ข้อมูลขนาดเล็ก โอกาสที่ยิ่งใหญ่

บทสรุปผู้บริหาร

บทนำ

ข้อมูลและการวิเคราะห์กลายเป็นคำศัพท์ประจำวันในโลกธุรกิจอย่างรวดเร็ว อาจมีการกดดันอย่างหนักที่จะถอดรหัสวารสารโดยไม่มีการอ้างอิงถึงบริษัทที่คิดล่วงหน้าว่า "ใช้ข้อมูลอย่างชาญฉลาด" เพื่อรวบรวมข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของลูกค้า ดำเนินการวิเคราะห์ความเสี่ยง หรือจัดการโครงสร้างพื้นฐานของตนอย่างมีประสิทธิภาพมากขึ้น บริษัทขนาดใหญ่ที่มีข้อมูลจำนวนมาก โดยเฉพาะอย่างยิ่งบริษัทที่ได้รับการควบคุม มีส่วนร่วมในการตัดสินใจที่นำข้อมูลมาเป็นเวลาหลายปี เป็นตัวอย่างที่ดีที่สุดโดยผู้บุกเบิกการวิเคราะห์ข้อมูลของ Capital One เพื่อทำความเข้าใจลูกค้าให้ดีขึ้น ซึ่งต่อมาใช้ข้อมูลเชิงลึกเพื่อเปิดตัวเป้าหมายที่เจาะจงมากเกินไปและอย่างมหาศาล แคมเปญการตลาดที่ส่งผลกระทบซึ่งนำไปสู่ความสำเร็จอย่างหลีกเลี่ยงไม่ได้

แต่การใช้ข้อมูลได้กลายเป็นกระแสหลักอย่างรวดเร็ว ในปัจจุบันมีเหตุผลที่น่าเชื่อถือสองสามประการสำหรับบริษัทที่กำหนด โดยไม่คำนึงถึงขนาดและกำลังคน ที่ไม่มีการวิเคราะห์เป็นกระบวนการ/ความสามารถหลักของธุรกิจ การคัดค้านแบบดั้งเดิม เช่น ต้นทุน ทรัพยากร และความเชี่ยวชาญ ไม่ได้ทำให้มัสตาร์ดขาดอีกต่อไป ในทางตรงกันข้าม ข้อมูลที่สร้างขึ้นภายในกำลังกลายเป็นสินทรัพย์เชิงกลยุทธ์ที่แพร่หลายอย่างรวดเร็วโดยใช้ประโยชน์จากวิธีที่อื่นทำได้ โดยธุรกิจที่มีการแข่งขันสูงซึ่งต้องการคงความสามารถในการแข่งขัน

บทความนี้มุ่งที่จะแนะนำผู้อ่านให้รู้จักกับโลกของข้อมูลและการวิเคราะห์โดยคร่าวๆ โดยจะแนะนำคุณเกี่ยวกับการเปลี่ยนแปลงของตลาด เครื่องมือ ผู้เล่นและโซลูชันที่ไม่ซ้ำใครสำหรับทั้งคู่ ก่อนที่จะอุทิศครึ่งหลังให้กับคู่มือและกรอบงานเชิงปฏิบัติสำหรับธุรกิจขนาดเล็ก

คู่มือคนธรรมดาสำหรับทั้งข้อมูลขนาดใหญ่และขนาดเล็ก

ด้วยการถือกำเนิดของอินเทอร์เน็ตและด้วยอีคอมเมิร์ซ โซเชียลมีเดีย และความเชื่อมโยงของอุปกรณ์ต่างๆ ทำให้เกิดการระเบิดของปริมาณข้อมูลที่พร้อมใช้งานและวิเคราะห์ได้ทั่วโลกสำหรับผู้ที่มีเครื่องมือในการควบคุม ทุกทวีต โพสต์ ชอบ ปัดซ้าย ปัดขวา แตะสองครั้ง ทบทวน ข้อความ และธุรกรรม—แต่ละรายการเป็นข้อมูลที่ใช้เพื่อแมปรอยเท้าดิจิทัลของเราที่บอกทุกอย่างว่าเราเป็นใคร เราตัดสินใจอย่างไร ที่ไหน และทำไม ข้อมูลนี้ ซึ่งเรียกว่า "ข้อมูลขนาดใหญ่" อย่างเหมาะสมสำหรับความกว้าง ความลึก และความซับซ้อนของรูปแบบ ได้ปลดล็อกความเป็นไปได้ในการวิเคราะห์เชิงกำหนดและเชิงคาดการณ์ ทำให้สามารถปรับให้เป็นส่วนตัวสูงของผลิตภัณฑ์จำนวนมากที่เราบริโภคทุกวัน

