Ang papel na ginagampanan ng data siyentipiko ay mainit na demand na may inaasahang kakulangan sa ito umuusbong, mahalagang papel na ginagampanan inaasahan para sa taon.
Ang mga organisasyon ay gumagastos ng isang kapalaran sa bawat taon na pag-install ng software upang makuha, iimbak at pag-aralan ang data. Ang mga kagawaran ng pagmemerkado ay lalong napuno ng teknikal, mga propesyonal sa pag-aaral ng data sa kapinsalaan ng mga tungkulin sa paggawa.
Ang mundo ng negosyo ay isang data na nakatutok sa mundo, gayon pa man ito ay mahalaga upang makilala na ang data ay hindi isang dulo sa sarili nito. Tulad ng lahat ng bagay na nakukuha natin sa ating trabaho, ang data ay isang kasangkapan na puno ng pangako. Sa kanang kamay na may tamang pamamaraan, ang potensyal para sa data upang suportahan ang paggawa ng desisyon ay kapansin-pansin.
Gayunpaman, huwag kang magambala sa maling paniniwala na ang pagkuha at pag-aaral ng data ay walang panganib. Hayaan ang isang piraso ng polish off ng ideya ng data bilang tagapagligtas ng negosyo at tulungan kilalanin ang ilan sa mga potensyal na pitfalls ito bagong mapagkukunan nagtatanghal para sa ating lahat.
Ang paunang natutunan ay ipinakita.
6 Mga Tagapangasiwa at Organisasyon ng Big Hamon Nakaharap Sa Data:
1. Ang kalidad ng data ay madalas na mahirap. Habang kami ay bihasa sa pag-iisip tungkol sa kalidad sa konteksto ng mga pisikal na bagay o mga produkto, ito ay lumiliko ang kalidad ng data ay isang materyal na isyu para sa bawat kompanya sa lahat ng oras.
Ang data na nakaimbak sa nakabalangkas na mga database o mga repository ay madalas na hindi kumpleto, hindi pantay-pantay o hindi napapanahon. Malamang na sa pagtanggap ka ng isang simpleng halimbawa ng isang isyu sa kalidad ng data.
Karamihan sa atin ay maaaring matandaan ang pagtanggap ng mga dobleng mailing mula sa mga marketer na hinarap sa bahagyang naiiba o radikal na iba't ibang mga bersyon ng aming aktwal na pangalan.
Ang database ng nagmemerkado ay naglalaman ng mga duplicate na rekord sa aming address at iba't ibang, kadalasang maling pagbabaybay o pagkakaiba-iba ng aming pangalan. I-recycle namin ang dobleng mail bilang junk, at ang nagmemerkado ay nakakakuha ng labis na gastos sa anyo ng pag-print at pagpapadala sa lahat dahil sa isang simpleng isyu sa kalidad ng data. Palakasin ang pagkakamali na ito sa pamamagitan ng maraming daan-daang o libu-libong mga tala at ang maliit na error sa kalidad ng data na ito ay nagiging mahal.
Ang isyu ng kalidad ng data ay lumalaki sa kahalagahan habang sinisikap nating gumawa ng mga desisyon sa mga estratehiya, pamilihan, at marketing sa malapit na tunay na oras. Habang ang software at mga solusyon ay umiiral upang makatulong na subaybayan at mapabuti ang kalidad ng nakabalangkas (na-format) na data, ang tunay na solusyon ay isang makabuluhang, pang-organisasyon na pangako sa paggamot ng data bilang isang mahalagang asset. Sa pagsasagawa, ito ay mahirap na makamit at nangangailangan ng hindi pangkaraniwang disiplina at suporta sa pamumuno.
2. Kami ay halos nalulunod sa data. Ang data ay nasa lahat ng dako sa isang samahan. Isaalang-alang ang data ng customer. Karamihan sa mga organisasyon ay naging dalubhasa sa pagkuha ng impormasyon tungkol sa mga customer at mga prospect.
- Kinokolekta ng marketing ang data mula sa mga taong dumalo sa live o mga kaganapan sa web o kung sino ang nag-download ng nilalaman.
- Ginagamit ng mga ehekutibo ang data upang suportahan o tukuyin ang mga bagong estratehiya .
- Kinokolekta ng sales ang data tungkol sa mga customer na kasangkot sa proseso ng pagbebenta.
- Nakukuha ng Suporta ng Customer ang impormasyon tungkol sa mga tawag at pakikipag-ugnayan sa chat.
- Ang mga koponan ng pamamahala ay gumuhit sa data at mga pangunahing sukatan para sa mga scorecard.
- Ang data ng customer ay ginagamit sa accounting para sa mga layunin sa pagsingil at sa pamamagitan ng kalidad at customer na mga pangkat ng pananaw para sa pagsubaybay sa kasiyahan ng customer .
