6 datautfordringer ledere og organisasjoner står overfor

Vi jobber i en datasentrisk verden. Ledere blir bombardert med data via rapporter, dashbord og systemer. Vi blir jevnlig påminnet om å ta datadrevne beslutninger. Seniorledere saliver på løftet om big data for å utvikle en konkurransefortrinn, men likevel mest sliter med å bli enige om hva det er, mye mindre beskriver de forventede konkrete fordelene. 

Dataforskerens rolle er i varm etterspørsel med anslåtte mangler i denne nye, viktige rollen som forventes i årevis. Organisasjoner bruker en formue hvert år på å installere programvare for å fange opp, lagre og analysere data. Markedsavdelinger blir i økende grad fylt med tekniske, data-smarte fagpersoner på bekostning av kreative roller. 

Virksomhetens verden er en datafokusert verden, men det er viktig å gjenkjenne at data ikke er en slutt for seg selv. Som alt annet vi trekker på i vårt arbeid, er data et verktøy fylt med løfte. I de rette hender med de riktige tilnærmingene er potensialet for data for å støtte beslutningstaking bemerkelsesverdig. 

Ikke bli sluppet inn i den falske troen på at å skaffe og analysere data er uten risiko. La oss gni litt av polering av ideen om data som forretningsfrelser og bidra til å identifisere noen av de potensielle fallgruvene denne nye ressursen presenterer for oss alle.

Berom advarsel er underarmet. 

Dårlig datakvalitet

Selv om vi er vant til å tenke på kvalitet i sammenheng med fysiske objekter eller produkter, viser det seg at datakvalitet er et vesentlig problem for hvert firma hele tiden. Data lagret i strukturerte databaser eller depoter er ofte ufullstendige, inkonsekvente eller utdaterte. Det er sannsynlig at du har vært i den mottakende enden av et enkelt eksempel på et datakvalitetsproblem. 

De fleste av oss kan huske å motta dupliserte utsendelser fra markedsførere adressert til litt forskjellige eller radikalt forskjellige versjoner av vårt faktiske navn. Markedsførerens database inneholder dupliserte poster med vår adresse og forskjellige, ofte feilaktige stavemåter eller varianter av navnet vårt. Vi resirkulerer duplikatposten som søppel, og markedsføreren pådrar seg overflødige kostnader i form av utskrift og sending av alt på grunn av et enkelt datakvalitetsproblem. Amplify denne feilen med mange hundre eller tusenvis av poster, og denne små datakvalitetsfeilen blir kostbar.

Spørsmålet om datakvalitet vokser i betydning når vi streber etter å ta beslutninger om strategier, markeder og markedsføring i nær sanntid. Mens programvare og løsninger eksisterer for å hjelpe til. I praksis er dette vanskelig å oppnå og krever ekstraordinær disiplin og lederstøtte. 

Drukner i data

Data er overalt i en organisasjon. Vurder kundedata. De fleste organisasjoner har blitt dyktige til å fange informasjon om kunder og potensielle kunder. 

• Markedsføring samler inn data fra folk som deltar på live eller webhendelser eller som laster ned innhold.
• Ledere bruker data for å støtte eller definere nye strategier. 
• Salg samler inn data om kunder som er involvert i salgsprosessen.
• Kundestøtte fanger informasjon om samtaler og chatter.
• Ledelsesteam trekker på data og viktige beregninger for målkort.
• Kundedata brukes i regnskap for faktureringsformål og etter kvalitets- og kundeinnsiktsteam for å overvåke kundetilfredshet. 

Vi fanger opp kundeinformasjon i en rekke forskjellige programvaresystemer, og lagrer dataene i en rekke dataregninger. Et globalt Fortune 100-firma anerkjente så mye som 10 prosent av kundedataene deres ble holdt lokalt av ansatte på datamaskinene sine i regneark. En annen organisasjon avstemmer regelmessig sine salgsrepresentanter for visittkortdata før de kjører markedsføringskampanjer. 

Mye som den havgående sjømannen strandet i en livbåt etter at skipet hans senket seg, er det vann overalt, men ikke en dråpe å drikke. Vi har samme fenomen i våre virksomheter. Data er overalt, og i økende grad er data tilgjengelig fra sosiale og søkes feeds i sanntid. Hvis dataene ikke er lett tilgjengelige, eller hvis vi har duplikat eller ufullstendige data, kan vi ikke utnytte dem til det tiltenkte formålet. 

I økende grad integrerer organisasjoner sine forskjellige programvareapplikasjoner og forenkler prosessen med å samle og samle data over hele bedriften. Sammen med datakvalitet er imidlertid denne innsatsen dyr, tidkrevende, og den ender aldri. 

Voksende datavolum

Vi lager mer og mer data i et tempo som er vanskelig å forstå. Eksperter antyder at vi hvert annet år (og krymper) skaper mer data enn eksisterte på planeten Jorden for hele sivilisasjonen.

De fleste av disse nye dataene er ustrukturerte, kontra den typen data som er pent lagt inn i programvare- og databasenes applikasjoner. For eksempel representerer alle tweets om produktet eller merket ditt en potensiell skattekule av innsikt, men disse dataene er ustrukturert, noe. Selv om det er mange programvaretilbud som hjelper med denne utfordringen, representerer de ustrukturerte dataene en ny strøm av råstoff for behandling, med alle de iboende kompleksiteten og kvalitetsproblemene som er diskutert i denne artikkelen. 

