6 მონაცემთა გამოწვევები მენეჯერებისა და ორგანიზაციების წინაშე

•••

მონტი რაკუზენი / გეტის სურათები

ჩვენ ვმუშაობთ მონაცემებზე ორიენტირებულ სამყაროში. მენეჯერები იბომბებიან მონაცემებით ანგარიშების, დაფების და სისტემების საშუალებით. ჩვენ რეგულარულად გვახსენებენ გაკეთებას მონაცემების საფუძველზე მიღებული გადაწყვეტილებები . უფროსი ლიდერები ნერწყვდებიან დიდი მონაცემების დაპირებაზე, რომ განავითარონ ა კონკურენტული უპირატესობა , თუმცა უმეტესობა ცდილობს შეთანხმდეს იმაზე, თუ რა არის ეს, მით უმეტეს, აღწერს მოსალოდნელ ხელშესახებ სარგებელს.

მონაცემთა მეცნიერის როლი ძალიან მოთხოვნადია, პროგნოზირებული ხარვეზებით ამ განვითარებად, მნიშვნელოვან როლში, რომელიც მოსალოდნელია წლების განმავლობაში. ორგანიზაციები ყოველწლიურად ხარჯავენ უამრავ უამრავ პროდუქტს პროგრამული უზრუნველყოფის ინსტალაციისთვის მონაცემთა აღების, შესანახად და ანალიზისთვის. მარკეტინგის განყოფილებები სულ უფრო და უფრო ივსება ტექნიკური, მონაცემთა მცოდნე პროფესიონალებით შემოქმედებითი როლების ხარჯზე.

ბიზნესის სამყარო არის მონაცემებზე ორიენტირებული სამყარო, მაგრამ მნიშვნელოვანია იმის აღიარება, რომ მონაცემები თავისთავად არ არის დასასრული. ისევე როგორც ყველაფერი, რასაც ჩვენ ვიყენებთ ჩვენს მუშაობაში, მონაცემები არის დაპირებებით სავსე ინსტრუმენტი. სათანადო მიდგომებით, მონაცემების პოტენციალი, რომელიც ხელს შეუწყობს გადაწყვეტილების მიღებას, გასაოცარია.

თუმცა, ნუ იდარდებთ ცრუ რწმენაში, რომ მონაცემების მოპოვება და ანალიზი რისკის გარეშეა. მოდით, ცოტათი გავაუმჯობესოთ მონაცემების, როგორც ბიზნესის მხსნელის იდეა და დავეხმაროთ ზოგიერთი პოტენციური ხარვეზის იდენტიფიცირებას, რომელიც ეს ახალი რესურსი ყველა ჩვენგანს წარმოადგენს.

წინასწარ გაფრთხილებული არის წინამორბედი.

მონაცემთა ცუდი ხარისხი

მიუხედავად იმისა, რომ ჩვენ მიჩვეული ვართ ვიფიქროთ ხარისხზე ფიზიკური ობიექტების ან პროდუქტების კონტექსტში, გამოდის, რომ მონაცემთა ხარისხი ყოველთვის მატერიალური საკითხია ყველა ფირმისთვის. სტრუქტურირებულ მონაცემთა ბაზებში ან საცავებში შენახული მონაცემები ხშირად არასრული, არათანმიმდევრული ან მოძველებულია. სავარაუდოა, რომ თქვენ უკვე მიმღები იყო მონაცემთა ხარისხის პრობლემის მარტივი მაგალითი.

ბევრ ჩვენგანს შეუძლია გაიხსენოს მარკეტოლოგებისგან დუბლიკატი წერილების მიღება, რომლებიც მიმართულია ჩვენი ნამდვილი სახელის ოდნავ განსხვავებულ ან რადიკალურად განსხვავებულ ვერსიებზე. მარკეტერის მონაცემთა ბაზა შეიცავს დუბლიკატებს ჩვენი მისამართით და ჩვენი სახელის სხვადასხვა, ხშირად მცდარი მართლწერით ან ვარიაციით. ჩვენ ვამუშავებთ დუბლიკატ ფოსტას, როგორც უსარგებლო, და მარკეტერი იხდის ზედმეტ ხარჯებს ბეჭდვისა და ფოსტის სახით, ეს ყველაფერი მონაცემთა ხარისხის მარტივი პრობლემის გამო. გააძლიერეთ ეს შეცდომა მრავალი ასეული ან ათასობით ჩანაწერით და ეს მცირე მონაცემთა ხარისხის შეცდომა ძვირი გახდება.

მონაცემთა ხარისხის საკითხი უფრო აქტუალური ხდება, რადგან ჩვენ ვცდილობთ მივიღოთ გადაწყვეტილებები სტრატეგიებზე, ბაზრებზე და მარკეტინგზე თითქმის რეალურ დროში. მიუხედავად იმისა, რომ არსებობს პროგრამული უზრუნველყოფა და გადაწყვეტილებები, რათა დაეხმაროს სტრუქტურირებული (ფორმატირებული) მონაცემების მონიტორინგსა და ხარისხის გაუმჯობესებას, რეალური გადაწყვეტა არის მნიშვნელოვანი, მთელი ორგანიზაციის ვალდებულება მონაცემების, როგორც ღირებული აქტივის მიმართ. პრაქტიკაში ამის მიღწევა რთულია და მოითხოვს არაჩვეულებრივ დისციპლინას და ლიდერის მხარდაჭერას.

დათაში იხრჩობა

მონაცემები ყველგან არის ორგანიზაციაში. განიხილეთ მომხმარებლის მონაცემები. ორგანიზაციების უმეტესობა დახელოვნებულია კლიენტებისა და პერსპექტივების შესახებ ინფორმაციის მოპოვებაში.

• მარკეტინგი აგროვებს მონაცემებს იმ ადამიანებისგან, რომლებიც ესწრებიან ლაივ ან ვებ ღონისძიებებს ან ჩამოტვირთავენ კონტენტს.
• აღმასრულებლები იყენებენ მონაცემებს ახლის მხარდასაჭერად ან განსაზღვრისთვის სტრატეგიები .
• გაყიდვები აგროვებს მონაცემებს გაყიდვების პროცესში ჩართული მომხმარებლების შესახებ.
• მომხმარებელთა მხარდაჭერა იჭერს ინფორმაციას ზარებისა და ჩეთების შესახებ.
• მენეჯმენტის გუნდები ეყრდნობიან მონაცემებს და ძირითადი მეტრიკა ანგარიშის ბარათებისთვის.
• მომხმარებელთა მონაცემები გამოიყენება აღრიცხვაში ბილინგის მიზნებისთვის და ხარისხისა და მომხმარებელთა ინსპექტირების გუნდების მიერ მომხმარებელთა კმაყოფილების მონიტორინგი .

ჩვენ ვაგროვებთ მომხმარებლის ინფორმაციას სხვადასხვა პროგრამულ სისტემაში და ვინახავთ მონაცემებს სხვადასხვა მონაცემთა საცავებში. Global Fortune 100-ის ერთ-ერთმა ფირმამ აღიარა, რომ მათი კლიენტების მონაცემების 10 პროცენტი ადგილობრივად იყო განთავსებული თანამშრომლების მიერ მათ კომპიუტერებზე ცხრილებში. კიდევ ერთი ორგანიზაცია რეგულარულად ატარებს გამოკითხვას მათი გაყიდვების წარმომადგენლებისთვის სავიზიტო ბარათების მონაცემებზე მარკეტინგული კამპანიების გატარებამდე.

ისევე როგორც ოკეანეში მიმავალი მეზღვაური, რომელიც ჩაძირულია სამაშველო ნავში მისი გემის ჩაძირვის შემდეგ, ყველგან წყალია, მაგრამ არც ერთი წვეთი დასალევი. იგივე ფენომენი გვაქვს ჩვენს ბიზნესში. მონაცემები ყველგან არის და სულ უფრო მეტი მონაცემები ხელმისაწვდომია სოციალური და საძიებო არხებიდან რეალურ დროში. თუ მონაცემები არ არის ადვილად მისაწვდომი ან, თუ ჩვენ გვაქვს დუბლიკატი ან არასრული მონაცემები, ჩვენ არ შეგვიძლია მისი დანიშნულებისამებრ გამოყენება.

უფრო და უფრო ორგანიზაციები აერთიანებენ თავიანთ განსხვავებულ პროგრამულ აპლიკაციებს და ამარტივებს მონაცემთა შეგროვებისა და აგრეგაციის პროცესს საწარმოში. თუმცა, მონაცემთა ხარისხთან ერთად, ეს ძალისხმევა ძვირია, შრომატევადი და არასოდეს მთავრდება.

მზარდი მონაცემთა მოცულობა

ჩვენ სულ უფრო მეტ მონაცემს ვაკეთებთ ძნელად აღსაქმელი ტემპით. ექსპერტები ვარაუდობენ, რომ ყოველ ორ წელიწადში ერთხელ (და მცირდება) ჩვენ ვქმნით იმაზე მეტ მონაცემს, ვიდრე დედამიწაზე იყო მთელი ცივილიზაციისთვის.

ამ ახალი მონაცემების უმეტესობა არ არის სტრუქტურირებული, იმ ტიპის მონაცემების წინააღმდეგ, რომლებიც კარგად არის შეყვანილი ჩვენს პროგრამულ და მონაცემთა ბაზის აპლიკაციებში. მაგალითად, თქვენი პროდუქტის ან ბრენდის შესახებ ყველა ტვიტი წარმოადგენს შეხედულებების პოტენციურ საგანძურს, მაგრამ ეს მონაცემები არასტრუქტურირებულია, რაც ზრდის მისი აღების და ანალიზის სირთულეს. მიუხედავად იმისა, რომ არსებობს მრავალი პროგრამული შეთავაზება ამ გამოწვევის დასახმარებლად, არასტრუქტურირებული მონაცემები წარმოადგენს ნედლეულის ახალ ტორენტს დასამუშავებლად, ამ სტატიაში განხილული ყველა თანდაყოლილი სირთულისა და ხარისხის საკითხებით.

Garbage-In, Garbage-Out

მონაცემთა ანალიტიკური პროგრამული უზრუნველყოფა მხოლოდ ისეთივე კარგია, როგორც მასში მოწოდებული მონაცემები. უპირატესობისთვის მონაცემების გამოყენების საერთო თემა ამ საკითხში არის ხარისხი. მიუხედავად იმისა, რომ ბევრი ფირმა ინვესტირებას უწევს მნიშვნელოვან დოლარს მონაცემთა მძლავრ ახალ აპლიკაციებში, ბინძური მონაცემების გაფუჭება იწვევს არასწორ გადაწყვეტილებებს. ფრთხილად იყავით, რომ ბრმად არ ენდოთ მონაცემთა ანალიზის მცდელობებს. დარწმუნებული უნდა იყოთ, რომ შეგიძლიათ ენდოთ ანალიზში გამოყენებულ მონაცემებს.

მონაცემთა ანალიზი არ არის დამაჯერებელი

ჩვენ ვიღებთ მონაცემების ანალიზის შედეგებს, როგორც დამაჯერებელს, მაგრამ ეს ასე არ არის. სინამდვილეში, მონაცემთა ანალიზი ყველაზე ხშირად აჩვენებს კორელაციას და არა მიზეზობრიობას! ადვილია მონაცემთა ანალიზის შედეგის ნდობის მახეში ჩავარდნა და მიზეზობრიობასთან კორელაციის აღრევა.

კორელაცია აჩვენებს ურთიერთობას, მაგრამ ის არანაირად არ ნიშნავს, რომ A იწვევს B. მიზეზობრივი კავშირის დამყარება არის ნირვანა ზუსტი, გამჭრიახი გადაწყვეტილებების მისაღებად. ასევე წარმოუდგენლად რთული დასამტკიცებელია. თუ თქვენ ზედმეტად ენდობით შედეგს და ჩათვლით მიზეზობრივ ურთიერთობას იქ, სადაც არ არსებობს, თქვენი გადაწყვეტილებები სასიკვდილო ხარვეზები იქნება.

გაძლიერებული მიკერძოება

ჩვენი კოგნიტური მიკერძოება ძლიერდება, როდესაც საქმე ეხება მონაცემთა შეფასებას. როგორც ერთმა ბრძენმა მონაცემთა მეცნიერმა ერთხელ აღნიშნა, „მონაცემების ყველაზე რთული და ამომწურავი ანალიზის ბოლოს, ადამიანმა ჯერ კიდევ უნდა გამოიტანოს დასკვნა და მიიღოს გადაწყვეტილება“. და როდესაც ჩვენ მივაღწევთ იმ წერტილს, სადაც უნდა შევაფასოთ მონაცემთა ანალიზის მნიშვნელობა, ჩვენი მიკერძოება ჩნდება. ბევრი ჩვენგანი მიდრეკილია ენდოს ან დაეყრდნოს მონაცემებს, რომლებიც მხარს უჭერენ ჩვენს პოზიციებსა და მოლოდინებს და თრგუნავენ მონაცემებს, რომლებიც საპირისპიროა. ჩვენ ასევე ვენდობით მონაცემებს იმ წყაროებიდან, რომლებიც მოგვწონს, ან ვეყრდნობით მონაცემებს, რომლებიც ყველაზე ბოლოა.ყველა ეს მიკერძოება ხელს უწყობს გამოწვევებს და შეცდომების პოტენციალს ჩვენი მონაცემთა ანალიზიდან.

როგორ დავიწყოთ მონაცემების მოთვინიერება მენეჯერად

საწარმოს მასშტაბით მონაცემთა სტრატეგიის შემუშავება მნიშვნელოვანია ყველა ბიზნესისთვის, მაგრამ სცილდება ამ სტატიის ფარგლებს. ამის ნაცვლად, აქ არის შვიდი იდეა, რომლებიც შეგიძლიათ გამოიყენოთ როგორც მენეჯერი, რათა გააუმჯობესოთ მონაცემების გამოყენება თქვენი ყოველდღიური გადაწყვეტილების მიღებისას.

აღიარეთ მიკერძოება

აღიარეთ და შეამცირეთ მიკერძოების პოტენციალი. მოძებნეთ მონაცემები, რომლებიც აფართოებს სურათს ან ეწინააღმდეგება თქვენს თვალწინ არსებულ მონაცემებს. წაახალისეთ გარე დამკვირვებელი შეაფასოს თქვენი ვარაუდები მონაცემების გარშემო.

Მონაცემთა მართვა

გააძლიერეთ თქვენი გაგება მონაცემთა მართვის შესახებ. ინტერნეტში არის ინფორმაციის უამრავი უფასო წყარო და ბევრი ორგანიზაცია გთავაზობთ სემინარებს ან სემინარებს მონაცემთა ანალიტიკისა და ბიზნეს დაზვერვის შესახებ. ბევრმა უნივერსიტეტმა დაამატა კურსები ამ მზარდი სფეროსთვის. განაგრძეთ თქვენი უნარების გამძაფრება.

სრული მონაცემები

ჰკითხეთ საკუთარ თავს ან თქვენს გუნდს, 'რა მონაცემები გვჭირდება ამ გადაწყვეტილების მისაღებად?' ძალიან ხშირად, ჩვენ ვეყრდნობით ხელთ არსებულ მონაცემებს და უგულებელყოფთ მეტი მონაცემების მოძიების აუცილებლობას სურათის დასასრულებლად.

კორელაცია და მიზეზობრიობა

კრიტიკულად გაითვალისწინეთ განსხვავება კორელაციასა და მიზეზობრიობას შორის. როგორც უკვე აღვნიშნეთ, ამ ორის აღრევა არის პოტენციურად საშიში პრობლემა გადაწყვეტილების მიღებისთვის.

ხარისხი - შეამოწმეთ თქვენი მონაცემები

თუ თქვენს ფირმას არ გააჩნია მონაცემთა ხარისხის ან ძირითადი მონაცემთა მართვის ვალდებულება, დახარჯეთ დრო თქვენი მონაცემების შესაფასებლად აშკარა შეცდომებისთვის, მათ შორის დუბლიკატი, არასრული ან მცდარი ჩანაწერები. არსებობს მრავალი კომერციულად ხელმისაწვდომი პროგრამული უზრუნველყოფა ან ამ აქტივობის მხარდასაჭერად და ბევრი ფირმა იყენებს მონაცემთა ექსპერტების გამოცდილებას მონაცემთა ხარისხის შეკითხვისა და შესაფასებლად. ასევე, განიხილეთ გარე სერვისის პროვაიდერები, რომლებსაც შეუძლიათ დაგეხმარონ მონაცემთა გაწმენდაში. რაც მთავარია, ყურადღება გაამახვილეთ მუდმივად აუმჯობესებს ხარისხს თქვენი მონაცემებიდან.

მონაცემთა ხარისხი

თქვენი ფირმის მასშტაბით მონაცემთა უფრო მაღალი ხარისხისა და მართვის ძალისხმევის ადვოკატირება. ეს ნამუშევარი ხშირად იყო IT ან ტექნიკური პროფესიონალების სფერო, თუმცა მონაცემებს აქვს პოტენციალი, რომ გახდეს სტრატეგიული აქტივი. ყველა მენეჯერი უნდა ზრუნავდეს ფირმის უნარზე, უკეთ გამოიყენოს მონაცემები გადაწყვეტილების მიღებისთვის და სტრატეგია აღსრულება.

ტექნიკური და მონაცემთა საზრიანი ნიჭი

დაამატეთ ტექნიკური და მონაცემთა ცოდნა თქვენს გუნდს. გაყიდვებისა და მარკეტინგის განყოფილებებს ესმით უახლეს ტექნოლოგიებში გამოცდილი და კომპეტენტური ადამიანების ჩართვის ძალა, რომლებიც ამ სტატიაში ასახულია მონაცემთა მრავალი გამოწვევის ნავიგაციაში. ტექნოლოგია და მონაცემები აღარ არის საწარმოში ერთი ფუნქციის დომენი ან პასუხისმგებლობა.

ქვედა ხაზი

ფირმები და მენეჯერები, რომლებიც სწავლობენ მონაცემების გამოყენებას გადაწყვეტილების მიღების გაუმჯობესებისთვის, გაიმარჯვებენ ბაზარზე. ამ ორგანიზაციებს შეეძლებათ თვალყური ადევნონ და უპასუხონ ცვალებად პირობებს და ახალ მომხმარებელთა საჭიროებებს უფრო სწრაფად, ვიდრე მათი მონაცემების გამოწვევა კონკურენტები. ისინი იქნებიან პირველი, ვინც მოიპოვებს ინფორმაციას სოციალური მედიის დიალოგიდან და გაიმარჯვებს ბრძოლაში მომხმარებლების უფრო ღრმა დონეზე გაცნობისა და ჩართვისთვის - ეს ყველაფერი მონაცემებზე დაყრდნობით. ეს არ არის მოდა, არამედ თანამედროვე სამყაროში მართვისა და კონკურენციის ახალი რეალობა.უბრალოდ დააკვირდით ამ მოგზაურობის ხარვეზებს.