 방대한 양의 새로운 데이터를 활용하기 위해 이러한 추세를 신속하게 활용하고자합니다.
많은 사람들이 깨달은 것은 그들의 관심이 추세 자체에 덜 있지만 분석에 더 많이 있다는 것입니다. 데이터에서 가치 있고 실행 가능한 통찰력을 즉시 도출하려는 욕구에 힘 입어 그 열망은 불행히도 영향이 적은 결과로 이어지고 있습니다. 효과적인 분석 비전을 진정으로 실현하는 데 필요한 기본 핵심 요소는 급하게 손실됩니다.
우리의 고객 이니셔티브를 통해,우리는 이상적인 결과 철저한 데이터 분석을 보장하기 위해 모든 비즈니스 기능의 리더가 채택해야 세 가지 필수 요소가 있다고 생각합니다. 여기에는 빅 데이터와 분석을 구분하는 분류 생성,명확한 비즈니스 사용 사례 정의가 포함됩니다; 그리고 노력을 지원하기 위해 기존 인프라와 도구를 최적화.
빅데이터와 애널리틱스 분리
빅데이터의 일반적인 개념은 새로운 것이 아니다. 회사는 수년간 비즈니스 운영 및 고객 이니셔티브를 개선하기 위해 사용 가능한 데이터를 활용하려고 노력해 왔습니다. 오늘날 다른 점은 방대한 양의 데이터 유형 및 볼륨,진입 점 및 조직이 데이터를 수집하고 분석하려는 속도입니다. 열망을 통해 종종 손실되는 것은 빅 데이터가 데이터 세트를 수집하고 관리하는 것이 아니라는 것을 이해하는 것입니다. 오히려 빅 데이터는 분석,즉 결과 및 동향을 평가하고 식별하여 더 교육되고 영향력있는 비즈니스 결정을 내릴 수있는 능력을 통합해야합니다. 분석의 이점을 얻기 위해 기업은 빅 데이터의 효율적인 수집 및 활용에 대한 조직의 엄격함이 필요합니다. 처음부터 이니셔티브에 관련된 모든 사람은 동일한 이해와 기대를 가져야합니다.
비즈니스 사용 사례 정의
빅 데이터 및 분석 여정은 관련성이 높고 명확하게 정의되고 잘 이해된 비즈니스 사용 사례로 시작됩니다. 그러나 좌절의 주요 원인 중 하나는 회사가 달성하고자하는 것을 명확하게 정의하지 않고 너무 빨리 분석 이니셔티브에 뛰어 드는 것입니다.
기업들이 내부,외부,구조화 또는 비구조화된 데이터를 활용하여 운영 효율성을 높이고 수익성을 높이며 시장 점유율을 높이고자 할 때,애널리틱스는 이전에는 멀리 떨어진 현실이었던 비즈니스 영역에 대한 통찰력을 얻을 수 있는 기능을 제공합니다. 여러분이 얻고자 하는 통찰력은 무엇인가? 당신은 무엇을 측정하기 위하여 보고 있는가? 당신은 당신의 부서 또는 기업에 대한 분석을 통해 달성하기 위해 무엇을 희망합니까? 너가 여행을 시작할 전에 이 질문은 응답되어야 한다,그렇지 않으면 예기한 곳에 너는 도착하지 않을 것이다,너의 투자 수익률 기대는 점선될 것이다.
조직은 빅 데이터를 활용하는 것이 왜,어디서 의미가 있는지 이해해야 한다. 기능 영역 수준에서 우선 순위가 지정된 일련의 사용 사례를 설정하면 각 이니셔티브에 대한 명확성과 전략적 지침을 보장하고 성과를 측정하기위한 성공 기준을 제공합니다. 유스 케이스는 투자자에게 조직 지도력에서 예기되는 투자 수익률 질문을 연설하는 그것과 사업에게 공통 기구를 모두 제공하는 사업 케이스를 창조한것을.
예를 들어,의류 소매 업체가 판매 된 남성 넥타이의 수를 추적하는 것은 매우 간단합니다. 그러나,그것은 그들을 위해 덜 분명하다–그들은 소셜 데이터 대화의 사용을하지 않는 한–왜 특정 관계 뜨거운 판매. 석유 회사는 기계 센서 데이터를 사용하여 블로우 아웃 방지 장치가 언제 실패 할 수 있는지,그리고 가능한 원인이 무엇인지 결정할 수 있습니다.
이러한 데이터 사용은 작업자의 안전을 향상시키고 있습니다.; 환경 피해를 방지하고 잠재적 인 비용을 제거합니다.
기존 기술 투자 최적화
분석을 신속하게 활용하려는 많은 기업들이 구매 결정에 몰두하고 있습니다. 그들은 최신의 그리고 최고의 분석 소프트웨어 및 도구를 추구합니다. 그러나 명확한 비즈니스 사용 사례를 처음 만들거나 적절한 데이터 거버넌스 프레임워크를 구축하지 않으면 처음부터 낮은 투자 수익을 얻을 수 있습니다.
기업은 먼저 현재의 인프라 및 엔터프라이즈 계획 시스템을 살펴보고 소셜 미디어 및 센서와 같은 외부 소스와 페어링하는 방법을 모색해야합니다. 이를 통해 비즈니스,파트너 및 고객에게 더 광범위한 영향을 미칠 후속 데이터 세트의 분석을 확장 할 수있는 유연성을 확보 할 수있는 초기 데이터 통찰력을 얻을 수 있습니다. 더 중요한 것은,이 방법은 저장하고 더 큰 데이터 세트를 평가하기 위해,하둡과 같은 오픈 소스 데이터 도구를 활용하기 위해보다 효율적인 데이터 최적화 노력에 대한 경로를 제공합니다.
데이터로부터 실시간 답변을 얻는 것이 분석의 이상적인 결과이다. 이 세 가지 중요한 요소에 따라 행동하려면 인내심에 대한 감사가 필요합니다. 분석을 사용하고 빠른 결과를 얻으려는 열망은 장기적으로 비즈니스에 대한 혜택보다 더 많은 어려움을 야기 할 위험이 있습니다. 조직이 분석을 통해 이상적인 결과를 확보하려면 이러한 차단 및 해결 단계가 필수적입니다. 그들은 의심 할 여지없이 시간이 걸리지 만 투자 수익은 모든 분석 이니셔티브에 매우 중요 할 것입니다.

답글 남기기

이메일 주소는 공개되지 않습니다.