成为数据驱动的组织
大多数组织使用某种形式的描述性分析来组织数据,以便用于查看事件并了解发生的事情和原因。预测分析进一步阐明了基于已经发生的事情可能发生的事情。它可以应用于从潜在客户产生和客户外展到成本管理以及是否扩展到新市场的方方面面。
我们在多个行业和场景中看到了这一点。例如,营销和广告过去是由直觉和对创意和吸引力的感觉驱动的。如今,营销以衡量和绩效分析为中心,这推动了从何时何地推广信息到最有可能成功的格式和内容的一切。这就是网站和实体公司捕获如此多关于搜索、位置、习惯和购买的数据的原因。
规范性分析将自动化提升到下一个合乎逻辑的水平:如果我们可以预测可能的结果,为什么不使用人工智能来建议下一步该做什么以实现业务目标?这既适用于影响每个人前进能力的宏观策略,也适用于微观决策。该功能非常引人注目,尽管如今 11% 的大中型组织使用某种形式的规范性分析,高德纳预计到 2022 年,这一比例将增长到 37%。
信任差距
自动化业务决策听起来很棒,不是吗?但它只有在数据被需要使用它的人信任的情况下才有效,这取决于许多因素:
来源:我们相信它的来源(内部还是外部)?
完整性:我们是否遗漏了什么重要的东西?数据是最新的吗?
准确性:信息可靠吗?模型可信吗?
相关性:信息是否与业务或我们试图做出的决定有关?
那么,信任差距从何而来?一方面,数字分析协会据估计,44% 的分析团队将一半以上的时间用于访问和准备数据,而不是分析数据。这意味着在对数据进行审查、清理和分类之前,它可能在所有方面都未达标。
组织内的数据孤岛也可能导致信息不完整。部分问题可能是技术问题,因为遗留系统可能无法与组织的其他部分有效地共享数据。但是,不幸的是,这里也有文化因素在起作用。
作为数据驱动型组织的一个关键部分是每个人都必须愿意共享信息。仍然有人将“知识就是力量”这句格言作为保留一些数据的理由。创建数据文化与拥有正确的技术同样重要,而这只有在领导层真正接受这个想法的情况下才会发生。
数据与直觉
依靠机器做出业务决策的想法让许多担任领导职务的人感到不安。相反,他们继续本能地运作——有时,面对数据所说的飞行。
数据驱动的组织通过理性分析为决策提供信息,从而降低风险;它并没有消除人为因素。领导层仍然可以确定组织目标以及决策参数。最终对结果负责的人可以选择自动化的操作。
但风险是:不信任数据,可能会失去机会。在人们收集和分析信息、组建委员会并得出结论所花费的时间里,市场可能已经发生了变化,价格和可用性可能已经改变,或者竞争对手可能已经领先。自动化可以提供更快、更准确的决策,从而实现真实、可衡量的投资回报率。
规范性分析并不一定意味着所有决策都交给机器。但它可以提供对组织的健康和成长至关重要的公正、合理的结论。事实是,因为涉及到人类,所以建立一种导致信任的文化需要时间。领导层的责任是在整个企业中实现并支持它。对于数据驱动的组织而言,实现这一飞跃——从描述性分析到预测性分析,再到最终规范性分析——可以带来巨大的竞争优势。
相关帖子DA内容精选
|