Articles

hur man utnyttjar analytics för att bli en verkligt datadriven organisation – tre saker att tänka på

hur man utnyttjar analytics för att bli en verkligt datadriven organisation-tre saker att tänka på
av Dorman Bazzell och Scott Schlesinger, Capgemini
det finns en ny roll inom många ledande organisationer som fokuserar på att hjälpa till att omvandla data till information och information till intelligens– Data Scientist. Det är lite av en tvetydig roll, eftersom inte många förstår vad de gör och hur de gör det. Ändå är det en roll som är vördad som väsentligt viktig. Dataforskare hjälper organisationen att kartlägga vägen framåt genom att utnyttja data och skapa sofistikerade statistiska algoritmer i ett försök att lösa problem i resan till handlingsbar intelligens. Det här jobbet är så efterfrågat att McKinsey uppskattar att det kommer att behövas upp till 190 000 Dataforskare i USA år 2020.
idag finns det dock väldigt få datavetare och talanger tillgängliga som har fördjupad kunskap om hur man får ut det mesta av data. Bland resten av oss är många angelägna om att snabbt dra nytta av denna trend för att utnyttja de stora mängderna nya data som kommer in i vår organisation genom att samla och bedöma fler datapunkter än någonsin tidigare för att stödja beslutsfattandet.
vad många har insett är att deras intresse ligger mindre i trenden själv men mer med analysen. Den iver, som drivs av en önskan att omedelbart härleda värdefulla, handlingsbara insikter från data, leder tyvärr till låga effekter. Grundläggande nyckelelement som behövs för att verkligen förverkliga en effektiv analysvision går förlorade i brådska.
genom våra kundinitiativ tror vi att det finns tre väsentliga delar som ledare i alla affärsfunktioner måste anta för att säkerställa ideala resultat grundlig dataanalys. Dessa inkluderar att skapa en klassificering som gör skillnad mellan big data och analytics; definiera ett tydligt affärsbruk; och optimera befintlig infrastruktur och verktyg för att stödja ansträngningen.
separera Big Data från Analytics
den allmänna tanken bakom big data är inte ny. Företag har letat efter att dra nytta av tillgängliga data för att förbättra affärsverksamheten och kundinitiativen i flera år. Vad som är annorlunda idag är den stora mängden datatyper och volym, deras ingångspunkter och den hastighet med vilken organisationer försöker förvärva och analysera dessa data. Det som ofta går vilse genom iver är förståelsen att big data inte bara handlar om att samla in och hantera datamängder. Snarare måste big data införliva analytics-förmågan att bedöma och identifiera resultat och trender för att göra mer utbildade, effektfulla affärsbeslut. För att dra nytta av analytics behöver företag organisatorisk noggrannhet kring effektivt förvärv och utnyttjande av big data. I början måste alla som är involverade i ett initiativ ha samma förståelse och förväntningar.
definiera Business use Case
big data-och analytics-resan börjar med ett relevant, tydligt definierat och väl förstått business use case. Ändå hoppar en av de främsta orsakerna till frustration in i ett analysinitiativ för tidigt utan att tydligt definiera vad det är företaget vill åstadkomma.
när företag försöker utnyttja data – vare sig det är internt, externt, strukturerat eller ostrukturerat – för att öka den operativa effektiviteten, förbättra lönsamheten, öka marknadsandelarna, erbjuder analytics möjligheten att få insikter om områden i verksamheten som tidigare var en avlägsen verklighet. Vilka är de insikter som du hoppas få? Vad vill du mäta? Vad hoppas du uppnå genom analys för din avdelning eller företag? Dessa frågor måste besvaras innan du börjar resan, annars kommer du inte fram där förväntat, och dina ROI-förväntningar kommer att bli streckade.
organisationer måste förstå varför och var det är vettigt att utnyttja big data. Att upprätta en uppsättning prioriterade användningsfall på funktionell områdesnivå säkerställer tydlighet och strategisk vägledning för varje initiativ och ger framgångskriterier för mätning av prestationer. Använd fall hjälper till att skapa affärsfall som ger både IT och verksamheten en gemensam ram för att ta itu med de ROI-frågor som förväntas från organisatoriskt ledarskap till investerare.
det är till exempel ganska enkelt för en klädhandlare att spåra antalet sålda slipsar för män. Men, det är mindre uppenbart för dem – om de inte använder sig av den sociala datakonversationen-varför särskilda band där sådana heta säljare. Oljebolag kan använda maskinsensor data för att avgöra när en utblåsning preventer kan misslyckas och vad som är den sannolika orsaken.
denna användning av data förbättrar arbetstagarnas säkerhet; förhindra miljöskador och eliminera potentiella kostnader.
optimera befintliga teknikinvesteringar
många företag som snabbt vill dra nytta av analytics rusar in i köpbeslut. De söker efter den senaste och bästa analysprogramvaran och verktygen. Men genom att inte först ha skapat ett tydligt affärsanvändningsfall eller sätta rätt datastyrningsramar på plats, kommer de sannolikt att uppnå en låg avkastning på investeringen från början.
företag bör först titta på deras nuvarande IT-infrastruktur och företagsplaneringssystem och söka sätt att para ihop dem med externa källor som sociala medier och sensorer. Detta kommer att hjälpa dem att få initiala datainsikter som sannolikt kommer att säkerställa större flexibilitet för att skala analyser av efterföljande datamängder som kommer att få en bredare inverkan på verksamheten, dess partners och kunder. Ännu viktigare är att denna praxis ger en väg till effektivare dataoptimeringsinsatser för att dra nytta av open source-dataverktyg, till exempel Hadoop, för att lagra och bedöma större datamängder.
att uppnå svar i realtid från data är det perfekta resultatet av analys. Att agera på dessa tre kritiska element kräver en uppskattning för tålamod-de kräver tid. Iver att använda analys och uppnå snabba resultat riskerar att skapa fler svårigheter än fördelar för verksamheten på lång sikt. För att organisationer ska kunna uppnå sina ideala resultat med analys är dessa blockerings-och åtgärdssteg viktiga. De tar utan tvekan tid, men deras avkastning på investeringen kommer att vara ovärderlig för alla analysinitiativ.

Lämna ett svar

Din e-postadress kommer inte publiceras.