In che modo un'organizzazione può sfruttare i dati come risorsa strategica? I dati sono costosi. Devi investire in acquisizione e pulizia dei dati, hosting e manutenzione, ingegneri dei dati, analisti dei dati, rischi, qualità dei dati, presentazione delle informazioni, ecc.
Se fatto bene e in modo ordinato, un'organizzazione può sfruttare le informazioni per prosperare nella propria attività. Dal MIT, Erik Brynjolfsson, commenta che le organizzazioni basate sui dati ottengono una produttività del 5% - 6% in più rispetto alla concorrenza. Hanno anche reso più efficienti i loro beni, il ritorno sul capitale e il valore di mercato.
Per diventare efficaci è necessaria una cultura dei dati globale che combini qualità, accesso, conoscenza e processi decisionali appropriati.
unica fonte di dati
Un'unica fonte di dati centralizzata e controllata dalla qualità dovrebbe essere l'unico punto di estrazione dei dati aziendali. Quando le métrixas vengono estratte da sistemi diversi, inevitabilmente vengono generati risultati diversi.
Ciò provoca discrepanze che rallentano i processi decisionali e visioni opposte negli scenari, oltre alla mancanza di un'unica e fedele certezza sulla realtà.
Inoltre, i risultati possono apparire sulla base di dati obsoleti, imprecisi o in generale inappropriati, che vengono gestiti da buoni professionisti ma producono risultati falsi.
Quando quella singola fonte esiste, fornisce un valore superiore all'organizzazione: i decisori. I tempi di ricerca dei dati sono snelliti in tutta l'organizzazione e si investe nel loro utilizzo.
Inoltre, le fonti di dati sono meglio organizzate, documentate, correlate e arricchite. Pertanto, gli utenti sono in una posizione migliore per sfruttare i dati e trovare le informazioni.
Sapere dove ottenere i dati e fornire risultati di qualità è essenziale per il processo decisionale finale
Per il gestore dati è preferibile anche un'unica fonte. Facilita la documentazione, evita conflitti di nomenclatura nella struttura (tabelle, campi), carichi e controlli sulla qualità dei dati e garantisce che gli identificatori siano coerenti in tutte le tabelle. È anche più facile fornire viste piatte e facili da lavorare di relazioni ed entità chiave che potrebbero provenire da fonti diverse.
Nelle grandi organizzazioni, ci sono spesso ragioni storiche per cui i dati vengono archiviati in silos.
Ad esempio, è più probabile che le grandi organizzazioni acquisiscano sistemi di dati tramite acquisizioni interaziendali o acquistando fornitori di dati complementari o per problemi normativi che sfociano in sistemi autonomi oltre al sistema operativo principale.
Pertanto, un'unica fonte, sebbene un investimento ampio e complesso, consente al team centrale dei dati di fornire una guida ufficiale, elencando ciò che è disponibile, dove si trova, dove ci sono più fonti, il posto migliore per ottenerlo e altri risultati che producono un grande vantaggio per l'organizzazione.
Dizionario dati
Avere un buon dizionario dei dati rende facile per gli utenti sapere cosa significano i campi dati e le metriche.
Questo aspetto è spesso un ostacolo insormontabile per molte organizzazioni. Quando non si dispone di un elenco chiaro di metriche e delle relative definizioni, le persone fanno ipotesi, che possono differire da quelle di tutti gli altri e portare a divergenze nei risultati e nelle opinioni.
Un'azienda ha bisogno di generare un glossario con definizioni chiare, inequivocabili e concordate. Ciò richiede la collaborazione con tutte le parti interessate chiave e gli esperti aziendali.
Innanzitutto, devi accettare quelle definizioni ufficiali; impedire ai team di diventare canaglia con la propria versione separata di una metrica.
In secondo luogo, spesso non è la definizione fondamentale dove le comprensioni delle persone differiscono, ma come gestire i casi limite. Ad esempio, mentre tutti possono avere una comprensione comune del significato di una metrica "ordini effettuati", possono differire nel modo in cui desiderano o si aspettano di gestire cancellazioni, ordini suddivisi o frode.
Questi scenari devono essere presentati, discussi e risolti. L'obiettivo qui è raggiungere il consenso in due modi possibili: combinare più metriche simili in un'unica metrica comune o identificare le situazioni in cui è davvero necessario dividere una metrica in due o più metriche separate per ottenere prospettive diverse.
Avere dati centralizzati di alta qualità non è efficace se non è comprensibile per l'organizzazione
La specificità in tabelle e nomi di campo ben scelti e definizioni univoche con esempi sono fondamentali qui. È meglio propendere per nomi lunghi ma descrittivi, come “ordini_non_cancellati” o “% conversione da viaggi creati a viaggi completati” rispetto a nomi più brevi che gli utenti pensano di comprendere e che producono interpretazioni personali, non comuni o accettate da tutti.
Accesso alle informazioni
Avere dati centralizzati e di qualità, con una descrizione chiara e unificata, non è di alcuna utilità per l'organizzazione se le persone non possono accedervi. Le organizzazioni devono garantire l'accessibilità ai dati ovunque possano essere utili.
Questo non significa dare accesso a tutto il personale o non avere politiche conformi a normative e controlli. Significa armonizzare la sicurezza con le esigenze dell'organizzazione da un punto di vista olistico.
Promuovi una cultura in modo che le persone sappiano quali dati sono disponibili e i criteri di sicurezza, conformità e regolamentazione che hanno un impatto su di essi
È il personale in prima linea (il servizio clienti, ad esempio, che si occupa di un cliente insoddisfatto o un magazziniere che trova delle scorte danneggiate) che sfrutta immediatamente i dati per determinare quali azioni intraprendere successivamente. Con una formazione adeguata, sono nella posizione migliore per risolvere una situazione, determinare le modifiche al flusso di lavoro o gestire un reclamo del cliente.
Promuovere la cultura tra le persone implica formazione, un dizionario dei dati, accesso e comprensione dei KPI, criteri unificati per la comprensione dei dati, disponibilità, casi d'uso interni autentici e tangibili, oltre a farli sentire a proprio agio nel richiedere sia la formazione che i processi di accesso interno.
Le procedure burocratiche devono essere snelle in modo che, con un adeguato processo di approvazione e supervisione, le persone abbiano accesso senza troppi ritardi o ostacoli. Naturalmente, i sistemi di revoca sono richiesti anche quando è necessario applicarli.
cultura dei dati
Dal momento che l'organizzazione è basata sui dati con ampio accesso ad essi, le persone dovranno affrontare report, dashboard, analisi e metriche chiave, che potrebbero avere l'opportunità di comprendere e analizzare da soli.
Per fare ciò in modo efficace, deve esserci una conoscenza sufficiente delle informazioni, da dove provengono, cosa significano e gli impatti sull'azienda e sulla sua funzione.
La cultura dei dati è uno sforzo su più fronti. Incoraggia inoltre a coinvolgere clienti e dipendenti a vari livelli di abilità e funzioni che richiedono un approccio personalizzato a ciascun caso.
L'area più diffusa è la formazione in data science. Ciò include un'introduzione agli approcci di machine learning e data mining più avanzati e computazionali per l'estrazione di informazioni dettagliate dai dati, nonché la creazione di prodotti dati come motori di raccomandazione e altri modelli predittivi. Ciò implica concentrarsi sul vertice della piramide delle competenze per gli utenti tecnologicamente più avanzati.
Uno degli aspetti più efficaci per l'organizzazione e i clienti è formare persone con competenze tecnologiche standard per gli utenti per diventare data scientist.
Ad esempio, i settori farmaceutico e finanziario hanno analisti aziendali esperti di statistiche ma più deboli nei calcoli. I profili tecnologici hanno profili di programmazione di talento privi di rigore statistico aziendale. La formazione di statistici nella programmazione e programmatori in statistiche aziendali producono rapidi vantaggi per l'organizzazione.
I dati non sono lì per rafforzare o minare le decisioni esistenti, ma per aiutare a informare quelle future.
Iniziare migliorando le abilità di base nella statistica descrittiva è spesso il modo più semplice ed efficace. Cioè, le forme di base per costruire riepiloghi di dati: media, percentili, intervallo, deviazione standard, ecc., e rilevare quando questi risultati sono appropriati o meno, danno significato ai dati che li compongono.
Ad esempio, quando si scopre che i dati sono molto distorti, come i prezzi delle case o il reddito, la mediana è la metrica appropriata per riassumere i dati, non la media.
Consentire alle persone di fare meno affidamento sui presupposti e concentrarsi sulla tracciatura e sull'esame dei dati e sull'uso corretto di metriche di riepilogo appropriate ha un notevole vantaggio in termini di tempo e un corretto processo decisionale.
