6 Herausforderungen für Manager und Organisationen mit Daten

Wir arbeiten in einer datenzentrierten Welt. Manager werden mit Daten über Berichte, Dashboards und Systeme bombardiert. Wir werden regelmäßig daran erinnert, datengesteuerte Entscheidungen zu treffen. Führende Führungskräfte salivated auf dem Versprechen von Big Data, um einen Wettbewerbsvorteil zu entwickeln, aber die meisten kämpfen darum, sich darüber zu einigen, was es viel weniger ist, die erwarteten greifbaren Vorteile zu beschreiben.

Die Rolle des Datenwissenschaftlers ist heiß begehrt, mit prognostizierten Defiziten in dieser wichtigen Rolle, die seit Jahren erwartet wird.

Unternehmen geben jedes Jahr ein Vermögen aus, indem sie Software zur Erfassung, Speicherung und Analyse von Daten installieren. Marketingabteilungen werden zunehmend mit technischen, datenaffinen Fachleuten auf Kosten der kreativen Rollen besetzt.

Die Geschäftswelt ist eine datenorientierte Welt, aber es ist wichtig zu erkennen, dass Daten kein Selbstzweck sind. Wie alles, worauf wir bei unserer Arbeit zurückgreifen, sind Daten ein vielversprechendes Werkzeug. In den richtigen Händen mit den richtigen Ansätzen ist das Potential für Daten zur Unterstützung der Entscheidungsfindung bemerkenswert.

Lassen Sie sich jedoch nicht in die falsche Überzeugung einlullen, dass das Erfassen und Analysieren von Daten ohne Risiko ist. Lassen Sie uns ein wenig von der Idee der Daten als Business-Retter abstreifen und helfen, einige der potenziellen Fallstricke zu identifizieren, die diese neue Ressource für uns alle darstellt.

Vorgewarnt ist gewappnet.

6 große Herausforderungen Manager und Organisationen stehen Daten gegenüber:

1. Die Datenqualität ist oft schlecht. Während wir daran gewöhnt sind, über Qualität im Kontext von physischen Objekten oder Produkten nachzudenken, stellt sich heraus, dass die Datenqualität für jedes Unternehmen ein wesentliches Thema ist.

In strukturierten Datenbanken oder Repositorys gespeicherte Daten sind oft unvollständig, inkonsistent oder nicht mehr aktuell. Es ist wahrscheinlich, dass Sie ein einfaches Beispiel für ein Datenqualitätsproblem erhalten haben.

Die meisten von uns können sich daran erinnern, doppelte Postsendungen von Vermarkter zu erhalten, die an leicht unterschiedliche oder radikal unterschiedliche Versionen unseres tatsächlichen Namens adressiert sind.

Die Datenbank des Vermarkters enthält doppelte Datensätze mit unserer Adresse und verschiedenen, oft fehlerhaften Schreibweisen oder Variationen unseres Namens. Wir recyceln die doppelte Mail als Junk, und der Vermarkter verursacht aufgrund eines einfachen Datenqualitätsproblems zusätzliche Kosten in Form von Drucken und Versenden. Verstärken Sie diesen Fehler um viele hundert oder tausend Datensätze und dieser kleine Datenqualitätsfehler wird kostspielig.

Die Frage der Datenqualität gewinnt zunehmend an Bedeutung, da wir versuchen, nahezu in Echtzeit Entscheidungen über Strategien, Märkte und Marketing zu treffen. Während es Software und Lösungen gibt, die helfen, die Qualität von strukturierten (formatierten) Daten zu überwachen und zu verbessern, ist die reale Lösung ein bedeutendes unternehmensweites Engagement für die Behandlung von Daten als wertvolles Gut.In der Praxis ist dies schwierig zu erreichen und erfordert außerordentliche Disziplin und Führungsunterstützung.

2. Wir ertrinken praktisch in Daten. Daten sind überall in einer Organisation. Betrachten Sie Kundendaten. Die meisten Organisationen haben Erfahrung darin, Informationen über Kunden und Interessenten zu erfassen.

• Marketing sammelt Daten von Personen, die an Live- oder Web-Veranstaltungen teilnehmen oder Inhalte herunterladen.
• Führungskräfte verwenden Daten, um neue Strategien zu unterstützen oder zu definieren.
• Sales sammelt Daten über Kunden, die am Verkaufsprozess beteiligt sind.
• Der Kundensupport erfasst Informationen zu Anrufen und Chat-Interaktionen.
• Managementteams greifen auf Daten und Schlüsselkennzahlen für Scorecards zurück.
• Kundendaten werden in der Buchhaltung für Abrechnungszwecke und von Qualitäts- und Kundeneinsichtsteams zur Überwachung der Kundenzufriedenheit verwendet.