Nakukuha namin ang impormasyon ng customer sa iba't ibang iba't ibang mga sistema ng software, at iniimbak namin ang data sa iba't ibang mga repository ng data. Kinikilala ng isang Global Fortune 100 firm na halos 10 porsiyento ng data ng kanilang kustomer ang ginawang lokal sa pamamagitan ng mga empleyado sa kanilang mga computer sa mga spreadsheet. Ang isa pang organisasyon ay regular na nagboto ng kanilang mga kinatawan sa benta para sa data ng business card bago tumakbo ang mga kampanya sa marketing.
Karamihan na tulad ng marino-pagpunta sailor stranded sa isang lifeboat pagkatapos ng kanyang barko mas mababa, may tubig sa lahat ng dako, ngunit hindi isang drop sa inumin.
Mayroon kaming parehong kababalaghan sa aming mga negosyo. Ang data ay nasa lahat ng dako, at ang pagtaas ng data ay magagamit mula sa mga social at search feed sa real time. Kung ang data ay hindi madaling ma-access o, kung mayroon kaming duplicate o hindi kumpletong data, hindi namin magamit ang mga ito para sa layunin na ito.
Ang pagsasama-sama ng mga samahan ay pagsasama ng kanilang mga disparate na mga aplikasyon ng software at pinadali ang proseso ng pagkolekta at pagsasama-sama ng data sa buong enterprise. Kasama ang kalidad ng data, gayunpaman, ang pagsisikap na ito ay mahal, napapanahon at hindi nagtatapos.
3. Ang mga tomo ng datos ay lumalaki. Gumagawa kami ng higit pa at higit na data sa isang bilis na mahirap maunawaan. Inirerekomenda ng mga dalubhasa na bawat dalawang taon (at pag-urong) ay lumilikha kami ng mas maraming data kaysa sa umiiral sa planetang lupa para sa lahat ng sibilisasyon.
Karamihan sa mga bagong data na ito ay hindi nakaayos, kumpara sa uri ng data na maayos na naipasok sa aming mga application ng software at database. Halimbawa, ang lahat ng mga tweet tungkol sa iyong produkto o tatak ay kumakatawan sa isang potensyal na kayamanan ng mga pananaw, gayon pa man ang data na ito ay unstructured, pinatataas ang pagiging kumplikado ng pagkuha at pag-aaral nito. Habang maraming mga handog ng software upang makatulong sa hamon na ito, ang unstructured data ay kumakatawan sa isang bagong agos ng raw na materyal para sa pagproseso, kasama ang lahat ng mga likas na kumplikado at mga isyu sa kalidad na tinalakay sa artikulong ito.
4. Basura-in, basura-out. Ang data analytic software ay kasing ganda ng data na nagpapakain dito. Ang karaniwang thread sa isyung ito ng pagdaragdag ng data para sa kalamangan ay ang kalidad. Habang ang maraming mga kumpanya ay mamuhunan ng makabuluhang dolyar sa malakas na bagong data-crunching na mga application, ang crunching marumi na data ay humantong sa mga depektong desisyon. Mag-ingat sa walang taros na pagtitiwala sa output ng mga pagsusumikap sa pagtatasa ng data. Dapat kang magtiwala na maaari mong pinagkakatiwalaan ang data na ginamit sa pag-aaral.
5. Tinatanggap namin ang output ng data pinag-aaralan bilang kapani-paniwala, ngunit ito ay hindi. Sa totoo lang, ang pagtatasa ng data ay kadalasang nagpapakita ng ugnayan, hindi pagsasagawa! Madali itong mahulog sa bitag ng pagtitiwala sa output ng mga pinag-aaralan ng data at nakalilito na kaugnayan sa pagsasagawa.
Ang ugnayan ay nagpapakita ng isang relasyon, ngunit ito ay hindi nagpapahiwatig na ang isang sanhi B. Ang pagtatatag ng isang pananahilan ay isang nirvana para sa paggawa ng mga tumpak at masusing desisyon. Mahirap din itong patunayan. Kung hindi mo pinagkakatiwalaan ang isang output at ipagpalagay ang isang salungat na relasyon kung saan wala ang umiiral, ang iyong mga desisyon ay nasasaktan.
6. Ang aming mga nagbibigay-malay na pagpapahalaga ay pinalaki pagdating sa pagsusuri ng data. Tulad ng isang matalinong datos ng siyentipiko sa sandaling intoned, "Sa pagtatapos ng pinaka kumplikado at lubusang pag-aaral ng data, isang tao pa rin ang dapat gumuhit ng isang hinuha at gumawa ng isang desisyon." At kapag naabot namin ang puntong iyon kung saan kailangan nating masuri ang kahulugan ng pag-aaral ng data, ang ating mga biases ay nakikipaglaro. Marami sa atin ang may tendensiyang magtiwala o umaasa sa data na sumusuporta sa ating mga posisyon at mga inaasahan at suppress data na ang kabaligtaran. Pinagkakatiwalaan din namin ang data mula sa mga mapagkukunang gusto namin o, umaasa kami sa data na pinakahuling. Ang lahat ng mga biases ay nakakatulong sa mga hamon at potensyal para sa mga pagkakamali mula sa aming pag-aaral ng data.