Un'altra area di efficacia sono le capacità di visualizzazione dei dati. I grafici sono spesso pieni di informazioni non rilevanti, disordine non necessario e annotazioni che sminuiscono l'obiettivo chiave. O utilizzi tipi di grafici inappropriati, come più grafici a torta, ciascuno con un numero elevato di segmenti, oppure scegli una combinazione di colori che lo rende molto difficile o impossibile da interpretare.
Produce grande usura, a livello personale e organizzativo, per dedicare sforzi alla raccolta e all'analisi, per fallire e ridurre l'impatto al punto finale della presentazione. Un po' di formazione sulla visualizzazione dei dati fa molto e rende i dati più chiari, più digeribili e, in definitiva, più propensi a essere utilizzati in modo appropriato.
Un livello successivo di complessità nella cultura è la statistica inferenziale. Questi sono i test statistici standard e oggettivi utilizzati per rilevare, ad esempio, se una tendenza o una differenza nel traffico del sito Web da una settimana all'altra è probabilmente reale o solo una variazione casuale.
Il punto non è che un manager aziendale o un agente del servizio clienti possa eseguire questi test, ma piuttosto renderli consapevoli di come le statistiche possono essere utili: per capire la correlazione e la causalità e per apprezzare che le previsioni sono sempre accompagnate da incertezza. Per i decisori e i manager, questo dà loro anche le capacità per correggere la qualità del lavoro o individuare la motivazione quando i dati non supportano le loro conclusioni.
prendendo decisiones
Soprattutto, i dati hanno un impatto reale sul processo decisionale. A questo punto, l'organizzazione può disporre di dati rilevanti e di qualità, analisti formati e report accuratamente elaborati e presentati. Se i report non vengono utilizzati o le decisioni vengono prese senza consultarli, indipendentemente da ciò che mostrano i dati, l'intero investimento viene sprecato.
Gli HiPPO, "opinione della persona più pagata", sono l'antitesi della gestione dei dati. A loro non importa cosa dicono i dati, specialmente quando non sono d'accordo con i loro preconcetti, e si atterranno al loro piano perché sanno cosa è meglio. Inoltre, di solito hanno una posizione di comando elevata.
Gli HiPPO sono dannosi per le aziende, perché basano le loro decisioni su metriche poco conosciute nella migliore delle ipotesi o semplici congetture. Nessuno strumento intelligente per trarre significato dall'intero spettro delle interazioni con i clienti e valutare il come, quando, dove e perché dietro le azioni. L'approccio HiPPO può essere paralizzante per le aziende.
Financial Times
HiPPO è l'acronimo di "Highest Paid Person's Opinion" è un termine coniato da Avinash Kaushik. Viene utilizzato per descrivere la tendenza dei dipendenti meno pagati a cedere ai dipendenti con salari più alti e anni di esperienza quando è necessario prendere una decisione. Il termine è anche spesso usato per descrivere la dipendenza di un'organizzazione dall'istinto umano piuttosto che dai dati nel processo decisionale.
Con una certa frequenza, le organizzazioni hanno una cultura in cui l'intuizione, il commento libero è apprezzato o c'è una mancanza di responsabilità. In un sondaggio, solo il 19% degli intervistati ha affermato che i responsabili delle decisioni sono responsabili delle azioni su tali decisioni. È in questi ambienti che prosperano gli HiPPO.
Un modo per contrastare gli HiPPO è coltivare una cultura della sperimentazione obiettiva, come il test A/B. In questi scenari, che si tratti di un cambiamento nella progettazione del sito Web o nella messaggistica di marketing, è possibile visualizzare le metriche di successo e le dimensioni minime del campione. La chiave è avere un piano di analisi chiaro e stabilire le metriche di successo e le eventuali previsioni prima dell'esecuzione dei test. In altre parole, impedisci agli HiPPO di selezionare i risultati dopo il fatto. Lo stesso vale per qualsiasi pilota o proof of concept.
Conclusione
La cultura basata sui dati fa parte di un processo in più fasi per consolidare sia formalmente che nel tempo nella mentalità delle persone:
- Un'unica fonte di dati di qualità da cui possono fluire analisi.
- Un dizionario dei dati concordato e assunto dall'intera organizzazione sul significato dei dati.
- Ampio accesso ai dati per consentire l'applicazione delle competenze aziendali collettive nell'analisi dei dati.
- Una buona formazione che aiuta a promuovere e rafforzare l'alfabetizzazione dei dati.
- I report risultanti devono essere nelle mani di decisori che si fidano dei dati e influenzano il processo decisionale.
