Cztery kroki, dzi臋ki kt贸rym Twoje zespo艂y analizy biznesowej b臋d膮 bardziej odpowiednie

Cztery kroki, dzi臋ki kt贸rym Twoje zespo艂y analizy biznesowej b臋d膮 bardziej odpowiednie

艢wiat analityki si臋 zmienia. Samoobs艂ugowe narz臋dzia analityczne, takie jak Tableau, Qlik i Power BI, umo偶liwiaj膮 u偶ytkownikom biznesowym samodzielne wykonywanie raport贸w i analiz przy niewielkim lub zerowym wsparciu ze strony organizacji IT. Ten trend ewoluowa艂 z powodu kilku czynnik贸w, w tym:

1) Organizacje s膮 zalewane danymi, a organizacje IT nie s膮 w stanie nad膮偶y膰
2) 艁atwiejsze w u偶yciu narz臋dzia Business Intelligence sprawiaj膮, 偶e u偶ytkownicy biznesowi mog膮 bardziej wydajnie tworzy膰 raporty bezpo艣rednio, zamiast przechodzi膰 przez dzia艂 IT do projektu
3) Projekty analityczne organizacji IT mog膮 trwa膰 kilka miesi臋cy, gdy firma potrzebuje tych informacji w tygodniach

Tendencja ta spowodowa艂a, 偶e 鈥嬧媤ysi艂ki zespo艂贸w IT Business Intelligence (BI) po艣wi臋ca艂y wi臋kszo艣膰 swojej energii na gromadzenie, czyszczenie i strukturyzowanie danych, aby firma mog艂a przeprowadza膰 w艂asne analizy w modelu samoobs艂ugowym. W szczeg贸lnych przypadkach zapewniaj膮 raportowanie si艂y przemys艂owej, kt贸re mo偶na skalowa膰 do tysi臋cy u偶ytkownik贸w, gdy potrzebne s膮 zaufane zweryfikowane dane. Jednak nadal pokazuje si臋 im drzwi, je艣li chodzi o niekt贸re z ciekawszych prac.

Co mog膮 zrobi膰 zespo艂y IT BI, aby pozosta膰 istotnymi i warto艣ciowymi dla firmy? Mamy kilka sugestii, kt贸re odnosz膮 si臋 do przyj臋cia analityki samoobs艂ugowej jako nowej rzeczywisto艣ci i przej艣cia podstawowych kompetencji zespo艂u Business Intelligence z czysto opisowego raportowania i przej艣cia na analizy diagnostyczne i predykcyjne.

Wyja艣nijmy t臋 ostatni膮 koncepcj臋, zanim zalecimy kilka rozwi膮za艅. Obecny stan wi臋kszo艣ci narz臋dzi analitycznych ma charakter opisowy i pomaga odpowiedzie膰 na pytania 鈥瀋o si臋 sta艂o?鈥 Diagnostyka i predykcja Analytics pomagaj膮 odpowiedzie膰 na pytania 鈥濪laczego to si臋 sta艂o?鈥 i przygotowuje scen臋 do odpowiedzi: 鈥濩o mog臋 z tym zrobi膰?鈥 Diagnostic Analytics pomaga organizacjom nie tylko zrozumie膰, co, ale tak偶e dlaczego i jakie decyzje i dzia艂ania mo偶na podj膮膰, aby rozwi膮za膰 problem. Ten rodzaj analityki jest bardziej warto艣ciowy dla biznesu i wymaga kompetencji, do kt贸rych zespo艂y IT BI maj膮 wyj膮tkowe kwalifikacje w trakcie lat tworzenia rozwi膮za艅 analitycznych.

Aby umo偶liwi膰 zespo艂om IT Business Intelligence przej艣cie w g贸r臋 艂a艅cucha warto艣ci od dostarczania raport贸w o towarach do analiz nap臋dzaj膮cych biznes, zalecamy dodanie tych czterech komponent贸w:

    Zbuduj mo偶liwo艣ci nauki o danych – Data Scientists zaczynaj膮 pojawia膰 si臋 w grupach analitycznych w firmach. Jednak nadal nie s膮 one wszechobecne, a funkcja jest niedostateczna. Ponadto wi臋kszo艣膰 grup w firmie nie mo偶e uzasadni膰 koszt贸w pe艂noetatowego analityka danych. Dodaj膮c analityk贸w danych do organizacji IT BI, tworzysz scentralizowany zesp贸艂, kt贸ry mo偶e dostarcza膰 analizy do niedostatecznie obs艂ugiwanych cz臋艣ci organizacji. Ten zesp贸艂 ju偶 teraz skupia si臋 na tworzeniu analitycznych struktur danych i raport贸w, a dodanie mo偶liwo艣ci wyci膮gania wniosk贸w z danych jest naturalnym rozszerzeniem.
    Podejmij decyzj臋 – W procesie wymaga艅 dodaj Metodologi臋 Architektury Decyzji jako zdolno艣膰. Wi臋kszo艣膰 metodologii wychwytywania wymaga艅 analitycznych koncentruje si臋 na pytaniach dotycz膮cych danych w celu oszacowania wymiar贸w i fakt贸w. Chocia偶 daje nam to 艣wietne opisowe analizy, ale nie przesuwa firmy po analitycznej krzywej dojrza艂o艣ci. G艂臋bsze skupienie si臋 na decyzjach podejmowanych przez firm臋, a tym samym skupienie mo偶liwo艣ci analitycznych na pomocy w uzyskaniu praktycznych informacji, poruszy ig艂臋.
    Dodaj teori臋 decyzji do swoich analiz – Je艣li nauka o danych pomaga przekszta艂ci膰 informacje w praktyczne spostrze偶enia, teoria decyzji pomaga ustrukturyzowa膰 proces decyzyjny, aby poprowadzi膰 osob臋 do w艂a艣ciwego wyboru. Teoria decyzji, wraz z ekonomi膮 behawioraln膮, koncentruje si臋 na zrozumieniu element贸w procesu decyzyjnego, aby wyja艣ni膰, dlaczego dokonujemy wybor贸w, kt贸rych dokonujemy. Zapewnia systematyczny spos贸b rozwa偶ania kompromis贸w mi臋dzy atrybutami, co pomaga nam podejmowa膰 lepsze decyzje. Narz臋dzia, takie jak progi, alerty, macierze decyzyjne i architektura wyboru, nale偶y uzna膰 za wa偶ne mo偶liwo艣ci, kt贸re mo偶na doda膰 do skrzynki narz臋dziowej zespo艂u.
    Utw贸rz proces certyfikacji raportu – Poniewa偶 rozpowszechnianie raport贸w ma miejsce w przypadku samoobs艂ugowych analiz, stworzenie standardu dotycz膮cego kondycji i wa偶no艣ci raportu b臋dzie wa偶ne, je艣li analizy maj膮 by膰 wykorzystywane przez szersze grono odbiorc贸w i mo偶na im ufa膰. Na przyk艂ad jedna grupa mo偶e utworzy膰 raport z kluczowymi danymi pochodz膮cymi z niecertyfikowanych 藕r贸de艂 danych. Dzi臋ki poddawaniu raport贸w z poszczeg贸lnych dzia艂贸w procesowi certyfikacji podobnemu do etykietowania UL na produktach elektrycznych, szerszy konsumenci poznaj膮 poziom kontroli, kt贸ry zosta艂 umieszczony w raporcie przez zespo艂y zarz膮dzania danymi i IT, a tym samym zaufaj膮 zawartym w nim danym i metrykom.

Poniewa偶 zespo艂y IT Business Intelligence staraj膮 si臋 przesun膮膰 w g贸r臋 艂a艅cucha warto艣ci w zakresie mo偶liwo艣ci, kt贸re oferuj膮 swoim klientom wewn臋trznym, konieczne b臋dzie dodanie dodatkowych umiej臋tno艣ci, metod i narz臋dzi. Przedstawione mo偶liwo艣ci doskonale nadaj膮 si臋 do posiadania scentralizowanego zespo艂u, a ta transformacja w zespo艂ach IT BI mo偶e 艣wiadczy膰 o warto艣ci, jak膮 te ulepszone mo偶liwo艣ci zapewniaj膮 firmie.

Kredyt zdj臋ciowy: REDPIXEL.PL/Shutterstock

Andrew Roman Wells jest dyrektorem generalnym Aspirent, firmy konsultingowej zajmuj膮cej si臋 zarz膮dzaniem, zajmuj膮cej si臋 analityk膮. Kathy Williams Chiang jest wiceprezesem ds. Business Insights w Wunderman Data Management. S膮 wsp贸艂autorami ksi膮偶ki Monetizing Your Data: A Guide to Turning Data into Profit-Driving Strategies and Solutions. Aby uzyska膰 wi臋cej informacji, odwied藕 www.monetizingyourdata.com.