อย่างเป็นทางการ ข้อมูลขนาดใหญ่อธิบายชุดข้อมูลขนาดใหญ่ที่อาจวิเคราะห์ด้วยคอมพิวเตอร์เพื่อแสดงรูปแบบ แนวโน้ม และการเชื่อมโยง โดยส่วนใหญ่มักเกี่ยวข้องกับพฤติกรรมและปฏิสัมพันธ์ของมนุษย์ เพื่อให้ข้อมูลถูกเรียกว่า "ใหญ่" ชุด/ธนาคารต้องมีขนาดใหญ่มากจนต้องใช้วิธีการข้อมูลขั้นสูงและระบบที่ซับซ้อนเพื่อดึงมูลค่าออกจากข้อมูล

ในรายงานการวิจัยปี 2544 META Group (ปัจจุบันคือ Gartner) ได้จัดกรอบข้อมูลขนาดใหญ่ในสามมิติซึ่งเรียกว่าข้อมูล 3 Vs ดังต่อไปนี้: ปริมาณ (ปริมาณ) ความเร็ว (ความเร็วของการสร้าง/การส่ง) และความ หลากหลาย (ช่วงของประเภทและแหล่งที่มา) IBM ได้ขยาย V ทั้งสามนี้ออกเป็น Four Vs เพื่อรวมข้อมูล (คุณภาพ/ความสมบูรณ์) ของข้อมูลเป็นมิติสุดท้ายที่จำเป็นในการบันทึกมูลค่า

…แต่คุณคงเคยได้ยินเกี่ยวกับข้อมูลขนาดใหญ่แล้ว ในทางกลับกัน ข้อมูลขนาดเล็กเป็นคลาสย่อยของข้อมูลที่ถือว่าเจียมเนื้อเจียมตัวเพียงพอที่จะทำให้ผู้คนเข้าถึง ให้ข้อมูล และดำเนินการได้ โดยไม่ต้องใช้เครื่องมือวิเคราะห์ที่ซับซ้อนเกินไป ดีที่สุดโดย Allen Bonde อดีตที่ปรึกษาของ McKinsey "ข้อมูลขนาดใหญ่เกี่ยวกับเครื่องจักรในขณะที่ข้อมูลขนาดเล็กเกี่ยวกับผู้คน" โดยเฉพาะอย่างยิ่ง ข้อมูลเชิงลึกที่มีความหมายซึ่งจัดและบรรจุสำหรับสาเหตุ รูปแบบ และเหตุผลที่ "ทำไม" เกี่ยวกับผู้คน

การวิเคราะห์แบบ SaaS

ควบคู่ไปกับการเพิ่มขึ้นของความพร้อมใช้งานและประโยชน์ของข้อมูล การเกิดขึ้นของอุตสาหกรรมการวิเคราะห์แบบสแตนด์อโลน เมื่อนักสถิติระดับปริญญาโทและปริญญาเอก นักวิทยาศาสตร์ด้านข้อมูล และนักวิเคราะห์ต่างหลอกหลอนเฉพาะตัว การวิเคราะห์ได้พัฒนาไปสู่อุตสาหกรรมของแพลตฟอร์มซอฟต์แวร์ asa-service (SaaS) แบบบริการตนเองที่ใช้งานได้จริงซึ่งมีต้นทุนต่ำและใช้งานได้จริง ผู้ใช้สามเณรในการดึงคุณค่าจากข้อมูลของตน บริษัทขนาดเล็กที่ก่อนหน้านี้ขาดความเชี่ยวชาญหรืองบประมาณที่จำเป็นในการดำเนินการวิเคราะห์ประเภทนี้ ตอนนี้กำลังแข่งขันกันอย่างใกล้ชิดกับตำแหน่งที่เท่าเทียมกับคู่ค้าที่มีทรัพยากรดีกว่า และสร้างมาตรการป้องกันในตลาดของตน

นอกเหนือจากประโยชน์ด้านต้นทุนของโมเดล SaaS แล้ว การวิจัยโดย Aberdeen Group ซึ่งเป็นบริษัทวิจัยด้านเทคโนโลยีและบริการ แสดงให้เห็นว่าองค์กรที่นำเครื่องมือ SaaS มาใช้มีพนักงานจำนวนมากเป็นสองเท่าที่ใช้ข้อมูลโดยสัญชาตญาณในการตัดสินใจและบรรลุเป้าหมาย ROI ของพวกเขา 40% เร็วกว่าผู้ที่ทำไม่ได้ สำหรับบริษัทส่วนใหญ่ รายงานการตลาดทางอีเมล Google Analytics และเครื่องมือวิเคราะห์ทางเว็บของบุคคลที่สามอื่นๆ มีการใช้งานอยู่แล้ว นอกเหนือจากรายงานที่สร้างขึ้นภายในจากระบบบัญชี การตลาด ERP และ CRM และใช้เป็นกลไกหลักสำหรับ สร้างรายได้จากข้อมูลขนาดเล็กของพวกเขา

ยิ่งไปกว่านั้น แม้ว่าจะเป็นตลาดขนาดใหญ่และกำลังเติบโต ซึ่งการวัดผลที่แม่นยำอาจเป็นเรื่องยาก IDC ประเมินตลาดเครื่องมือวิเคราะห์ธุรกิจและเครื่องมือวิเคราะห์ทั่วโลกที่เกือบ 14 พันล้านดอลลาร์ในปี 2560 ซึ่งเติบโตในอัตรา 11.7% yoy ด้วย Forrester Research ซึ่งเป็นบริษัทวิจัยตลาดระดับโลกที่คาดการณ์ CAGR ไว้ที่ 15% จนถึงปี 2021

ข้อมูลส่วนแบ่งการตลาด

ไม่น่าแปลกใจเลยที่ตลาดสำหรับเครื่องมือและโซลูชันการวิเคราะห์ถูกครอบงำโดยบริษัทซอฟต์แวร์เก่า เช่น SAP, IBM, Oracle และ Microsoft ในปี 2558 SAP เป็นผู้นำตลาดด้วยส่วนแบ่งการตลาด 10% และรายได้จากผลิตภัณฑ์การวิเคราะห์และข่าวกรองธุรกิจ (BI) มูลค่า 1.2 พันล้านดอลลาร์ สถาบัน SAS เป็นอันดับสอง โดยมีส่วนแบ่ง 9%; IBM อันดับที่สามด้วย 8% และ Oracle และ Microsoft ในอันดับที่สี่และห้าตามลำดับด้วย 7% และ 5% ที่น่าสนใจคือส่วนแบ่งตลาดของผู้ค้ารายใหญ่ที่สุด 5 รายลดลงเนื่องจากการเติบโตของตลาดที่สูงกว่าสตาร์ทอัพที่ได้รับการสนับสนุนจากการร่วมทุน เช่น Sentiment Strategies, Tableau และ Teradata ซึ่งบ่งชี้ว่าการเติบโตในอนาคตของอุตสาหกรรมส่วนใหญ่จะเกิดจากธุรกิจขนาดเล็ก บริษัทที่เร็วและคล่องตัวมากขึ้น

คู่มือการใช้ Data Analytics สำหรับบริษัทขนาดเล็ก

ในระดับสูงสุดที่เป็นไปได้ วัฒนธรรมที่เน้นข้อมูลเป็นศูนย์กลางช่วยให้ฝ่ายบริหารมั่นใจมากขึ้นว่าสามารถตัดสินใจได้ดีที่สุด บ่อยครั้งและสม่ำเสมอในขณะที่ทำงานจากความจริงเวอร์ชันเดียวกัน—โปร่งใสและวัดได้ ท้ายที่สุด พวกเราส่วนใหญ่ได้นั่งผ่านช่วงที่ผู้บริหารที่ต่อสู้ดิ้นรนได้หยิบยก/ปกป้องข้อโต้แย้งที่แตกต่างกันโดยอาศัยแหล่งเรื่องราวต่างๆ รูปแบบข้อเท็จจริง และการตีความที่แตกต่างกัน ทำให้เกิดคำถามอย่างรวดเร็วถึงความสมบูรณ์ของข้อมูลนำเข้าและผลลัพธ์ที่ได้ ดังนั้น การตัดสินใจครั้งแรกที่ต้องทำโดยธุรกิจขนาดเล็กที่ต้องการเดินบนเส้นทางการวิเคราะห์ข้อมูลก็คือว่าธุรกิจดังกล่าวพยายามที่จะเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลอย่างแท้จริงหรือไม่

เมื่อตัดสินใจจากบนลงล่างแล้ว จะต้องกำหนดกรอบงานเพื่อเพิ่มประสิทธิภาพศักยภาพและประโยชน์ของลำดับความสำคัญเชิงกลยุทธ์ใหม่ ในการเริ่มต้นต้องถามคำถามหลายข้อ ประการแรก วัตถุประสงค์ระยะสั้นและระยะยาวของบริษัท โครงการ ความคิดริเริ่ม หรือแผนกที่กำหนดคืออะไร ประการที่สอง ใครควรรับผิดชอบความพยายามและผลลัพธ์ของมัน? ประการที่สาม บริษัท โครงการ ความคิดริเริ่ม หรือแผนกที่ต้องการแก้ไขด้วยข้อมูลมีปัญหาเฉพาะอะไรบ้าง และประการที่สี่ ควรใช้เครื่องมือใดในการขับเคลื่อนความคิดริเริ่ม