Wir erfassen Kundeninformationen in einer Vielzahl von unterschiedlichen Softwaresystemen und speichern die Daten in einer Vielzahl von Datenspeichern. Eine Global-Fortune-100-Firma, die 10 Prozent ihrer Kundendaten anerkannte, wurde lokal von Mitarbeitern auf ihren Computern in Tabellenkalkulationen gehalten. Eine andere Organisation befragt ihre Vertriebsmitarbeiter regelmäßig nach Visitenkartendaten, bevor sie Marketingkampagnen durchführt.

Ähnlich wie der Seemann, der in einem Rettungsboot gestrandet ist, nachdem sein Schiff gesunken ist, ist überall Wasser, aber kein Tropfen zu trinken.

Wir haben dasselbe Phänomen in unseren Unternehmen. Daten sind überall, und zunehmend sind Daten aus Social und Search Feeds in Echtzeit verfügbar. Wenn die Daten nicht leicht zugänglich sind oder wir doppelte oder unvollständige Daten haben, können wir sie nicht für den vorgesehenen Zweck nutzen.

In zunehmendem Maße integrieren Organisationen ihre unterschiedlichen Softwareanwendungen und vereinfachen den Prozess der Sammlung und Zusammenführung von Daten im gesamten Unternehmen. Zusammen mit der Datenqualität ist dieser Aufwand jedoch teuer, zeitaufwendig und endet niemals.

3. Das Datenvolumen wächst. Wir machen immer mehr Daten in einem Tempo, das schwer zu verstehen ist. Experten gehen davon aus, dass wir alle zwei Jahre (und schrumpfend) mehr Daten erzeugen, als für die gesamte Zivilisation auf dem Planeten Erde existieren.

Die meisten dieser neuen Daten sind unstrukturiert, im Gegensatz zu solchen Daten, die in unsere Software und Datenbankanwendungen eingegeben werden. Zum Beispiel stellen alle Tweets zu Ihrem Produkt oder Ihrer Marke einen potenziellen Schatz an Einblicken dar. Diese Daten sind jedoch unstrukturiert, was die Komplexität bei der Erfassung und Analyse erhöht. Während es viele Software-Angebote gibt, die bei dieser Herausforderung helfen, stellen die unstrukturierten Daten einen neuen Strom von Rohmaterial für die Verarbeitung dar, mit all den in diesem Artikel beschriebenen inhärenten Komplexitäts- und Qualitätsproblemen.

4. Müll-in, Müll-out. Datenanalysesoftware ist nur so gut wie die Daten, die sie einlesen. Der rote Faden in dieser Ausgabe von Vorteil für die Nutzung von Daten ist die Qualität. Während viele Firmen erhebliche Summen in leistungsfähige neue Datenverarbeitungsanwendungen investieren, führt das Knirschen von schmutzigen Daten zu fehlerhaften Entscheidungen.Passen Sie auf, blind dem Ausgang der Datenanalysebestrebungen zu vertrauen. Sie müssen darauf vertrauen können, dass Sie den in der Analyse verwendeten Daten vertrauen können.

5. Wir akzeptieren die Ausgabe von Datenanalysen als schlüssig, aber das ist es nicht. In der Realität zeigt die Datenanalyse meistens Korrelation, nicht Verursachung! Es ist leicht, in die Falle zu gehen, der Ausgabe von Datenanalysen zu vertrauen und Korrelation mit Verursachung zu verwechseln.

Die Korrelation zeigt eine Beziehung auf, aber sie impliziert keineswegs, dass A eine Ursache von B ist. Die Etablierung einer kausalen Beziehung ist ein Nirvana, um genaue, aufschlussreiche Entscheidungen zu treffen. Es ist auch unglaublich schwer zu beweisen. Wenn Sie einer Ausgabe unangemessen vertrauen und eine kausale Beziehung annehmen, wo keine existiert, werden Ihre Entscheidungen tödlich fehlerhaft sein.

6. Unsere kognitiven Verzerrungen werden verstärkt, wenn es um die Auswertung von Daten geht. Wie ein kluger Datenwissenschaftler einmal intoniert hat, "Am Ende der kompliziertesten und erschöpfendsten Analyse von Daten muss ein Mensch immer noch eine Schlussfolgerung ziehen und eine Entscheidung treffen." Und wenn wir erreichen An diesem Punkt, an dem wir die Bedeutung der Datenanalyse beurteilen müssen, kommen unsere Vorurteile ins Spiel. Viele von uns vertrauen oder vertrauen auf Daten, die unsere Positionen und Erwartungen unterstützen und Daten unterdrücken, die das Gegenteil bewirken. Wir vertrauen auch Daten aus Quellen, die uns gefallen, oder wir vertrauen auf Daten, die die neuesten sind. All diese Vorurteile tragen zu den Herausforderungen und dem Fehlerpotenzial unserer Datenanalysen bei.

