მონაცემთა მეცნიერის როლი არის პროგნოზირებული ნაკლოვანებით ცხელი მოთხოვნილება, რომელიც წარმოიქმნება წლების განმავლობაში მოსალოდნელ მნიშვნელოვან როლს.
ორგანიზაციები ყოველწლიურად ხარჯავს ბირჟაზე მონაცემების გადაღებას, შენახვასა და ანალიზს. მარკეტინგის განყოფილებები უფრო სავსეა სავსე ტექნიკით, მონაცემთა დამზოგავი პროფესიონალებით შემოქმედებითი როლების ხარჯზე.
ბიზნესის ბიზნესი მონაცემთა ორიენტირებული სამყაროა, მაგრამ მნიშვნელოვანია იმის აღიარება, რომ მონაცემები არ არის ბოლომდე. ყველაფრის მსგავსად, ჩვენ ვმუშაობთ ჩვენს საქმეში, მონაცემები არის დანაპირებით შევსებული ინსტრუმენტი. სათანადო მიდგომებით მარჯვენა ხელით, გადაწყვეტილების მიღების მხარდასაჭერად არსებული პოტენციალი აღსანიშნავია.
თუმცა, არ მიიღებთ ცრუ რწმენას, რომ მონაცემთა მოპოვება და ანალიზი არ არის რისკის გარეშე. მოდით დავუბრუნდეთ ოდნავ პოლიციელს მონაცემების იდეის შესახებ, როგორც ბიზნესმენი და დაეხმაროს პოტენციური პრობლემების იდენტიფიცირება ამ ახალი რესურსის ჩვენთვის ყველა ჩვენგანისთვის.
Forewarned არის forearmed.
6 დიდი გამოწვევები მენეჯერები და ორგანიზაციები მონაცემთა მონაცემებით:
1. მონაცემთა ხარისხი ხშირად ღარიბია. მიუხედავად იმისა, რომ ჩვენ მიგვაჩნია, რომ ხარისხის შესახებ ფიქრი ფიზიკური ობიექტების ან პროდუქტების კონტექსტში, აღმოჩნდება, მონაცემები ხარისხი არის ყველა ფირმის მატერიალური საკითხი.
სტრუქტურული მონაცემთა ბაზებში ან საცავებში შენახული მონაცემები ხშირად არასრულია, არათანმიმდევრული ან მოძველებული. სავარაუდოდ, თქვენ უკვე გაქვთ მონაცემთა ხარისხის ხარისხის მარტივი მაგალითი.
უმრავლესობა შეგვიძლია გავიხსენოთ დუბლიკატი გზავნილები მარკეტინგისგან, რომელსაც მიმართავთ ჩვენი ნამდვილი სახელით განსხვავებული ან რადიკალურად განსხვავებული ვერსიები.
მარკეტერის მონაცემთა ბაზაში დუბლიკატი ჩანაწერი შეიცავს ჩვენს მისამართს და ხშირად, ხშირად გვხვდება არასწორი შეხედულებები ან ჩვენი სახელით. ჩვენ დუბლიკატის საფოსტო გზავნილის გადატვირთვას ვადევნებთ, ხოლო მარკირების ჭარბი ხარჯები დაბეჭდვისა და დაგზავნის სახით ყველაფერს იძლევა მარტივი მონაცემების ხარისხის გამო. ამ შეცდომის გააქტიურება ბევრი ასობით ან ათასობით ჩანაწერით და ამ პატარა მონაცემთა ხარისხის შეცდომა ძვირფასია.
მონაცემთა ხარისხის საკითხი იზრდება იმით, რომ ჩვენ ვცდილობთ მივმართოთ სტრატეგიების, ბაზრებისა და მარკეტინგის გადაწყვეტილებებს უახლოეს დროში. მიუხედავად იმისა, რომ პროგრამული უზრუნველყოფა და გადაწყვეტილებები არსებობს, რათა დაეხმაროს მონიტორინგისა და გაუმჯობესების სტრუქტურული (ფორმატირებული) მონაცემების ხარისხის გაუმჯობესებას, რეალურ გადაწყვეტილებას წარმოადგენს მნიშვნელოვანი, ორგანიზაციული მასშტაბის ვალდებულება მონაცემების შეფასებისას, როგორც ღირებული აქტივი. პრაქტიკაში, ძნელია მიაღწიოს და მოითხოვს რიგგარეშე დისციპლინას და ხელმძღვანელობის მხარდაჭერას.
