Данные и аналитика быстро стали модными словами в деловом мире. Было бы трудно взломать журнал, не упомянув о дальновидных компаниях, «разумно использующих данные», чтобы получить представление о поведении клиентов, провести анализ рисков или более эффективно управлять своей инфраструктурой. Крупные, богатые данными компании, особенно регулируемые, уже много лет занимаются принятием решений на основе данных, что лучше всего иллюстрируется новаторским подходом Capital One к анализу данных для лучшего понимания своих клиентов. впечатляющие маркетинговые кампании, приведшие к оглушительному успеху.
Но, несмотря на нишевое начало, использование данных быстро стало мейнстримом. Сегодня существует несколько веских причин для того, чтобы та или иная компания, независимо от ее размера и численности персонала, не использовала аналитику в качестве основного бизнес-процесса/возможности. Традиционные возражения, такие как стоимость, ресурсы и опыт, больше не являются решающими. Наоборот, внутренние данные быстро становятся вездесущим стратегическим активом, используемым так же, как и любой другой, конкурентными компаниями, стремящимися оставаться конкурентоспособными.
Цель этой статьи — бегло познакомить читателей с миром данных и аналитики, познакомить вас с динамикой рынка, инструментами, игроками и решениями, уникальными для обоих, прежде чем посвятить вторую половину практическому руководству по внедрению и структуре для малого бизнеса.
С появлением Интернета, а вместе с ним электронной коммерции, социальных сетей и взаимосвязи устройств произошел взрывной рост объема глобально доступных и анализируемых данных для тех, кто обладает инструментами для их использования. Каждый твит, пост, лайк, свайп влево, свайп вправо, двойное касание, обзор, текст и транзакция — все это данные, которые можно использовать для отображения наших цифровых следов, которые рассказывают все о том, кто мы, как мы принимаем решения, где и почему. Эти данные, уместно названные «большими данными» из-за обширности, глубины и сложности их формы, открыли море возможностей в предписывающей и предиктивной аналитике, сделав возможной гиперперсонализацию многих продуктов, которые мы ежедневно потребляем.
Формально большие данные описывают большие наборы данных, которые можно анализировать с помощью вычислений для выявления закономерностей, тенденций и ассоциаций, чаще всего связанных с человеческим поведением и взаимодействиями. Чтобы данные можно было назвать «большими», набор/банк должен быть настолько большим, чтобы для извлечения из него ценности требовались передовые методы работы с данными и сложные системы.
В исследовательском отчете 2001 года группа META (теперь Gartner) представила большие данные в трех измерениях, названных «Три V» данных. К ним относятся следующие:Громкость (количество), Скорость (скорость генерации/передачи) и Разнообразие (диапазон типа и источника). Впоследствии IBM расширила эти три V до четырех V, включив в них достоверность. (качество/целостность) данных в качестве последнего параметра, необходимого для получения ценности.
…но вы, вероятно, уже слышали о больших данных. Малые данные, с другой стороны, представляют собой подкласс данных, которые считаются достаточно скромными, чтобы сделать их доступными, информативными и действенными для людей без необходимости использования чрезмерно сложных аналитических инструментов. Лучше всего выразился бывший консультант McKinsey Аллен Бонд:«Большие данные — о машинах, а малые — о людях» — в частности, осмысленные идеи, организованные и упакованные для вывода причинно-следственных связей, закономерностей и причин «почему» о людях. /Р>
В тандеме с ростом доступности и полезности данных возникла отдельная индустрия аналитики. Когда-то исключительное прибежище статистиков, ученых и аналитиков на уровне магистров и докторов наук, аналитика превратилась в индустрию функционально надежных, но недорогих платформ самообслуживания «программное обеспечение как услуга» (SaaS), которые позволяют даже самые новичок пользователей, чтобы извлечь ценность из своих данных. Небольшие компании, которым раньше не хватало опыта или бюджета, необходимых для проведения такого рода анализа, теперь конкурируют на более равных основаниях со своими более обеспеченными ресурсами коллегами и занимают на своих рынках защищенные точки.
В дополнение к экономическим преимуществам модели SaaS исследование Aberdeen Group, компании, занимающейся исследованиями в области технологий и услуг, показывает, что в организациях, использующих инструменты SaaS, вдвое больше сотрудников, которые инстинктивно используют данные для принятия решений и достижения целевых показателей рентабельности инвестиций 40% быстрее, чем те, которые этого не делают. В большинстве компаний маркетинговые отчеты по электронной почте, Google Analytics и другие сторонние веб-аналитические инструменты уже активно используются в дополнение к внутренним отчетам из систем бухгалтерского учета, маркетинга, ERP и CRM и используются в качестве основного механизма для монетизации своих небольших данных.
Более того, несмотря на то, что это большой и растущий рынок, точное измерение которого может быть затруднено, IDC оценивает мировой рынок инструментов бизнес-аналитики и аналитики почти в 14 миллиардов долларов США по состоянию на 2017 год, увеличившись на 11,7% в годовом исчислении, по данным Forrester Research. , компания, занимающаяся глобальными исследованиями рынка, прогнозирует среднегодовой темп роста в 15 % до 2021 года.
Неудивительно, что на рынке аналитических инструментов и решений доминирует старая гвардия компаний-разработчиков программного обеспечения — такие компании, как SAP, IBM, Oracle и Microsoft. По состоянию на 2015 год SAP лидировала на рынке с долей рынка 10% и доходом от продуктов аналитики и бизнес-аналитики (BI) в размере 1,2 миллиарда долларов; Институт SAS был вторым с долей 9%; IBM занимает третье место с 8%, а Oracle и Microsoft занимают четвертое и пятое места соответственно с 7% и 5%. Интересно, что рыночная доля пяти крупнейших поставщиков снижается из-за опережающего роста стартапов, поддерживаемых венчурным капиталом, таких как Sentiment Strategies, Tableau и Teradata. более быстрые и гибкие компании.
На максимально возможном уровне культура, ориентированная на данные, дает руководству большую уверенность в том, что оно способно принимать наилучшие возможные решения, часто и последовательно, опираясь на одну и ту же версию правды — прозрачную, измеримую. В конце концов, большинству из нас доводилось присутствовать на заседаниях, на которых враждующие руководители выдвигали/защищали различные аргументы, опираясь на различные анекдотические источники, закономерности и интерпретации, быстро ставя под сомнение достоверность входных данных и, следовательно, результатов. Таким образом, первое решение, которое должен принять малый бизнес, стремящийся пойти по пути анализа данных, заключается в том, действительно ли этот бизнес стремится стать организацией, управляемой данными.
После того как это нисходящее решение принято, необходимо создать структуру для оптимизации потенциала и полезности нового стратегического приоритета. Для начала необходимо задать несколько вопросов. Во-первых, каковы краткосрочные и долгосрочные цели данной фирмы, проекта, инициативы или отдела? Во-вторых, кто должен нести ответственность за усилия и их результаты? В-третьих, какие конкретные проблемы фирма, проект, инициатива или отдел стремятся решить с помощью данных? И в-четвертых, какие инструменты следует использовать для продвижения инициативы?
После того, как на эти вопросы будут даны ответы, следующим шагом будет формулировка реального плана выполнения, который с небольшим планированием, организационной структурой, направлением сверху вниз и энтузиазмом снизу вверх позволит организации создать реальные и измеримые результаты. результаты более стабильны, чем в прошлом. Диаграмма ниже предназначена для предоставления основы для рассмотрения различных элементов простого подхода к анализу данных.
Это первый важный вопрос, который нужно решить. На высоком уровне главной целью любой компании, стремящейся использовать свои данные, является разработка систематического процесса для принятия правильных бизнес-решений — последовательного и воспроизводимого процесса, дающего ощутимо лучшие результаты. На данном этапе важно отметить, что становление надежной организации, ориентированной на данные, — это путешествие, а не пункт назначения, и поэтому «поддержка» сверху и консенсус снизу являются важными основополагающими шагами, которые окажутся критически важными. к массовому внедрению и полному использованию аналитических ресурсов. Достигнув согласия, испытанный и испытанный следующий шаг — стратегически устроить несколько «быстрых побед», чтобы вызвать порог возбуждения и вовлеченности, необходимых для того, чтобы этот процесс завершился. Достижение консенсуса, заинтересованность и достижение быстрых результатов, как исследования, так и мой опыт, диктуют подход к реализации, который предполагает следующую структуру, последовательность и соображения:
Начните с описательной аналитики — простой визуальной информационной панели, которая показывает корпоративную эффективность, используя существующие данные о транзакциях, чтобы делать выводы, которые ранее оказывались неубедительными без количественных данных. Затем разработайте возможности детализации на своей панели инструментов, делитесь идеями, выводами о производительности и инструкциями по самопомощи со стратегической точки зрения и с нужными коллегами / влиятельными лицами в организации. Это даст толчок как процессу распространения информации среди подчиненных, так и культуре использования данных, которую вы стремитесь развивать.
Второй этап:переход к более сложным возможностям прогнозной аналитики либо с использованием собственных технических ресурсов, либо с помощью сторонних поставщиков. Эти возможности прогнозирования объединяют внутренние и внешние источники данных, чтобы лучше отвечать на конкретные бизнес-вопросы, такие как «Какова вероятность того, что клиент откажется?» или «Клиенты, которые покупают x, обычно также покупают y», и предоставляют реальные своевременное понимание эффективности работы отдела или данной инициативы. «Внешние источники данных» в этом случае включают данные из социальных сетей, данные о продажах или данные о пользовательском опыте, которые обеспечивают богатые и статистически значимые источники информации, в то время как внутренние данные все еще слишком ограничены, чтобы их можно было использовать самостоятельно.
Третий этап заключается в переходе к расширенной предписывающей аналитике, которая помогает определить соответствующие действия, чтобы направлять/упреждать поведение потребителей, корпораций, конкурентов, сотрудников или поставщиков на фоне исторических данных. Однако следует отметить, что этот этап обычно начинается с перехода от малых данных к большим; и тем не менее, это необходимый шаг, который должен быть включен в процесс принятия решений в масштабах вашей компании, чтобы обеспечить высочайший уровень целостности ввода-вывода и согласованности при принятии решений.
Общеизвестно, что то, что измеряется, управляется, и поэтому, разрабатывая единую детерминированную данными истину, лидеры внутри организации лучше способны принимать более обоснованные, более единые решения. Информационные панели — это отправная точка таких аналитических путешествий и наглядная иллюстрация достоверности данных компании. Конечно, то, что актуально для одной группы, может быть бессмысленным для другой, поэтому следует уделить должное внимание цели или теме данной информационной панели, какой информации следует включать, кто является релевантной целевой аудиторией для ее контента и что вопрос/проблема заключается в том, что указанная группа ищет ответ/решение.
Хорошо продуманные информационные панели способствуют принятию решений, а не просто представляют историческую информацию, и лучше всего эффективно фокусируют внимание на тенденциях и повторяющихся закономерностях (как положительных, так и отрицательных), точно иллюстрируя жизненно важные аспекты бизнеса. Более сложные информационные панели предоставляют возможности детализации, которые позволяют руководителям добраться до основных причин диагностированной проблемы с помощью аннотаций и возможностей совместного использования, которые обеспечивают более динамичный просмотр в режиме реального времени.
Как только процесс панели мониторинга завершен, начинающая организация, управляемая данными, может начать становиться более амбициозной. Для этого типичным следующим шагом является «использование объемных и разнообразных данных для проведения более сложного анализа и предоставления дополнительных измерений в области принятия решений». Смешивая данные по конкретной компании, дополнительно обогащенные данными третьих сторон, начиная от отраслевых поставщиков, таких как Experian, Acxiom и D&B, и заканчивая социальными сетями или поставщиками данных о продажах, такими как Facebook, Twitter и Salesforce, данная фирма может исследовать более крупные, более широкие, разнообразные и статистически значимые наборы данных для получения новых и более полных сведений об эффективности компании и поведении клиентов.
Компании уровня предприятия с различными потребностями в отношении данных, клиентов, правил и конкретных бизнес-проблем/вопросов, а также с разными бюджетами и набором внутренних навыков, скорее всего, будут иметь поставщиков технологий, которые удовлетворят их более уникальные потребности. Они работают в таком масштабе, что возможность внедрения аналитики в свои бизнес-процессы и рабочие процессы становится более важной и экономичной. Часто эти компании будут работать в регулируемых отраслях, где им необходимо продемонстрировать, что они применяют справедливые и повторяемые методы лечения.
Кредиторы не проявляют предубеждений в своей кредитной политике по признаку пола, дохода или расы.
Одно дело определить конкретное действие, другое — осуществить его. Должна быть связь между диагнозом, назначением и решением и индивидуумом/группой, ответственным за желаемый результат. Именно здесь становится важной роль исполнительного спонсора.
Как в малых, так и в крупных компаниях упомянутым исполнительным спонсором — назначенным сторонником обогащения данных и де-факто главным директором по данным — является физическое лицо, обычно генеральный директор, финансовый директор или директор по маркетингу, в самом начале, уже погруженный в данные и аналитику, настроенный на проблемы, которые лучше всего решаются с помощью данных, или, по крайней мере, верит в преобразующий потенциал анализа данных.
В дополнение к этому главному герою процесс также обычно требует второстепенного, более практического лидера, особенно когда фирма начинает переходить от описательной к прогнозной аналитике. Традиционно этот человек был технически подготовленным штатным специалистом по данным, но в последнее время он принял форму технически подкованного энтузиаста, которого часто называют гражданским специалистом по данным. Этот человек, как правило, выбирает сам — самопровозглашенный жокей электронных таблиц с правильным балансом интеллектуального любопытства и ловкости, но готовый жить в сорняках реализации. Во многих случаях этот человек опережает руководство в осознании потенциального воздействия формального процесса анализа данных на их фирму, но ему просто не хватает статуса или авторитета, необходимых для продажи своего видения.