So fangen Sie an, die Daten für Ihre Verwendung als Manager zu zähmen:

Die Entwicklung einer unternehmensweiten Datenstrategie ist für jedes Unternehmen von entscheidender Bedeutung und würde den Rahmen dieses Artikels sprengen. Stattdessen sind hier sieben Ideen, die Sie als Manager verwenden können, um Ihre Datenverwendung in Ihrer täglichen Entscheidungsfindung zu verbessern.

1. Erkennen und mindern Sie das Potenzial für Verzerrungen . Suchen Sie nach Daten, die das Bild erweitern oder mit den Daten vor Ihnen in Konflikt stehen. Ermutigen Sie einen externen Beobachter, Ihre Annahmen in Bezug auf Daten zu bewerten.

2. Stärken Sie Ihr Verständnis von Datenmanagement. Es gibt reichlich freie Quellen für Erkenntnisse im Web, und viele Organisationen bieten Seminare oder Workshops zu Datenanalyse und Business Intelligence an. Viele Universitäten haben Kurse für dieses boomende Gebiet hinzugefügt. Schärfen Sie Ihre Fähigkeiten.

3. Fragen Sie sich oder Ihr Team, "Welche Daten benötigen wir, um diese Entscheidung zu treffen?" Zu ​​oft verlassen wir uns auf die vorliegenden Daten und ignorieren die Notwendigkeit, mehr Daten zu suchen, um das Bild zu vervollständigen.

4. Seien Sie sich des Unterschieds zwischen Korrelation und Kausalität bewusst. Wie bereits erwähnt, ist die Verwirrung dieser beiden Faktoren eine potenziell gefährliche Falle für die Entscheidungsfindung.

5. Quality- prüft Ihre Daten. Wenn Ihr Unternehmen keine Verpflichtung zur Datenqualität oder Stammdatenverwaltung hat, investieren Sie die Zeit, um Ihre Daten auf offensichtliche Fehler zu überprüfen, einschließlich doppelter, unvollständiger oder fehlerhafter Datensätze. Es gibt viele kommerziell verfügbare Softwareanwendungen oder um diese Aktivität zu unterstützen, und viele Firmen greifen auf das Fachwissen von Datenexperten zurück, um die Datenqualität abzufragen und zu bewerten.Betrachten Sie auch externe Dienstleister, die Ihnen helfen können, die Daten für Sie zu bereinigen. Konzentrieren Sie sich auf die kontinuierliche Verbesserung der Qualität Ihrer Daten.

6. Setzen Sie sich für eine bessere Datenqualität und ein besseres Management Ihres Unternehmens ein. Diese Arbeit war oft die Domäne von IT- oder technischen Fachleuten, aber Daten haben das Potenzial, als strategisches Asset zu dienen. Jeder Manager muss sich um die Fähigkeit seiner Firma kümmern, Daten für die Entscheidungsfindung und die Strategieausführung besser zu nutzen.

7. Fügen Sie Ihrem Team technische und datenerprobte Talente hinzu. Vertriebs- und Marketingabteilungen verstehen die Fähigkeit, Fachleute für die neuesten Technologien zu gewinnen und viele der in diesem Artikel beschriebenen Herausforderungen zu bewältigen. Technologie und Daten sind nicht länger Domäne oder Verantwortung einer einzelnen Funktion in einem Unternehmen.

Das Fazit:

Unternehmen und Manager, die lernen, Daten für eine bessere Entscheidungsfindung zu nutzen, werden am Markt gewinnen. Diese Organisationen werden in der Lage sein, sich ändernde Bedingungen und aufkommende Kundenbedürfnisse schneller zu überwachen und darauf zu reagieren als ihre datenbehafteten Konkurrenten. Sie werden die ersten sein, die Einblicke aus dem Social-Media-Dialog gewinnen, und sie werden den Kampf gewinnen, Kunden auf einer tieferen Ebene zu kennen und zu engagieren - alles basiert auf Daten. Das ist keine Modeerscheinung, sondern eine neue Realität des Verwaltens und Wettkampfs in der heutigen Welt. Achten Sie auf die Fallstricke auf dieser Reise.