Paano Simulan upang gawing maingat ang Data para sa Iyong Paggamit bilang isang Manager:
Ang pagbubuo ng isang diskarte sa data sa buong enterprise ay kritikal para sa bawat negosyo, pa ay lampas sa saklaw ng artikulong ito. Sa halip, narito ang pitong ideya na maaari mong gamitin bilang isang tagapangasiwa upang mapabuti ang iyong paggamit ng data sa iyong araw-araw na paggawa ng desisyon.
1. Kilalanin at pagaanin ang potensyal para sa mga biases . Hanapin ang data na nagpapalawak ng larawan o salungat sa data sa harap mo. Hikayatin ang isang panlabas na tagamasid upang suriin ang iyong mga palagay sa paligid ng data.
2. Palakasin ang iyong pang-unawa sa pamamahala ng data. Mayroong maraming mga libreng mapagkukunan ng mga pananaw sa web, at maraming mga organisasyon ay nag-aalok ng mga seminar o mga workshop sa data analytics at katalinuhan sa negosyo. Maraming mga unibersidad ang nagdagdag ng mga kurso para sa booming field na ito. Panatilihin ang iyong mga kasanayan.
3. Tanungin ang iyong sarili o ang iyong koponan, "Anong data ang kailangan naming gawin ang desisyon na ito?" Kadalasan, umaasa kami sa data sa kamay at huwag pansinin ang pangangailangan upang humingi ng higit pang data upang makumpleto ang larawan.
4. Maging kamalayan ng kamalayan sa pagkakaiba sa pagitan ng ugnayan at pagsasagawa . Tulad ng inilarawan sa mas maaga, ang nakalilito sa dalawang ito ay isang potensyal na mapanganib na patibong para sa paggawa ng desisyon.
5. Marka- suriin ang iyong data. Kung ang iyong kompanya ay walang kalidad ng data o pangako sa pamamahala ng master data, mamuhunan ang oras upang suriin ang iyong data para sa mga halatang pagkakamali, kabilang ang mga duplicate, hindi kumpleto o maling mga rekord. Mayroong maraming mga komersyal na magagamit na mga aplikasyon ng software o upang suportahan ang aktibidad na ito at maraming mga kumpanya gumuhit sa kadalubhasaan ng mga eksperto ng data upang query at masuri ang kalidad ng data. Gayundin, isaalang-alang ang mga panlabas na tagapagbigay ng serbisyo na makakatulong na linisin ang data para sa iyo. Mahalaga, tumuon sa patuloy na pagpapabuti ng kalidad ng iyong data.
6. Tagataguyod para sa mas malakas na kalidad ng data at mga pagsisikap sa pamamahala sa iyong kompanya. Ang gawain na ito ay madalas na ang domain ng IT o teknikal na mga propesyonal, ngunit ang data ay may potensyal na maglingkod bilang isang strategic asset. Ang bawat tagapamahala ay dapat na nagmamalasakit sa kakayahan ng kanilang kompanya upang mas mahusay na magamit ang data para sa pagpapasya at pagpapatupad ng estratehiya .
7. Magdagdag ng teknikal at data-savvy talento sa iyong koponan. Ang mga departamento ng sales at marketing ay naiintindihan ang kapangyarihan ng mga indibidwal na nangangailangan ng kasanayan sa mga pinakabagong teknolohiya at may kakayahang pag-navigate ng marami sa mga hamon sa data na nakabalangkas sa artikulong ito. Ang teknolohiya at data ay hindi na ang domain o pananagutan ng isang function sa isang enterprise.
Ang Bottom Line:
Ang mga kumpanya at tagapamahala na natututo sa paggamit ng data para sa pinabuting paggawa ng desisyon ay mananalo sa pamilihan. Ang mga organisasyon na ito ay maaaring magmonitor at tumugon sa mga pagbabago sa mga kondisyon at umuusbong na pangangailangan ng kostumer na mas mabilis kaysa sa kanilang data na hinamon ng mga katunggali. Sila ang unang makakakuha ng mga pananaw mula sa dialog ng social media, at sila ay mananalo sa labanan upang makilala at makisali sa mga customer sa mas malalim na antas-lahat batay sa data. Ito ay hindi isang libangan, bagkus isang bagong katotohanan ng pamamahala at pakikipagkumpitensya sa mundo ngayon. Lamang panoorin ang para sa mga pitfalls sa paglalakbay na ito.