Guida al processo decisionale basato sui dati- Process, Tips & Benefits Il processo decisionale
I big data sono forse la parola d'ordine piu grande dell'ultimo decennio, e per una buona ragione. I dati sono fondamentali per il modo in cui le aziende operano oggi, tanto che secondo l'International Data Corporation, si prevede che la spesa per dati e analisi raggiunga 274,3 miliardi di dollari entro il 2022.
Gran parte di questo ha a che fare con quanto e diventato facile raccogliere informazioni digitali e sfruttarle in business intelligence fruibile. Questo, a sua volta, ha contribuito a promuovere un cambiamento nel pensiero tra i leader aziendali, molti dei quali sono passati dal semplice affidamento sull'intuizione all'impiego di processi decisionali basati sui dati.
Il processo decisionale basato sui dati Spiegato
Mentre l'intuizione puo essere utile in determinate situazioni, sarebbe sciocco basare tutte le decisioni aziendali solo sull'istinto. Dopo tutto, la sensazione intestinale non puo essere registrata, verificata e quantificata. Per questo, le aziende hanno bisogno di analisi dei dati. Il
processo decisionale basato sui dati (DDM) e essenzialmente il processo di prendere decisioni aziendali basate su dati quantificabili effettivi invece di congetture da sole. Viene sulla scia dell'emergere di tecnologie di analisi dei dati, che hanno reso la business intelligence piu accessibile agli analisti non di dati.
Questa tendenza, nota come democratizzazione dei dati, ha sbloccato piu opportunita per le aziende di raccogliere informazioni dalle loro attivita, che vanno dall'inventario e approvvigionamento al servizio clienti e alle vendite tra molti altri reparti. Ancora piu importante, le aziende possono utilizzare questi dati per prendere decisioni aziendali senza richiedere un supporto IT esteso e un'infrastruttura.
DDM in genere prevede le seguenti attivita-
- Raccolta di dati basati su metriche e indicatori di performance chiave (KPI)
- Identificazione e analisi dei modelli dai dati
- Utilizzo delle informazioni dettagliate per sviluppare strategie e attivita per migliorare le operazioni aziendali e raggiungere il business
DDM non ha solo un bell'aspetto sulla carta, ma genera anche risultati. Un sondaggio di PwC su piu di 1.000 dirigenti senior ha rilevato che le organizzazioni altamente basate sui dati hanno tre volte piu probabilita di essere efficaci nel processo decisionale rispetto a quelle che hanno scelto di non utilizzare i propri dati.
5 passaggi per prendere decisioni basate sui dati
Mentre non esiste una singola metodologia accettata per prendere decisioni basate sui dati, la maggior parte delle organizzazioni tende a seguire questi passaggi quando si utilizza la business intelligence.
1. Imposta obiettivi per l'analisi dei
dati Un analista di dati efficace e una persona che comprende l'organizzazione e i suoi obiettivi aziendali generali. Iniziate ponendo domande come-
- Quali sono i problemi piu urgenti unici per il settore? Per l'organizzazione?
- Quali sfide deve affrontare regolarmente l'azienda?
- Quali sono i principali obiettivi aziendali dell'azienda?
- In che modo la raccolta e l'analisi dei dati possono aiutare l'azienda a raggiungere questi obiettivi?
Conoscere le risposte a queste domande stabilisce una conoscenza fondamentale che aiuta l'azienda a comprendere il rapporto tra i dati e i suoi obiettivi di business. Consente inoltre all'organizzazione di snellire i metodi di raccolta dei dati ed evitare perdite di tempo e risorse.
2. Elenca origini dati
Successivamente, identificare le origini da cui la societa raccogliera i dati. Cio puo comportare qualsiasi cosa, dai database esistenti (ad esempio, inventario, fornitori, abbonati alla newsletter) ai moduli di feedback dei consumatori.
Le aziende devono coordinare le proprie fonti di dati trovando in comune le variabili di diversi set di dati. Naturalmente, questo e piu facile a dirsi che a farsi in quanto e molto piu opportuno utilizzare i dati per i suoi scopi attuali. Tuttavia, questo stesso set di dati potrebbe essere utilizzato per altri progetti in futuro.
Ad esempio, un'azienda con un tasso insolitamente elevato di dipendenti che si dimette entro un anno dall'onboarding puo dedurre che qualcosa potrebbe essere sbagliato all'interno dei suoi team manageriali e supervisore. Ma questo stesso set di dati puo essere utilizzato anche per migliorare le pratiche di reclutamento dell'azienda, magari migliorando le descrizioni dei posti di lavoro per gestire meglio le aspettative.