Søppel inn søppel ut

Dataanalytisk programvare er bare like bra som dataene som mater det. Den vanlige tråden i denne utgaven av å utnytte data for fordel er kvalitet. Mens mange firmaer investerer betydelige dollar i kraftige nye dataknusende applikasjoner, fører knusing av skitne data til mangelfulle beslutninger. Vær forsiktig med å blindt stole på utdataene fra dataanalyseinnsatser. Du må være trygg på at du kan stole på dataene som brukes i analysen. 

Dataanalyser er ikke avgjørende

Vi aksepterer utdataene fra dataanalyser som avgjørende, men det er det ikke. I virkeligheten viser dataanalyse oftest sammen korrelasjon, ikke årsakssammenheng! Det er lett å falle i fellen med å stole på utgangen fra dataanalyser og forvirrende korrelasjon med årsakssammenheng.

Korrelasjon viser et forhold, men det innebærer på ingen måte at en forårsaker B. Å etablere et årsakssammenheng er Nirvana for å ta nøyaktige, innsiktsfulle beslutninger. Det er også utrolig vanskelig å bevise. Hvis du overordentlig stoler på en produksjon og antar et årsakssammenheng der ingen eksisterer, vil beslutningene dine være dødelig feil. 

Amplifiserte skjevheter

Våre kognitive skjevheter blir forsterket når det gjelder evaluering av data. Som en klok dataforsker en gang var intonert, "på slutten av den mest kompliserte og uttømmende analysen av data, må et menneske fremdeles trekke en slutning og ta en beslutning."Og når vi når det punktet der vi må vurdere betydningen av dataanalysen, kommer skjevhetene våre inn i spill. Mange av oss har en tendens til å stole på eller stole på data som støtter våre posisjoner og forventninger og undertrykker data som gjør det motsatte. Vi stoler også på data fra kilder vi liker, eller er vi avhengige av data som er de siste. Alle disse skjevhetene bidrar til utfordringene og potensialet for feil fra dataanalysene våre. 

Hvordan begynne å temme dataene for din bruk som leder

Å utvikle en bedriftsomfattende datastrategi er avgjørende for enhver virksomhet, men er utenfor omfanget av denne artikkelen. I stedet er det syv ideer du kan bruke som leder for å forbedre bruken av data i din daglige beslutningstaking.

Gjenkjenne skjevheter

Gjenkjenne og redusere potensialet for skjevheter. Oppsøk data som utvider bildet eller er i konflikt med dataene foran deg. Oppmuntre en ekstern observatør til å evaluere forutsetningene dine rundt data. 

Dataledelse

Styrke din forståelse av datahåndtering. Det er rikelig med gratis kilder til innsikt på nettet, og mange organisasjoner tilbyr seminarer eller workshops om dataanalyse og forretningsintelligens. Mange universiteter har lagt til kurs for dette blomstrende feltet. Fortsett å skjerpe ferdighetene dine. 

Fullstendige data

Spør deg selv eller teamet ditt, "Hvilke data trenger vi for å ta denne avgjørelsen?"" For ofte er vi avhengige av dataene som er for hånden og ignorerer behovet for å søke mer data for å fullføre bildet. 

Korrelasjon og årsakssammenheng

Vær kritisk klar over forskjellen mellom korrelasjon og årsakssammenheng. Som beskrevet tidligere, er forvirrende disse to en potensielt farlig fallgruve for beslutninger. 

Kvalitetssjekk dataene dine

Hvis firmaet ditt ikke har en datakvalitet eller masterdatadministrasjonsengasjement, må du investere tid til å evaluere dataene dine for åpenbare feil, inkludert duplikat, ufullstendige eller feilaktige poster. Det er mange kommersielt tilgjengelige programvareapplikasjoner eller for å støtte denne aktiviteten, og mange firmaer trekker på ekspertisen til dataeksperter for å spørre og vurdere datakvaliteten. Vurder også eksterne tjenesteleverandører som kan hjelpe med å rense dataene for deg. Det er viktig at du fokuserer på kontinuerlig å forbedre kvaliteten på dataene dine. 

Datakvalitet

Advokat for sterkere datakvalitet og styringsinnsats på tvers av firmaet ditt. Dette arbeidet har ofte vært domenet til IT eller tekniske fagpersoner, men likevel har data potensialet til å tjene som en strategisk eiendel. Hver leder må bry seg om firmaets evne til bedre å utnytte data for beslutningstaking og strategiutførelse. 

Teknisk og datavavvy talent

Legg til teknisk og datavavvy talent til teamet ditt. Salgs- og markedsavdelinger forstår kraften til å engasjere individer som er dyktige i de nyeste teknologiene og kompetente til å navigere i mange av datautfordringene som er skissert i denne artikkelen. Teknologi og data er ikke lenger domenet eller ansvaret til en enkelt funksjon i en bedrift. 

Bunnlinjen

Bedrifter og ledere som lærer å utnytte data for forbedret beslutningstaking, vil vinne på markedet. Disse organisasjonene vil kunne overvåke og svare på skiftende forhold, og nye kundebehov raskere enn dataene deres utfordret konkurrenter. De vil være de første til å skaffe innsikt fra dialog med sosiale medier, og de vil vinne kampen for å kjenne og engasjere kunder på et dypere nivå-alt basert på data. Dette er ikke en kjepphest, men snarere en ny virkelighet med å styre og konkurrere i dagens verden. Bare pass på fallgruvene på denne reisen.