6 Տվյալների մարտահրավերները Կառավարիչները և կազմակերպությունները բախվում են
Բովանդակություն
- Տվյալների վատ որակը
- Խեղդվել տվյալների մեջ
- Աճող տվյալների ծավալները
- Աղբահանություն, աղբահանություն
- Տվյալների վերլուծությունները հիմնավորված չեն
- Ամրապնդված կողմնակալություններ
- Ինչպե՞ս սկսել մոնտաժել որպես մենեջեր ձեր օգտագործման համար նախատեսված տվյալները
- Անաչել կողմնակալությունները
- Տվյալների կառավարում
- Ամբողջական տվյալներ
- Հարաբերակցությունը և պատճառը
- Որակի ստուգեք ձեր տվյալները
- Տվյալների որակը
- Տեխնիկական և տվյալների խնայող տաղանդ
- Ներքևի գիծը
Մենք աշխատում ենք տվյալների կենտրոնացված աշխարհում: Կառավարիչները ռմբակոծվում են տվյալների միջոցով `զեկույցների, վահանակների և համակարգերի միջոցով: Մեզ պարբերաբար հիշեցնում են տվյալների վրա հիմնված որոշումներ կայացնելու մասին: Ավագ ղեկավարները թուլացնում են Big Data- ի խոստումը `մրցակցային առավելություն զարգացնելու համար, բայց մեծամասնությունը պայքարում է իր համաձայնության գալու վերաբերյալ, ավելի քիչ` նկարագրելով ակնկալվող շոշափելի օգուտները:
Տվյալների գիտնականի դերը բուռն պահանջարկի մեջ է `առաջիկա տարիների ընթացքում ակնկալվող թերությունների կանխատեսմամբ: Կազմակերպությունները ամեն տարի մի բախտ են ծախսում ծրագրեր տեղադրելու համար ՝ տվյալների հավաքագրման, պահպանման և վերլուծության համար: Մարկետինգի բաժիններն ավելի ու ավելի են լցված տեխնիկական, տվյալների խնայող մասնագետներով ՝ ստեղծագործական դերերի հաշվին:
Բիզնեսի աշխարհը տվյալների վրա հիմնված աշխարհ է, բայց կարևոր է գիտակցել, որ տվյալներն ինքնանպատակ չեն: Ինչպես և մնացած աշխատանքները, որոնց վրա մենք հիմնվում ենք մեր գործերում, տվյալները խոստումներով հագեցած գործիք են: Համապատասխան մոտեցումներով ճիշտ ձեռքերում ուշագրավ է որոշումների կայացմանն աջակցելու տվյալների հնարավորությունը:
Այնուամենայնիվ, մի հիմարվեք այն կեղծ համոզմունքի հետ, որ տվյալներ ձեռք բերելը և վերլուծելը առանց ռիսկի է: Եկեք մի փոքր փչացնենք տվյալների գաղափարի, որպես բիզնեսի փրկողի գաղափարը և օգնենք բացահայտել այս նոր ռեսուրսը հնարավոր բոլոր թերությունները բոլորիս համար:
Forewarned- ը նախաբազուկ է:
Տվյալների վատ որակը
Չնայած մենք սովոր ենք մտածել որակի մասին `ֆիզիկական առարկաների կամ ապրանքների համատեքստում, պարզվում է, որ տվյալների որակը բոլոր ժամանակների համար նյութական խնդիր է: Կառուցվածքային տվյալների բազաներում կամ պահեստներում պահվող տվյալները հաճախ թերի, անհամապատասխան կամ հնացած են: Հավանաբար, դուք եղել եք տվյալների որակի խնդրի պարզ օրինակի ստացման ավարտին:
Մեզանից շատերը կարող են հիշել, որ շուկայավարողներից կրկնօրինակ նամակներ են ստանում ՝ ուղղված մեր իրական անվանման մի փոքր տարբեր կամ արմատապես տարբեր վարկածներին: Շուկայավարողի տվյալների բազան պարունակում է կրկնօրինակ գրառումներ մեր հասցեին և մեր անվան տարբեր, հաճախ սխալ կամ ուղղագրություններ կամ փոփոխություններ: Մենք կրկնօրինակված փոստը վերամշակում ենք որպես անպիտան, և վաճառողն ավելացնում է ավելորդ ծախսեր տպագրության և փոստի տեսքով բոլորը `տվյալների որակի պարզ խնդրի պատճառով: Ամրապնդեք այս սխալը բազմաթիվ հարյուրավոր կամ հազարավոր գրառումներով, և տվյալների որակի այս փոքր սխալը թանկ է դառնում:
Տվյալների որակի խնդիրը մեծանում է կարևորությամբ, քանի որ մենք ձգտում ենք որոշումներ կայացնել ռազմավարության, շուկաների և մարքեթինգի վերաբերյալ ՝ գրեթե իրական ժամանակում: Թեև ծրագրակազմը և լուծումները գոյություն ունեն ՝ կառուցվածքային (ձևափոխված) տվյալների որակի մոնիտորինգի և բարելավմանն օգնելու համար, իրական լուծումը նշանակալի, կազմակերպչական պարտավորություն է `տվյալները որպես արժեքավոր ակտիվ վերաբերելու համար: Գործնականում դա դժվար է հասնել և պահանջում է արտակարգ կարգապահություն և ղեկավարության աջակցություն:
Խեղդվել տվյալների մեջ
Տվյալները կազմակերպության մեջ ամենուր են: Հաշվի առեք հաճախորդի տվյալները: Կազմակերպությունների մեծամասնությունը հմտացել է հաճախորդների և հեռանկարների վերաբերյալ տեղեկատվություն գրավելիս:
- Մարկետինգը հավաքում է տվյալներ այն մարդկանցից, ովքեր մասնակցում են կենդանի կամ վեբ միջոցառումների, կամ ովքեր բեռնում են բովանդակություն:
- Գործադիրներն օգտագործում են տվյալները ՝ նոր ռազմավարություններ սատարելու կամ սահմանելու համար:
- Վաճառքը տվյալներ է հավաքում վաճառքի գործընթացում ներգրավված հաճախորդների մասին:
- Հաճախորդների աջակցությունը հավաքում է զանգեր և զրույցների մասին տեղեկատվություն:
- Կառավարման թիմերը կազմում են տվյալների և հիմնական չափորոշիչները `գնահատականների համար:
- Հաճախորդի տվյալները օգտագործվում են բիլինգի նպատակների հաշվարկման և հաճախորդների գոհունակության ստուգման համար որակի և հաճախորդների պատկերացումների թիմերի կողմից:
Մենք գրավում ենք հաճախորդի տեղեկատվությունը տարբեր ծրագրային տարբեր համակարգերում, և մենք տվյալները պահպանում ենք տվյալների բազմազան պահոցներում: Մեկ Global Fortune 100 ֆիրման, որը ճանաչում էր իրենց հաճախորդների տվյալների 10 տոկոսը, տեղակայված էր աշխատակիցների կողմից իրենց համակարգիչների վրա `աղյուսակներում: Մեկ այլ կազմակերպություն պարբերաբար հարցումներ է անում իրենց վաճառքի ներկայացուցիչներին այցեքարտի տվյալների վերաբերյալ ՝ նախքան շուկայավարման արշավները վարելը:
Նմանապես օվկիանոսային նավաստի խորտակված իր նավը խորտակվելուց հետո նավախցիկի մեջ ՝ ամենուրեք ջուր կա, բայց ոչ մի կաթիլ խմելու: Մեր բիզնեսում մենք ունենք նույն երևույթը: Տվյալները ամենուր են, և ավելի ու ավելի շատ տվյալներ են հասանելի իրական ժամանակում սոցիալական և որոնման աղբյուրներից: Եթե տվյալները հեշտությամբ հասանելի չեն, կամ եթե մենք ունենք կրկնօրինակ կամ թերի տվյալներ, ապա ի վիճակի չենք օգտագործել այն իր նպատակային նպատակներով:
Ավելի ու ավելի շատ կազմակերպություններ ինտեգրվում են իրենց ծրագրային տարբեր ծրագրերը և պարզեցնում են ձեռնարկության ամբողջ տարածքում տվյալների հավաքման և համախմբման գործընթացը: Տվյալների որակի հետ մեկտեղ, այդ ջանքերը թանկ են, ժամանակատար և երբեք չեն ավարտվում:
Աճող տվյալների ծավալները
Մենք ավելի ու ավելի շատ տվյալներ ենք բերում այն տեմպերով, որը դժվար է հասկանալ: Փորձագետները ենթադրում են, որ երկու տարին մեկ (և նեղանում ենք) մենք ավելի շատ տվյալներ ենք ստեղծում, քան գոյություն ուներ Երկիր մոլորակի վրա ՝ ամբողջ քաղաքակրթության համար:
Այս նոր տվյալների մեծ մասը չկառուցված է ՝ ընդդեմ տվյալների այն տիպի, որը կոկիկորեն մուտքագրվում է մեր ծրագրաշարերի և տվյալների բազայի ծրագրերում: Օրինակ ՝ ձեր արտադրանքի կամ ապրանքանիշի վերաբերյալ բոլոր թվիթերը ներկայացնում են պատկերացում կազմելու հավանական գանձարան, բայց այս տվյալները չեն կառուցվում ՝ ավելացնելով այն գրավելու և վերլուծելու բարդությունը: Չնայած կան բազմաթիվ ծրագրային առաջարկներ, որոնք կօգնեն այս մարտահրավերին, չկառուցված տվյալները վերամշակման համար ներկայացնում են հումքի նոր տարափ ՝ այս հոդվածում քննարկված բոլոր բնորոշ բարդությունների և որակի հարցերով:
Աղբահանություն, աղբահանություն
Տվյալների վերլուծական ծրագիրը նույնքան լավն է, որքան այն սնուցող տվյալները: Տվյալների օգտին օգտագործելու այս հարցում ընդհանուր թելն է որակը: Չնայած շատ ֆիրմաներ զգալի դոլարներ են ներդնում հզոր նոր տվյալների մանրացման ծրագրերում, կեղտոտ տվյալների մանրացումը բերում է թերի որոշումների: Զգուշացեք ՝ կուրորեն վստահելով տվյալների վերլուծության ձեռնարկների արդյունքին: Դուք պետք է վստահ լինեք, որ կարող եք վստահել վերլուծության մեջ օգտագործված տվյալներին:
Տվյալների վերլուծությունները հիմնավորված չեն
Մենք ընդունում ենք տվյալների վերլուծության արդյունքը որպես ամփոփիչ, բայց այդպես չէ: Իրականում, տվյալների վերլուծությունը ամենից հաճախ ցույց է տալիս հարաբերակցությունը, այլ ոչ պատճառականությունը: Հեշտ է ընկնել թակարդը `վստահելով տվյալների վերլուծությունների արդյունքին և պատճառաբանության հետ կապը շփոթեցնելուն:
Հարաբերակցությունը ցույց է տալիս հարաբերությունները, բայց դա ոչ մի կերպ չի ենթադրում, որ Ա-ն առաջացնում է Բ. Պատճառահետևանքային կապ հաստատելը նիրվանա է ճշգրիտ, խելամիտ որոշումներ կայացնելու համար: Դա նույնպես աներևակայելի դժվար է ապացուցել: Եթե դուք ինքնակամ վստահում եք արդյունքին և ստանձնում եք պատճառահետևանքային կապ, որտեղ այդտեղ գոյություն չունի, ձեր որոշումները կեղեքված կլինեն:
Ամրապնդված կողմնակալություններ
Մեր ճանաչողական կողմնակալությունն ուժեղացվում է, երբ խոսքը վերաբերում է տվյալների գնահատմանը: Քանի որ մի անգամ մի իմաստուն գիտնական ասում էր. «Տվյալների ամենաբարդ և սպառիչ վերլուծության ավարտին ՝ մարդը դեռ պետք է եզրակացություն տա և որոշում կայացնի»: Եվ երբ հասնում ենք այն կետին, երբ մենք պետք է գնահատենք տվյալների վերլուծության իմաստը, մեր կողմնակալությունը գործի է դնում: Մեզանից շատերը հակված են վստահել կամ ապավինել այն տվյալների վրա, որոնք աջակցում են մեր դիրքերն ու ակնկալիքները և ճնշում են հակառակը: Մենք նաև վստահում ենք այն տվյալները, որոնք մեզ դուր են գալիս կամ, և մենք հենվում ենք այն տվյալների վրա, որոնք ամենաթարմն են: Այս բոլոր կողմնակալությունները նպաստում են մեր տվյալների վերլուծության կողմից թույլ տրված սխալների մարտահրավերներին և ներուժին:
Ինչպե՞ս սկսել մոնտաժել որպես մենեջեր ձեր օգտագործման համար նախատեսված տվյալները
Ձեռնարկությունների վրա հիմնված տվյալների ռազմավարության մշակումը շատ կարևոր է յուրաքանչյուր բիզնեսի համար, սակայն այն դուրս է այս հոդվածի շրջանակներում: Փոխարենը, այստեղ կան յոթ գաղափարներ, որոնք կարող եք օգտագործել որպես մենեջեր ՝ ձեր ամենօրյա որոշումների կայացման ընթացքում տվյալների օգտագործումը բարելավելու համար:
Անաչել կողմնակալությունները
Ognանաչել և մեղմացնել կողմնակալության ներուժը: Փնտրեք տվյալներ, որոնք ընդլայնում են նկարը կամ հակասում են ձեր առջև դրված տվյալների հետ: Խրախուսեք արտաքին դիտորդին գնահատել տվյալների վերաբերյալ ձեր ենթադրությունները:
Տվյալների կառավարում
Ամրապնդեք տվյալների կառավարման վերաբերյալ ձեր պատկերացումները: Համացանցում կան շատ լավ պատկերացումների աղբյուրներ, և շատ կազմակերպություններ առաջարկում են սեմինարներ կամ սեմինարներ տվյալների վերլուծության և գործարար հետախուզության վերաբերյալ: Բուհերից շատերն ավելացան դասընթացներ այս բարգավաճող ոլորտի համար: Շարունակեք խստացնել ձեր հմտությունները:
Ամբողջական տվյալներ
Հարցրեք ինքներդ ձեզ կամ ձեր թիմին, «Ի՞նչ տվյալներ են անհրաժեշտ այս որոշումը կայացնելու համար»: Շատ հաճախ մենք ապավինում ենք ձեռքի տակ եղած տվյալներին և անտեսում նկարը լրացնելու համար ավելի շատ տվյալներ որոնելու անհրաժեշտությունը:
Հարաբերակցությունը և պատճառը
Քննադատաբար տեղյակ լինել հարաբերակցության և պատճառահետևանքային տարբերության միջև: Ինչպես ավելի վաղ նկարագրված էր, այս երկուսի հետ շփոթելը որոշումների կայացման համար հնարավոր վտանգավոր որոգայթ է:
Որակի ստուգեք ձեր տվյալները
Եթե ձեր ընկերությունը չունի տվյալների որակի կամ վարելու տվյալների կառավարման պարտավորություն, ներդրեք ժամանակ ՝ ձեր տվյալները գնահատելու համար ակնհայտ սխալների համար, ներառյալ կրկնօրինակ, թերի կամ սխալ գրառումները: Առկա են առևտրի համար մատչելի ծրագրային ապահովման շատ ծրագրեր կամ այս գործունեությունը սատարելու համար, և շատ ձեռնարկություններ հիմնված են տվյալների մասնագետների փորձաքննության վրա ՝ տվյալների որակը հարցնելու և գնահատելու համար: Նաև հաշվի առեք արտաքին ծառայություններ մատուցողներին, որոնք կարող են օգնել ձեզ մաքրել տվյալները: Կարևորը, կենտրոնացեք ձեր տվյալների որակի շարունակական բարելավման վրա:
Տվյալների որակը
Փաստաբանեք ձեր ֆիրմաներում տվյալների ուժեղ որակի և կառավարման ջանքերի համար: Այս աշխատանքը հաճախ եղել է ՏՏ կամ տեխնիկական մասնագետների տիրույթում, սակայն տվյալները կարող են ծառայել որպես ռազմավարական ակտիվ: Յուրաքանչյուր մենեջեր պետք է անհանգստանա որոշումների կայացման և ռազմավարության իրականացման համար տվյալների ավելի լավ լծակներ օգտագործելու համար:
Տեխնիկական և տվյալների խնայող տաղանդ
Ձեր թիմին ավելացրեք տեխնիկական և տվյալների խնայող տաղանդ: Առևտրի և մարկետինգի բաժինները հասկանում են վերջին տեխնոլոգիաների մեջ հմտություն ունեցող անհատներին ներգրավելու ուժը և իրավասու են սույն հոդվածում նկարագրված տվյալների բազում մարտահրավերների որոնման համար: Տեխնոլոգիան և տվյալներն այլևս չեն հանդիսանում ձեռնարկության մեկ գործառույթի տիրույթ կամ պատասխանատվություն:
Ներքևի գիծը
Ֆիրմաները և մենեջերները, ովքեր սովորում են օգտվել տվյալներից ՝ որոշումների կայացման բարելավման համար, շահելու են շուկայում: Այս կազմակերպությունները կկարողանան վերահսկել և արձագանքել փոփոխվող պայմաններին, և առաջացող հաճախորդի կարիքն ունեն ավելի արագ, քան իրենց տվյալների վիճարկվող մրցակիցները: Դրանք առաջինը կլինեն սոցիալական մեդիայի երկխոսությունից հասկացողություն, և նրանք կհաղթեն պայքարը `հաճախորդներին ավելի խորը մակարդակով ճանաչելու և ներգրավելու համար, բոլորը ՝ տվյալների հիման վրա: Սա ոչ թե տհաճություն է, այլ ավելի շուտ կառավարման և մրցակցության նոր իրականություն է այսօրվա աշխարհում: Ուղղակի հետևեք այս ճանապարհորդության թերություններին: