Suggerimenti di analisi aziendale: sfrutta i tuoi dati per migliorare il processo decisionale

Molte organizzazioni che pensano di essere basate sui dati sono ancora in prima marcia. Come si passa dalla semplice raccolta di molti dati all'impostazione di una funzione di analisi aziendale che in realtà ti dice come modificare il tuo modello per migliorare la redditività?

Abbiamo intervistato Travis Anderson, direttore dell'analisi aziendale di Toptal, per ottenere le sue informazioni e i suoi suggerimenti sull'analisi aziendale sull'impostazione di una funzione centrale all'interno di un'azienda, sulla rimozione dei pregiudizi nei rapporti, sull'importanza dell'utilizzo dei dati e sulle potenziali insidie. In qualità di direttore dell'analisi aziendale di Toptal, Anderson guida un team che consente il processo decisionale basato sui dati collegando la strategia aziendale con le attività relative ai dati (ad esempio, analisi dei dati, reportistica, analisi diagnostica e scienza dei dati).

L'analisi aziendale supporta tutte le aree funzionali dell'azienda, comprese le vendite, il marketing, la finanza, i prodotti, le operazioni e le risorse umane. Anderson vanta oltre un decennio di esperienza nella creazione e nella guida di team di analisi e ingegneria per guidare una crescita aziendale significativa, tra cui Vivint Smart Home, Symantec, Brigham Young University e la sua startup, Mapline. Ha conseguito una laurea e un master in ingegneria meccanica e un MBA, tutti presso la Brigham Young University.

Quali sono gli usi dell'analisi aziendale?

Secondo il report 2020 Global State of Enterprise Analytics di MicroStrategy, l'analisi aziendale consente ai manager di prendere decisioni migliori e più informate e può aumentare l'efficienza operativa aiutando i manager a utilizzare le risorse in modo più efficiente e, in definitiva, a ottimizzare i profitti.

Nel caso di Toptal, Anderson ha identificato quattro principi fondamentali per guidare la nostra attività e il lifetime value dei clienti:

1. Acquisire clienti: utilizzare i dati per migliorare il processo di acquisizione dei clienti
2. Impronta in espansione: capire come guidare l'espansione sia geograficamente che all'interno della base clienti esistente
3. Fidelizzazione dei clienti: trovare punti di attrito nel percorso del cliente
4. Ottimizzazione dei costi per l'acquisizione, la conservazione e le operazioni aziendali

Questi quattro principi sono anche un modo per l'azienda di misurare il ROI nei dati e nell'analisi aziendale.

Quali sono state le principali sfide in Toptal?

Siled Analytics

Secondo Anderson, la prima sfida che ha dovuto affrontare quando è entrato in Toptal è stata la trasformazione dell'approccio interno all'analisi. All'epoca, la maggior parte dei team funzionali interni stava svolgendo la propria analisi. La maggior parte dei team disponeva di un analista di dati e ciascuno svolgeva il proprio lavoro sui dati, che si concentrava principalmente su report, analisi e analisi delle tendenze. Anche se esisteva una cultura dei dati e i manager di linea utilizzavano i dati nel processo decisionale, l'impostazione era inefficiente.

Ogni squadra aveva un approccio diverso, il che a sua volta significava che il messaggio era confuso. Poiché ogni gruppo aveva una funzione dati interna, non c'era coerenza nelle definizioni e nei KPI. Le discussioni sulla gestione spesso si sono concentrate sulla riconciliazione, che potrebbe essere una distrazione. Poiché le definizioni erano diverse, gli apprendimenti dai dati sono stati, a volte, persi.

Segnalazione di bias

Il secondo problema emerso dalla raccolta e dalla segnalazione decentralizzate dei dati era che ogni team aveva un pregiudizio nel presentare i propri dati. Ciascuna funzione selezionava i dati per presentarsi nella luce migliore. Questa pratica ha creato una mancanza di concentrazione e una potenziale mancanza di controllo.

Anderson ha intrapreso una revisione completa dell'approccio dell'azienda e del framework di analisi aziendale. La priorità era creare una funzione centrale: un centro di analisi di eccellenza che esiste al di fuori delle linee di business e funge da punto di controllo. Una funzione centrale garantisce che i dati siano raccolti e analizzati in modo omogeneo e che le distorsioni di segnalazione siano eliminate.

Una volta istituito il centro, diventa necessario assicurarsi che sia dotato di personale adeguato. Il primo ordine di priorità è identificare il divario di competenze. Per costruire un team che possa essere efficace e di impatto, servono persone che abbiano solide capacità tecniche, forti capacità di problem solving, ma anche acume per gli affari.

In che modo un centro di analisi aziendale aggiunge valore?

Secondo Anderson, il principale valore aggiunto della creazione di una funzione centrale di analisi dei dati e del business è il miglioramento delle prestazioni e la riduzione dei costi . Fino a quando un'azienda non misura le prestazioni in modo coerente nel tempo, è difficile per la direzione migliorare le prestazioni in modo significativo.

Il primo passo è stabilire la coerenza delle metriche e quantificare un obiettivo basato su queste metriche concordate. Questo ha l'effetto comportamentale essenziale di motivare il personale: come sottolinea Anderson, come si motivano le persone se non ci sono obiettivi? Inoltre, qualsiasi metrica quantitativa è meglio di niente. Secondo Anderson, "Se inizi a misurare solo una cosa, puoi vedere un reale vantaggio, perché puoi influenzarlo o puoi vedere che non è rilevante".

Il team di Anderson supporta tutte le funzioni aziendali e tiene check-in settimanali e bisettimanali con ciascuna. La prima parte del lavoro è garantire la raccolta di dati corretti. Questa raccolta ha un obiettivo comportamentale per motivare le persone a svolgere il proprio lavoro e assegnare un "punteggio" alle loro prestazioni.

Scegliere i KPI giusti

Una volta raccolti dati coerenti e di alta qualità, sorge la sfida più grande: valutare quali sono i KPI giusti per ciascuna business unit. La valutazione parte dall'alto verso il basso. Il team di analisi aziendale traccia la strategia aziendale nei dati in modo che i KPI di analisi aziendale selezionati siano utili in termini di fornire informazioni dettagliate e significative sia a livello top-down che aziendale.

Alcune delle domande che portano a stabilire i KPI appropriati sono:

• Quali sono le metriche chiave?
• Sono finanziari?
• Si basano sulle operazioni?
• Qual è il quadro di ciò che il team sta misurando?
• Le singole persone devono essere responsabili per il raggiungimento di obiettivi specifici?
• Come verranno valutati?

È fondamentale che il team di analisi aziendale comprenda a fondo l'azienda e la sua strategia. In Toptal, c'è un forte supporto all'interno dell'azienda per la missione dell'organizzazione.

I dati vengono elaborati e studiati utilizzando solidi modelli statistici e previsioni. Tuttavia, è importante notare che l'output dell'analisi non è una decisione, ma piuttosto input quantitativi che aiutano a fare scelte migliori. In definitiva, tutte le decisioni aziendali sono responsabilità del leader aziendale. Esiste una partnership tra le parti interessate e il team di analisi dei dati e del business attraverso un processo iterativo. Una volta presa una decisione, i dati devono supportarla. Non solo, ma c'è una regolare rivalutazione dei KPI per garantire che siano sempre allineati con le priorità strategiche dell'azienda.

Il processo non è sempre indolore. A volte, può esserci attrito tra le parti interessate, poiché c'è molto feedback nei dati. Non tutti i manager sono ugualmente ricettivi a tali feedback. Anderson vede la sua responsabilità nel fornire una raccomandazione digeribile e nell'educare i dirigenti su come interpretare le intuizioni estratte dai dati.

Lettura dei dati sbagliata

Anderson ha accennato ai potenziali esiti negativi che un'azienda può incontrare quando c'è una scarsa disciplina interna nella raccolta e nell'analisi dei dati. In un precedente impegno, aveva incontrato un'azienda che aveva una grande unità aziendale responsabile di una quota sostanziale dei ricavi dell'azienda. Questa unità aziendale aveva diversi rappresentanti di vendita che erano collettivamente responsabili di ricavi superiori a $ 200 milioni. Tuttavia, questo team ha misurato le sue entrate in modo diverso dal resto dell'azienda e le ha riportate in un sistema separato.

Durante un cambio di gestione, un nuovo dirigente non si è reso conto che i dati non erano coerenti e ha licenziato tutti i membri del team: avevano ottenuto informazioni sbagliate dai dati e credevano che il team non stesse funzionando. La decisione è stata presa sulla base di numeri errati e incoerenti nel sistema ERP. Alla fine è stato un errore da 50 milioni di dollari. Questo aneddoto illustra chiaramente perché la disciplina della gestione dei dati master è fondamentale, in particolare per le aziende che stanno subendo integrazioni di fusioni e acquisizioni.

Insidie ​​comuni nell'iniziare e come evitarle

Anderson ha riscontrato due problemi tipici nelle aziende che iniziano a esplorare l'analisi dei dati. Questi problemi cadono su due estremità dello spettro. In primo luogo, le aziende a volte intraprendono grandi iniziative per raccogliere dati perfetti che alla fine non vengono utilizzati. Il secondo problema è quando le aziende non avviano nemmeno alcuna analisi a causa della scarsa qualità dei loro dati. Il consiglio critico fornito da Anderson qui è che anche quando i dati non sono affidabili, la misurazione di alcuni KPI critici offre informazioni utili. Ciò consentirà all'azienda di imparare come rendere gli input più affidabili.

Più dati sono sempre migliori?

Sebbene la misurazione dei KPI corretti sia essenziale, vale la pena notare che troppi dati (o dati irrilevanti) non sono necessariamente migliori. La misurazione non focalizzata confonde il processo decisionale e può essere una distrazione. È più efficace iniziare misurando alcuni ma cruciali punti dati in modo coerente e corretto.

L'efficacia del team di Anderson viene misurata in riferimento ai quattro principi di cui sopra: acquisizione di clienti, espansione dell'impronta, fidelizzazione dei clienti e ottimizzazione dei costi. Per ciascuno di questi, l'impatto viene misurato e quantificato, fornendo un ROI per il lavoro del team. Se il team ha svolto molte analisi ma non ha ispirato il cambiamento, il suo lavoro è stato inefficace. In definitiva, il successo della squadra significa avere un'influenza misurabile.

Principi guida di Anderson per l'analisi aziendale

Le numerose intuizioni di Anderson possono essere distillate in alcuni suggerimenti di analisi aziendale per l'implementazione di successo dell'analisi dei dati.

In primo luogo, la missione di un tale team è cambiare le menti dei dirigenti attraverso misure quantitative e influenzarli ogni giorno. Si tratterà di piccole modifiche incrementali rese impattanti attraverso continue iterazioni e miglioramenti.

In secondo luogo, il team di analisi aziendale non fornisce decisioni ma informazioni che possono guidare i dirigenti. I leader aziendali sono sempre responsabili della strategia di un'azienda.

Terzo, l'impatto della funzione di analisi aziendale dovrebbe essere misurabile e avere un ROI.

Infine, iniziare con un insieme limitato di KPI di business analytics è meglio che non misurare affatto i dati . Non solo, ma il processo crea una cultura dell'eccellenza dei dati in un'organizzazione. Le aziende che lo fanno correttamente supereranno sempre le prestazioni, anche se inizialmente è tecnicamente complicato, costoso e richiede un cambiamento culturale. Le aziende che persistono e navigano con successo nel processo tendono a trattenere il talento, ottenere prestazioni migliori e promuovere una cultura aziendale di responsabilità.