Каждая успешная и терпящая неудачу компания имеет свой уникальный набор проблем, которые можно решить только с помощью соответствующей комбинации ресурсов, процессов и возможностей, присущих только ей. Тем не менее, виды бизнес-задач, которые лучше всего подходят для решения с помощью данных, чаще всего могут быть сокращены, классифицированы и решены с использованием структуры, изложенной на диаграмме 7.
Кроме того, за прошедшие годы было разработано несколько неподтвержденных руководств/параметров, которые дополнительно оптимизируют шансы не только на выявление правильных типов проблем, требующих решения с помощью данных, но и на их успешное решение. Эти рекомендации/параметры следующие:во-первых, выбирайте простые, ясные вопросы, последствия которых имеют большое значение; во-вторых, ища ответы на основе данных, стремитесь к практичности решения, а не к совершенству академического ответа; в-третьих, помните о характере и базе знаний вашей целевой аудитории при постановке диагноза и решении; и, наконец, выбирайте только те проблемы, которые поддаются измерению и количественному определению с помощью уже существующих данных и решений, которые в равной мере можно отслеживать.
Последний из наших первоначальных четырех рамочных вопросов, касающихся построения устойчивой организации, ориентированной на данные, касается выбора инструментов, методов или платформ. В связи с этим я сначала заявлю, что инструменты анализа данных значительно изменились за последние годы, с различными плюсами и минусами для бизнес-пользователей. Плюсы включают существенное снижение затрат, связанных с арендой таких инструментов, а также увеличение списка функций и сложности доступных опций, поскольку они перешли от инструментов для конкретных функций к платформам с перекрывающейся функциональностью. Кроме того, поставщики SaaS предлагают бесплатные пробные версии, хотя и с ограничениями по объему и типу данных; новым клиентам предоставляется возможность принять взвешенное решение о покупке после тестирования нескольких платформ.
Главный недостаток этих платформ заключается в том, что, стремясь оставаться конкурентоспособными друг с другом, поставщики настолько агрессивно внедряли инновации в сторону сложности, что их предложения теперь приближаются к насыщению функциями предложениями, которые выходят за рамки полезности для среднего бизнес-пользователя. Неблагоприятный результат заключается в том, что начинающий пользователь подавляется, что затрудняет достижение «быстрых побед», о которых говорилось ранее, и, таким образом, снижает вероятность того, что культура данных приживется в данной фирме.
К счастью, существует множество ресурсов, которые могут помочь потенциальным пользователям, оценить и сравнить конкурирующие решения для бизнес-аналитики, хотя некоторые знания об основных общих возможностях будут полезны при оценке их соответствия конкретным потребностям и приоритетам компании. Некоторые из таких возможностей включают в себя:количество и объем подключений к данным, доступность предварительно собранных информационных панелей, возможности детализации, публикации и совместного использования, интеграцию с возможностями программного обеспечения для смешивания и исследования данных, потенциал масштабирования (как по объему, так и по параметрам разнообразия), количество и точность подходов к моделированию, а также базы отзывов клиентов по конкретным отраслям. Хотя, по общему признанию, в общих чертах это просто, на приведенной выше диаграмме 7 представлены некоторые ключевые поставщики, работающие в различных категориях (описательные, предиктивные, предписывающие).
Несмотря на свое нишевое начало, очевидно, что аналитика данных и рынок аналитических инструментов на основе SaaS значительно развились в последние годы, в значительной степени на благо гражданских специалистов по данным и их компании. Большие данные, малые данные, инструменты самообслуживания — каждый из них сейчас достаточно популярен, чтобы оправдать их рассмотрение в качестве основной компетенции даже наименее технических предприятий. Иными словами, при таком большом количестве генерируемых полезных и действенных данных, а затраты на инструменты самообслуживания обратно пропорциональны предлагаемым функциям и возможностям, остается мало причин даже для малого бизнеса, чтобы не начать использовать данные в той или иной степени.
Эта статья должна была проиллюстрировать, что при небольшом планировании, постановке целей и выборе покровителя даже ваш стартап может начать уравнивать конкурентные правила игры с отраслевыми титанами, которых вы намеревались разрушить, открывая при этом огромную экономическую ценность для вас. и ваши заинтересованные стороны. Вам нужно только начать; так что вперед — приступайте!
Фондовый рынок сегодня:хорошие данные о потребителях дают небольшой подъём акций
Возврат малых предприятий оказывает большое влияние на местные сообщества
Резервное копирование
Соответствует ли ваш малый бизнес требованиям индустрии платежных карт?
Влияет ли Общий регламент по защите данных (GDPR) на ваш малый бизнес?