;

Analyzujete data? A umíte maximalizovat hodnotu analýzy?

25. 11. 2021
Doba čtení: 8 minut

Sdílet

 Autor: Depositphotos
V digitální éře většina organizací sleduje plody strategií založených na datech. Zajištění toho, že se to vyplatí, má však mnohem více nuancí, než si většina myslí.

Jedna věc je shromáždit velké množství dat a aplikovat na ně analýzy; to dělá spousta organizací. Zcela jiná věc je získat z těchto dat a analýz optimální obchodní hodnotu.

Podniky, které hodně investovaly do analytických nástrojů, tak mohou činit, aniž by našly způsoby, jak zajistit, aby z jejich úsilí skutečně plynula obchodní hodnota. To se může stát z mnoha důvodů.

Zde je několik tipů, jak zajistit, aby se investice do analytiky vyplatily tím, že budou poskytovat statistiky, které mají význam, spíše než jen vytvářet atraktivní přehledy, které toho moc neřeknou.

Slaďte analýzu s obchodními cíli

Lepší sladění IT úsilí s obchodními cíli organizace je klíčovým úkolem lídra IT při generování větší hodnoty z dat.

„Datová analytika musí řešit skutečné obchodní problémy,“ říká Dan Simion, viceprezident pro umělou inteligenci a analytiku v technologické poradenské firmě Capgemini, který klientům radí, jak nejlépe maximalizovat vhled a hodnotu z jejich dat a analýz. „Začít s případy využití, které jsou specifické pro daný byznys, může být skvělým přístupem, jak získat náklonnost ze strany více zúčastněných stran, které mohou být mimo IT [oddělení].“

Tato strategie pomáhá zbytku organizace vidět hodnotu napříč různými funkčními oblastmi a obchodními jednotkami, protože data přinášejí jasné výsledky, které jsou z obchodního hlediska srozumitelné. „Pro odhalení hodnoty z dat je klíčové začít s obchodním problémem, rozvinout obchodní případ a navázat na něj,“ říká Simion. V rámci tohoto procesu je podle něj zásadní sladění mezi businessem a IT.

IT a datoví analytici potřebují spolupracovat s obchodními jednotkami, aby si zajistili úspěchy ve skutečném světě a interní případy použití,“ říká Gary Kern, CIO poskytovatele finančních služeb Middlefield Banking Co. „To pomůže všem pochopit skutečnou hodnotu a výhody pro týmovou práci z toho, když se tam dostanete,“ říká.

Middlefield se snažil získat některé obchodní jednotky k vyšší aktivitě při používání rozhodnutí založených na datech a nových procesů založených na podrobnějších informacích, takže Kern pracoval „na nalezení ‚early adopters‘ v rámci těchto oddělení, s nimiž můžeme spolupracovat, abychom získali tyto výhody a prodali hodnotu ostatním v této oblasti,“ říká.

Poskytovatel zdravotní péče UnityPoint Health začal investovat do analytických nástrojů před lety; ty se nadále vyplácejí regionálním a komunitním nemocnicím, klinikám a divizi domácí péče, pomáhají řídit zdraví populace a řešit budoucí problémy, říká Laura Smithová, CIO společnosti.

Velkým důvodem úspěchu je silné spojení s podnikovými lídry. „Je nezbytně nutné navázat partnerství s podnikem, abychom pochopili problém, který je třeba vyřešit, nebo příležitost, které má být dosaženo,“ říká Smith. „Čeho konkrétně se snažíme dosáhnout? Jaká důležitá data nám právě chybí?"

Skvělý způsob, jak začít budovat vztah s podnikem, je prozkoumat problém nebo příležitost setkáním se zúčastněnými stranami a realizací pozorování v terénu.

„Například náš analytický tým vytvořil model, který se snažil snížit počet pacientů, kteří museli být znovu přijati do našich nemocnic,“ říká Smithová. „Začali jsme ve spolupráci s podnikem, abychom pochopili, na jaké otázky model potřebuje odpovědět. Ty zahrnovaly: Kdo jsou ti správní pacienti, na které se lze zaměřit pro intervenci? Jaké kroky bychom měli podniknout a kdy bychom je měli podniknout?“

V důsledku tohoto modelu jedna nemocnice během dvou let snížila počet třicetidenních návratů pacientů o 44 %, čímž překonala interní výkonnostní cíle.

Dostaňte na svou stranu klíčové sponzory z řad vedení

Mít na své straně sponzory nebo zainteresované strany z řad vedení, kteří mohou tlačit na výsledky a poznatky z analýzy dat, může pomoci vytvářet vyšší hodnotu.

„Tento podporovatel z řad vedení podporuje přijetí v celé organizaci a může pomoci utvářet provozní model, který lidem umožní jednat na základě poznatků získaných z analýzy,“ říká Simion.

S vysokou úrovní buy-in a podpory může „podnik začít aktivovat poznatky a získat z nich hodnotu,“ říká Simion. „Pokud jednoduše z poznatků vytvoříte zprávu a nikdo nepodnikne žádnou akci, podnik si neuvědomí žádnou hodnotu. Data budou generovat tyto poznatky, které budou použity pro obchodní rozhodnutí na všech úrovních v rámci organizací, od taktických akcí až po strategická rozhodnutí.“

Middlefield Banking vytvořil Data Governance Council (DGC), která zahrnuje CIO, CFO, CMO a dva nebo tři další vyšší manažery v oblastech náročných na data, říká Kern.

„Tato skupina se schází každý měsíc, aby prodiskutovala problémy ‚jedné verze pravdy‘, čištění dat, kvalitu dat, vyvíjející se analytické úsilí a další záležitosti na vysoké úrovni zahrnující analýzu informací a vlastnictví dat,“ říká Kern. „DGC nám umožňuje způsob, jak eskalovat zájmy a zajistit, že existuje rozhodovací orgán, který řídí úsilí na vyšší úrovni.“

Aktualizujte svůj operační model – a změřte jeho úspěšnost

Přestože snaha o orientaci na data je mezi podniky ve věku digitálního podnikání běžná, mnoho společností stále nedokáže pochopit skutečnou hodnotu informací.

„Společnosti se musí odklonit od fungování založeného na ‚vnitřním pocitu‘ a přejít k tomu, aby se staly organizacemi řízenými poznatky a daty,“ říká Simion.

Provozní model založený na datech vytváří mnohem větší pravděpodobnost úspěchu, říká Simion, a umožňuje organizacím rychleji vidět hodnotu z jejich analýzy dat – s jasnější cestou a vizí, jak dosáhnout svých cílů.

„Data prostřednictvím porozumění posílí rozhodovací proces,“ říká Simion. „Prostřednictvím nového provozního modelu budou lidé v organizaci motivováni ke změně chování a [a] hodnoty dat bude dosaženo rychlejším tempem.“

Aby však společnosti uznaly hodnotu vyplývající z konkrétního porozumění nebo kousku dat, potřebují rámec pro měření úspěchu. „To pomáhá organizacím zhodnotit jejich aktuální pokrok, provádět úpravy a optimalizovat způsob, jakým sledují své cíle v oblasti analýzy dat,“ říká Simion. „Prokázání množství hodnoty a výsledků řízených datovou analýzou prostřednictvím jasné funkce měření pomůže datovým lídrům předvést návratnost jakékoli investice do analýzy.“

Vytvořte datové kanály s ohledem na obchodní hodnotu

Získání hodnoty z dat se neděje přes noc nebo podle nějakého kouzelného vzorce; chce to čas a úsilí.

Zhruba před 20 lety se Lonnie Johnson, CIO ve zdravotnické organizaci KVC Health Systems, rozhodl začít ve společnosti rozvíjet dlouhodobou analytickou strategii, která se v průběhu let vyplatila. Prvním krokem bylo uspořádat data v relační databázi, která analytickému týmu umožní kategorizovat existující datové body.

„Informace jsme normalizovali katalogizací obchodních linií, kanceláří, programů, chronologických identifikátorů, typů transakcí a řady charakteristik o našich pacientech,“ říká Johnson. „Shromáždili jsme a propojili informace z řady samostatných databází a tabulek.“

Tým poté vytvořil digitální formuláře, aplikace a uživatelská rozhraní pro transformaci papírových dokumentů společnosti. Vytvořil také rozhraní pro tyto dokumenty jako způsob vkládání informací do databází.

„V našich uživatelských rozhraních jsme prosadili integritu dat a naučili jsme se co nejvíce automaticky vyplňovat pole,“ říká Johnson. „Do vývoje těchto digitálních rozhraní jsme výrazně zapojili uživatelskou komunitu, abychom zajistili, že zachytíme skutečnou obchodní hodnotu. To praktikujeme dodnes."

Tým vytvořil vlastní tvůrce dotazů v aplikacích, které uživatelům umožňují získávat informace z vybraných polí na základě popisů datových bodů. „Datový tým se tak mohl soustředit na pokročilejší analytiku,“ říká Johnson. „Vyzvali jsme také uživatele, aby poskytli zpětnou vazbu o nástroji pro tvorbu dotazů, což nám pomůže lépe organizovat informace.“

Tým začal zachycovat velké množství textových a formulářových dat do databází NoSQL pro rychlý vývoj a budoucí zpracování přirozeného jazyka. „Pokud používáte digitální formuláře pro průzkumy, právní dokumenty, informace o zákaznících nebo jakýkoli jiný dokument, který se může kdykoli změnit, může použití NoSQL urychlit sběr dat a uvolnit vývojáře pro další inovativnější úkoly,“ říká Johnson.

Společnost investovala do prozíravosti a nástrojů pro datovou vědu s cílem rozvíjet tyto potřebné dovednosti interně. „Také jsme našli partnera, se kterým bychom mohli pravidelně spolupracovat, aby nám pomohl vytvářet řešení využívající strojové učení pro prediktivní analytiku,“ říká Johnson. „Tato řada místních [dovedností] a hlubokých externích zkušeností se vyvinula v novou službu, která generuje nepřetržitý přísun užitečných poznatků.“

Využijte krosfunkční partnery nebo týmy ke zlepšení přesnosti dat

To se týká všech dříve pokrytých oblastí, zejména sladění analytiky s podnikáním a aktualizace provozního modelu. Analytický tým by měl pravidelně spolupracovat s podnikovými uživateli, aby pomohl zajistit hodnotu prostřednictvím kvalitnějších dat – nebo by měl podnikové uživatele zahrnout do svých „krosfunkčních“ týmů.

„Úzké partnerství s obchodními týmy ve vaší organizaci vytváří další vrstvu ochrany pro přesnost dat, která zlepšuje, jak data i obchodní týmy využívají data, která vidí,“ říká Jessica Lachsová, viceprezidentka pro analytiku a datovou vědu v on-line platformě pro objednávání potravin a doručování DoorDash.

„Když se na stejná data dívá více týmů, máte více očí, abyste odhalili anomálie, které by automatické upozorňování mohlo přehlédnout,“ říká Lachsová. „Úzké partnerství také zajišťuje, že datový tým buduje podnikovou intuici, aby lépe porozuměl praktickým aplikacím dat, která spravují.“

To týmu umožňuje být autonomní a přijímat lepší rozhodnutí o dostupnosti, přesnosti a škálovatelnosti na základě obchodních potřeb, říká Lachsová, která dohlíží na analytický tým sestávající z 85 lidí.

Dalším klíčem je zacházet s daty jako s měnou pro hodnocení obchodních rozhodnutí a kompromisů.

bitcoin_skoleni

„Věříme, že vyčíslením co největšího množství věcí můžeme nejlépe vyhodnotit kompromisy, určit, co funguje a co musíme zlepšit, a tím maximalizovat náš dopad a vytvořit lepší produkt,“ říká Lachsová. „Abychom toho dosáhli, musíme mít aktuální a přesné kvantifikace našich klíčových podnikových pák, což je kritická část plánu mého týmu.“

Odtud „můžeme použít data k vytvoření společné interní měny, která nám umožní vyhodnocovat a porovnávat kompromisy za podobných podmínek – například zda by bylo lepší snížit poplatky za doručení o 1 $ nebo zlepšit dodací lhůty o pět minut,“ říká Lachsová. „Pokud dokážete otázku zformulovat podobnými termíny, jako jsou přírůstkové objednávky, pak se kompromis stane jasnějším a stejně tak i hodnota pro firmu."