2. ჩვენ პრაქტიკულად დაიხრჩო მონაცემები. მონაცემები ყველგან არის ორგანიზაციაში. განვიხილოთ სამომხმარებლო მონაცემები. მომხმარებელთა და პერსპექტივების შესახებ ინფორმაციის მიღება გამოცდილი ორგანიზაციების უმრავლესობა გახდა.
- მარკეტინგი აგროვებს ინფორმაციას იმ ადამიანებისგან, ვინც დაესწრება ცოცხალ ან ვებ-ღონისძიებებს ან ვინმეს კონტენტის ჩამოტვირთვა.
- აღმასრულებლები გამოიყენებენ მონაცემებს ახალი სტრატეგიის მხარდასაჭერად ან განსაზღვრაში.
- გაყიდვები გაყიდვების პროცესში ჩართული მომხმარებლების შესახებ მონაცემებს აგროვებს.
- მომხმარებელთა მხარდაჭერა იღებს ინფორმაციას ქოლებსა და ჩხრეკის შესახებ.
- მენეჯმენტის გუნდები გაიტანენ მონაცემებსა და საკვანძო მეტრებს ქულისთვის.
- სამომხმარებლო მონაცემები გამოიყენება ბილინგის მიზნებისთვის და მომხმარებელთა კმაყოფილების მონიტორინგისთვის ხარისხისა და მომხმარებელთა მზრუნველი გუნდების მეშვეობით.
ჩვენ მომხმარებელს მივიღებთ სხვადასხვა სახის სხვადასხვა პროგრამული სისტემებში, და ჩვენ მონაცემები მონაცემთა სხვადასხვა საცავებში შეინახავს. ერთი გლობალური Fortune 100 ფირმა აღიარებულია, როგორც მათი 10% -იანი მონაცემები მათ ადგილობრივმა თანამშრომლებმა თავიანთი კომპიუტერების ცხრილებში. მარკეტინგული კამპანიების გაშვამდე კიდევ ერთი ორგანიზაცია რეგულარულად აწარმოებს გაყიდვების წარმომადგენლებს სავიზიტო ბარათების შესახებ.
ოკეანის მიმდებარე მეზღვაური ცოცხალი ბორტზე იმოქმედა, როდესაც მისი გემი ჩაიძირა, იქ წყალია, მაგრამ არა წვეთი დალევა.
ჩვენ გვაქვს იგივე ფენომენი ჩვენს ბიზნესში. მონაცემები ყველგან არის და სულ უფრო და უფრო ხელმისაწვდომი ხდება მონაცემები სოციალურ და საძიებო საშუალებებით რეალურ დროში. თუ მონაცემები არ არის ადვილად ხელმისაწვდომი ან, თუ ჩვენ გვაქვს დუბლიკატი ან არასრული მონაცემები, ჩვენ არ შეგვიძლია ბერკეტი მისი მიზნის მისაღწევად.
სულ უფრო მეტი ორგანიზაცია აერთიანებს მათ განსხვავებულ პროგრამულ პროგრამებს და საწარმოში მონაცემთა შეგროვებისა და აგრეგირების პროცესის გამარტივებას. მონაცემთა ხარისხის გარდა, ეს ძალისხმევა ძვირია, შრომატევადი და არასოდეს მთავრდება.
3. მონაცემთა ტომი იზრდება. ჩვენ უფრო და უფრო მეტ მონაცემებს ვიღებთ ტემპით, რაც გაცილებით რთულია. ექსპერტები ვარაუდობენ, რომ ყოველ ორ წელიწადში (და მცირდება) ჩვენ ვქმნით უფრო მეტ მონაცემებს, ვიდრე არსებობდა პლანეტა დედამიწაზე ყველა ცივილიზაციისათვის.
ამ ახალი მონაცემების უმრავლესობა შეუდარებელია, იმ ტიპის მონაცემთა შედარებით, რომელიც ჩვენს პროგრამულ უზრუნველყოფასა და მონაცემთა ბაზაში შედის. მაგალითად, თქვენი პროდუქტის ან ბრენდის შესახებ ყველა tweets წარმოადგენს პოტენციური საგანძური insights, მაგრამ ეს მონაცემები არის არასრულყოფილი, გაზრდის სირთულეს აღების და ანალიზის მას. მიუხედავად იმისა, რომ არსებობს უამრავი პროგრამული უზრუნველყოფის შეთავაზება, რათა დაეხმაროს ამ გამოწვევას, unstructured მონაცემები წარმოადგენს ახალი torrent ნედლეულის დამუშავება, ყველა თანდაყოლილი სირთულე და ხარისხის საკითხები ამ სტატიაში.
4. ნაგავი, ნაგვის გატანა. მონაცემთა ანალიტიკური პროგრამული უზრუნველყოფა მხოლოდ ისეთივე კარგია, როგორც მონაცემთა კვების. საერთო თემა ამ საკითხში leveraging მონაცემების უპირატესობა არის ხარისხი. მიუხედავად იმისა, რომ ბევრი ფირმების მნიშვნელოვანი დოლარი ინვესტირებას ძლიერი ახალი მონაცემების crunching განაცხადების, crunching ბინძური მონაცემები მივყავართ შეცდომით გადაწყვეტილებები. ფრთხილად ვიყოთ ბრმად ენდობიან მონაცემთა ანალიზის შედეგებს. დარწმუნებული უნდა იყოთ, რომ ენდობით ანალიზში გამოყენებულ მონაცემებს.
5. ჩვენ ვიღებთ მონაცემების ანალიზის შედეგს, როგორც დასკვნას, მაგრამ ეს არ არის. სინამდვილეში, მონაცემთა ანალიზი ხშირად აჩვენებს კორელაციას, არა მიზეზს! ადვილად მოხვდება მონაცემთა ანალიზის შედეგების ნდობა და მიზეზთან ურთიერთშელაპარაკების კავშირი.
კორელაცია აჩვენებს ურთიერთობას, მაგრამ ეს არანაირად არ გულისხმობს, რომ ბ. ბ. მიზეზობრივი ურთიერთობის დამყარება ნერვანაა ზუსტი, ინსპირირებული გადაწყვეტილებების მისაღებად. ეს ასევე ძნელია დაამტკიცოს. თუ შენს ნდობას გამოვრიცხავ და იწვევს მიზეზობრივ ურთიერთობას, სადაც არ არსებობს, თქვენი გადაწყვეტილებები ფატალური გახდება.
6. ჩვენი შემეცნებითი biases გაძლიერდება, როდესაც საქმე შეფასების მონაცემები. როგორც ერთმა ბრძენმა მეცნიერმა ერთხელ თქვა: " მონაცემების ყველაზე რთული და ამომწურავი ანალიზის დასასრულს ადამიანი ჯერ კიდევ აქვს დასკვნის გაკეთება და გადაწყვეტილების მიღება." და როდესაც ჩვენ მივაღწევთ ამ წერტილს, სადაც ჩვენ უნდა შევაფასოთ მონაცემთა ანალიზის მნიშვნელობა, ჩვენი მიკერძოება მოვიდა პიესა. ბევრ ჩვენგანს ნდობა ენდობა ან დაეყრდნოს იმ მონაცემებს, რომლებიც მხარს უჭერს ჩვენს პოზიციებს და მოლოდინებს და ჩამორჩება მონაცემებს, რომელიც საპირისპიროა. ჩვენ ასევე გვჯერა, რომ წყაროებიდან ჩვენ მოგვწონს ან, ჩვენ ვიღებთ მონაცემებს, რაც ყველაზე ბოლოა. ყოველივე ეს მიკერძოება ხელს უწყობს ჩვენს მონაცემთა ანალიზის შეცდომებსა და პოტენციალს.
როგორ დავიწყოთ მონაცემთა გამოყენება თქვენი გამოყენებისას მენეჯერად:
საწარმოო მასშტაბის მონაცემთა სტრატეგიის შემუშავება კრიტიკულია ყველა ბიზნესში, მაგრამ ამ მუხლის ფარგლებს მიღმაა. ამის ნაცვლად, აქ არის შვიდი იდეა, რომელსაც შეგიძლიათ გამოიყენოთ როგორც მენეჯერი, რათა გაზარდოთ თქვენი მონაცემების გამოყენება ყოველდღიურ გადაწყვეტილებებში.
1. მიკერძოების პოტენციალის აღიარება და შესამცირებლად . ეძებეთ მონაცემები, რომელიც ასახავს სურათს ან კონფლიქტებს თქვენს წინაშე. წაახალისეთ გარე დამკვირვებელი მონაცემების გარშემო თქვენი ვარაუდის შესაფასებლად.
2. მონაცემთა მენეჯმენტის გააზრების გაძლიერება. არსებობს უამრავი უფასო წყაროები ინტერნეტში და მრავალი ორგანიზაცია გთავაზობთ სემინარებს ან სემინარებს მონაცემთა ანალიზსა და ბიზნეს დაზვერვაში. ბევრმა უნივერსიტეტმა დაამატა კურსები ამ სწრაფი ბადისთვის. შეინახეთ sharpening თქვენი ცოდნა.
3. ჰკითხეთ საკუთარ თავს ან თქვენს გუნდს: "რა მონაცემები უნდა გავაკეთოთ ეს გადაწყვეტილება?" ძალიან ხშირად, ჩვენ მხარს ვუჭერთ მონაცემებს და იგნორირებას უკეთებს სურათის დასრულებას.
4. იყავი კრიტიკულად იცოდე განსხვავება კორელაციასა და მიზეზს შორის . როგორც ზემოთ აღინიშნა, ამ ორ დამაბნეველი არის პოტენციურად სახიფათო შეფერხება გადაწყვეტილების მიღებისთვის.
5. ხარისხის შემოწმება თქვენი მონაცემები. თუ თქვენი ფირმა არ გააჩნია მონაცემთა ხარისხის ან სამაგისტრო მონაცემთა მართვის ვალდებულება, განახორციელოს დრო, რათა შეაფასოს თქვენი მონაცემები აშკარა შეცდომებისთვის, მათ შორის დუბლიკატის, არასრული ან არასწორი ჩანაწერების ჩათვლით. არსებობს მრავალი კომერციულად ხელმისაწვდომი პროგრამული უზრუნველყოფა ან ამ საქმიანობის მხარდასაჭერად და მრავალი ფირმა მონაცემთა ექსპერტების ექსპერტიზაზე დაყრდნობით შეიმუშავებს მონაცემების ხარისხის დაკმაყოფილებას და შეფასებას. ასევე, განიხილეთ გარე სერვისი პროვაიდერები, რომლებიც დაგეხმარებათ თქვენი მონაცემების გასუფთავებლად. მნიშვნელოვანია, ყურადღება მიაქციოთ თქვენს მონაცემების ხარისხის გაუმჯობესებას .
6. ადვოკატი უფრო ძლიერი მონაცემების ხარისხისა და მენეჯმენტის ძალისხმევას თქვენი ფირმის მასშტაბით. ეს ნამუშევარი ხშირად იყო IT- ის ან ტექნიკური სპეციალისტების დომინირება, თუმცა მონაცემები აქვს პოტენციურ როლს სტრატეგიული აქტივობით. ყველა მენეჯერმა უნდა იზრუნოს ზრუნვისა და სტრატეგიის განხორციელების მიზნით უკეთესი ბერკეტების შესახებ.
7. დაამატეთ თქვენი გუნდის ტექნიკური და მონაცემების საზრიანი ნიჭი. გაყიდვებისა და მარკეტინგის განყოფილებები გვესმის, რომ თანამედროვე ტექნოლოგიებსა და კომპეტენციაში ჩართული პირების ჩართვა ამ სტატიაში მოყვანილი მონაცემების მრავალ წერტილზე ნავიგაციაა. ტექნოლოგია და მონაცემები აღარ არის საწარმოში ერთი ფუნქციის დომენი ან პასუხისმგებლობა .
ქვედა ხაზი:
ფირმები და მენეჯერები, რომლებიც სწავლობენ ბერკეტების მონაცემებს გაუმჯობესებული გადაწყვეტილებების მისაღებად ბაზარზე გაიმარჯვებენ. ამ ორგანიზაციებს შეეძლებათ მონიტორინგი და რეაგირება შეცვალონ პირობები და განვითარებადი მომხმარებლის საჭიროებების სწრაფად, ვიდრე მათი მონაცემები დაუპირისპირდა კონკურენტები. ისინი პირველი გახდებიან სოციალური მედიის დიალოგის ამომწურავ მოსაზრებებს და ისინი გაიმარჯვებენ ბრძოლაში, რათა გაიგონ და გაეცნონ მომხმარებელს ღრმა დონეზე - ყველა მონაცემზე. ეს არ არის fad, არამედ ახალი რეალობა მმართველი და კონკურენტი დღევანდელ მსოფლიოში. უბრალოდ უყურეთ ამ მოგზაურობის პრობლემებს.