3. Ripulire i dati
L'avvento dell'analisi dei dati ha reso piu semplice che mai raccogliere enormi volumi di dati. Ma questo e solo il primo passo. Il prossimo ostacolo e ripulire e organizzare i dati per l'analisi.
Secondo IBM, l'organizzazione dei dati puo facilmente occupare l'80% del tempo di un analista di dati, con solo il 20% speso per l'analisi effettiva - un problema definito come regola 80/20. Cio sottolinea l'importanza di avere dati puliti e organizzati prima di tentare di interpretare il suo significato per l'azienda.
Una piattaforma di analisi dei dati affidabile fara breve lavoro di questo. Ma la pulizia dei dati puo anche essere eseguita manualmente su un programma di fogli di calcolo. Una volta che i set di dati sono stati organizzati e catalogati in tabelle, e sufficiente creare un dizionario di dati - un repository di informazioni come il significato dei dati, la relazione tra set di dati, l'origine delle figure e formati di dati.
4. Condurre analisi statistica
Dopo che i dati sono stati puliti e organizzati, gli analisti di dati dell'azienda possono iniziare a costruire modelli statistici per testare l'accuratezza dei dati e confermare le ipotesi o le domande identificate nelle fasi precedenti del processo di raccolta dei dati. Esempi di modelli statistici includono alberi decisionali, regressioni e modellazione di foreste casuali.
Qualunque sia il modello utilizzato, gli analisti di dati dovranno decidere il modo migliore per presentare le informazioni ai principali stakeholder dell'organizzazione. Questo puo essere fatto in uno o piu dei seguenti modi-
- Presentazione descrittiva che fornisce fatti quantificabili
- Presentazione inferenziale che fornisce un'interpretazione contestuale dei fatti all'interno di un particolare progetto
- Presentazione predittiva, dove si consiglia ulteriori azioni sulla base dell'interpretazione dei risultati
5. Conclusioni
Infine, il processo DDM termina con una conclusione basata sull'analisi dei dati. Per dirla semplicemente, si tratta di porre la domanda, Che cosa abbiamo imparato dalla raccolta e analisi dei dati?
Contrariamente alla credenza popolare, la conclusione non deve essere la scoperta di qualcosa di nuovo. Puo anche confermare qualcosa che l'azienda gia conosce o sospetta. Ad esempio, un'attivita di vendita al dettaglio nota che il suo stock tende a esaurirsi durante le festivita - novembre e dicembre. Ma prima di apportare modifiche all'inventario, decide di esaminare i dati storici dell'inventario per determinare se questa ipotesi e vera o meno.
E anche importante ricordare che i risultati e le conclusioni sono utili solo se vengono presentati in modo efficace. Cio significa che gli analisti di dati devono anche essere esperti nella creazione di narrazioni attraverso tecniche come la visualizzazione dei dati.
Linee guida generali per il processo decisionale basato sui dati
Nonostante l'elevato livello di interesse per la tecnologia e i servizi per l'analisi dei dati, c'e una disconnessione tra quanto le aziende stanno spendendo per le loro capacita di analisi dei dati e quanto efficacemente utilizzano i dati nella loro organizzazione. Secondo un sondaggio condotto su 64 dirigenti di livello C, solo il 72% ha dichiarato di essere in grado di coltivare una cultura basata sui dati nelle rispettive organizzazioni.
Questa disconnessione spesso deriva da un malinteso fondamentale di cosa significhi essere un'organizzazione basata sui dati. Non si tratta solo di tecnologia e dati di qualita, ma anche di avere la cultura giusta e i processi interni per prendere decisioni basate sui dati.
Le seguenti linee guida dovrebbero aiutare le aziende a diventare piu efficaci in DDM.
1. Controlla i pregiudizi personali
Tutti hanno i loro pregiudizi, il che puo rendere difficile essere completamente oggettivi quando si prendono decisioni basate sui dati. Come dice l'adagio, la gente vede quello che vuole vedere. Fortunatamente, ci sono modi per evitare distorsione di contaminare l'analisi dei dati e il DDM.
- Riconoscere la sfida del pregiudizio. Semplicemente essere consapevoli del fatto che esiste un pregiudizio va molto avanti verso la riduzione del suo impatto.
- Lavorare in team. Cio garantisce che gli analisti di dati possano tenersi a vicenda sotto controllo.
- Cercare dati in conflitto e porre le domande giuste per testare ipotesi e risultati iniziali.
2. Inizia a raccogliere i dati appena possibilela
raccolta dei dati deve avvenire il giorno in cui l'azienda decide di essere piu basata sui dati. Ci deve essere uno sforzo consapevole non solo per raccogliere e registrare le informazioni, ma anche per creare un sistema per la pulizia e l'organizzazione dei volumi di dati che l'azienda raccogliera.
3. Fai le domande giuste
Fare le giuste domande di analisi dei dati aiuta il team a concentrarsi sui dati rilevanti, impedendo loro di andare giu per le buche di coniglio e di inseguire i cavi che non vanno da nessuna parte.
Questo risale agli obiettivi del team di analisi dei dati. Che cosa vuole imparare esattamente il team dai dati? Quali indicatori KPI verranno utilizzati per misurare le variabili? Da dove verranno i dati? Queste sono solo alcune delle molte domande che gli analisti dovrebbero porre i dati.
4. Cerca i dati per rispondere a queste domande
Successivamente, trova i dati per rispondere alle domande identificate nella fase precedente. Determinare se questi dati sono gia stati raccolti in precedenza o se e necessario impostare nuovi meccanismi per acquisirli (sia internamente che esternamente).
5. Non esitare a rivedere e rianalizzare i
team di analisi dei dati non dovrebbero avere paura di fare un passo indietro e ripensare la loro interpretazione dei dati. Le modifiche sono destinate a verificarsi, ma gli analisti dovrebbero vederle come errori. Piuttosto, questi momenti dovrebbero essere affrontati come opportunita per apprendere e migliorare le loro pratiche di analisi dei dati. Capire dove l'analisi e andata storta e correggere subito le cose produrra risultati piu accurati.
6. Presentare i dati in modo significativo
I risultati ottenuti dall'analisi dei dati aziendali possono essere utili solo se presentati in modo significativo. Utilizzando gli strumenti software, i team di analisi dei dati possono creare un dashboard personalizzato che racconta una storia di dati aggiornata, aiutando l'organizzazione a prendere decisioni efficaci basate sui dati.
Ad esempio, un dashboard delle previsioni di vendita fornira una panoramica panoramica degli indicatori KPI finanziari piu importanti della societa, ad esempio le vendite, le spese operative, il margine di profitto netto e gli utili attesi.
7. Imposta obiettivi decisionali misurabili
In questa fase, e il momento di iniziare a prendere decisioni aziendali. Tuttavia, e importante ricordare che qualsiasi decisione basata sui dati dell'analisi deve essere allineata con la strategia aziendale generale e gli obiettivi dell'azienda. E fondamentale che gli analisti di dati stabiliscano obiettivi misurabili per garantire che siano sulla strada giusta.
Vantaggi di essere un'azienda basata sui dati
Sebbene il processo decisionale basato sui dati sia una disciplina complessa con molteplici vantaggi, i tre vantaggi piu interessanti sono-
- Confident Decisionale - L'utilizzo dei dati per guidare i processi decisionali dell'azienda si traduce in decisioni piu obiettive che possono essere verificate, testate e persino replicate in determinate condizioni.
- Risparmio sui costi - Secondo un sondaggio di Harvard Business Review, il 49% delle organizzazioni che hanno intrapreso progetti di dati per ridurre le spese operative ha visto risultati positivi.
- Decisionale proattivo - Con abbastanza tempo e pratica, le aziende che prendono decisioni basate sui dati impareranno a sfruttare le loro analisi in modo piu proattivo, ad esempio prevedendo la domanda o determinando l'adattamento al mercato del prodotto dei prodotti ancora in fase di sviluppo.
Naturalmente, la capacita di qualsiasi organizzazione di prendere decisioni aziendali basate sui dati si basa sul presupposto che stia lavorando con dati accurati.
Le procedure di gestione dei dati come l'integrazione dei dati (DI) gestiscono questa sfida consolidando le informazioni quantificabili che risiedono in piu origini in un set di dati che offre una visione in tempo reale delle prestazioni aziendali. L'integrazione dell'intelligenza artificiale e dell'apprendimento automatico nei sistemi DI migliora ulteriormente la loro capacita di memorizzare valori e metadati accurati e completi.
Infine, un'organizzazione basata sui dati deve riesaminare continuamente, interrogare e rianalizzare le proprie decisioni basate sui dati. Le organizzazioni possono anche dover modificare i propri obiettivi aziendali in base alle circostanze e al paesaggio, il che, a sua volta, significa adottare un nuovo approccio di analisi dei dati.
Analisi predittiva delle vendite- che cos'e e quali sono i vantaggi?