เมื่อตอบคำถามเหล่านี้แล้ว ขั้นตอนต่อไปคือการกำหนดแผนปฏิบัติการที่จับต้องได้ ซึ่งด้วยการวางแผน โครงสร้างองค์กร ทิศทางจากบนลงล่าง และความกระตือรือร้นจากล่างขึ้นบนเล็กน้อย จะวางตำแหน่งองค์กรให้เกิดขึ้นจริงและสามารถวัดผลได้ ให้ผลสม่ำเสมอกว่าที่เคยทำมา ไดอะแกรมด้านล่างได้รับการออกแบบมาเพื่อให้กรอบการทำงานเพื่อพิจารณาองค์ประกอบต่างๆ ของวิธีการวิเคราะห์ข้อมูลอย่างง่าย

สู่คำถามวัตถุประสงค์

นี่เป็นคำถามสำคัญอันดับแรกที่ต้องทำให้ถูกต้อง ในระดับสูง เป้าหมายระดับสูงสำหรับบริษัทใดๆ ที่ต้องการใช้ประโยชน์จากข้อมูลของตนคือการพัฒนากระบวนการที่เป็นระบบสำหรับการตัดสินใจทางธุรกิจที่ดี ซึ่งเป็นกระบวนการที่สม่ำเสมอและทำซ้ำได้ และให้ผลลัพธ์ที่ดีกว่าที่สามารถวัดผลได้ ในช่วงหัวเลี้ยวหัวต่อนี้ เป็นสิ่งสำคัญที่จะต้องทราบว่าการเป็นองค์กรที่มุ่งเน้นข้อมูลที่ดีคือการเดินทางและไม่ใช่จุดหมายปลายทาง ดังนั้น "การซื้อเข้า" จากด้านบนและความเห็นพ้องจากด้านล่างจึงเป็นขั้นตอนพื้นฐานที่สำคัญที่จะพิสูจน์ให้เห็นถึงความสำคัญ เพื่อนำไปใช้เป็นจำนวนมากและใช้สินทรัพย์วิเคราะห์อย่างเต็มที่ หลังจากได้รับการบายอินแล้ว ขั้นตอนต่อไปที่ทดลองและทดสอบแล้วคือการจัดกลยุทธ์ "การชนะอย่างรวดเร็ว" สองสามอย่างเพื่อกระตุ้นความตื่นเต้นและการมีส่วนร่วมที่จำเป็นในการดูกระบวนการนี้จนสำเร็จ การสร้างฉันทามติ ซื้อเข้า และชนะอย่างรวดเร็ว ทั้งการวิจัยและประสบการณ์ของฉันกำหนดแนวทางการนำไปปฏิบัติที่ถือว่าโครงสร้าง ลำดับ และข้อพิจารณาต่อไปนี้:

เริ่มต้นด้วยการวิเคราะห์เชิงพรรณนา—แดชบอร์ดแบบเห็นภาพอย่างง่ายที่เน้นประสิทธิภาพองค์กรโดยใช้ข้อมูลธุรกรรมที่มีอยู่เพื่อสรุปผลที่เคยพิสูจน์แล้วว่าไม่สามารถสรุปได้หากไม่มีข้อมูลเชิงปริมาณ ถัดไป พัฒนาความสามารถในการเจาะลึกภายในแดชบอร์ดของคุณ แบ่งปันข้อมูลเชิงลึก ข้อมูลประสิทธิภาพ และคำแนะนำในการช่วยเหลือตนเองอย่างมีกลยุทธ์ และกับเพื่อนร่วมงาน/ผู้มีอิทธิพลขององค์กรที่เหมาะสม สิ่งนี้จะเริ่มต้นทั้งกระบวนการเผยแพร่ไปยังผู้ใต้บังคับบัญชาและวัฒนธรรมการพึ่งพาข้อมูลที่คุณต้องการฝึกฝน

ขั้นตอนที่สอง: ก้าวไปสู่ความสามารถในการวิเคราะห์เชิงคาดการณ์ที่ซับซ้อนยิ่งขึ้น โดยใช้แหล่งข้อมูลทางเทคนิคภายในองค์กรหรือด้วยความช่วยเหลือจากผู้ให้บริการบุคคลที่สาม ความสามารถในการคาดการณ์เหล่านี้ผสมผสานแหล่งข้อมูลทั้งภายในและภายนอกเพื่อตอบคำถามทางธุรกิจที่เฉพาะเจาะจงได้ดีขึ้น เช่น “โอกาสที่ลูกค้าจะเสียคืออะไร” หรือ “ลูกค้าที่ซื้อ x มักจะซื้อ y ด้วย” และให้ข้อมูลจริง ข้อมูลเชิงลึกด้านเวลาเกี่ยวกับประสิทธิภาพของแผนกหรือความคิดริเริ่มที่กำหนด “แหล่งข้อมูลภายนอก” ในกรณีนี้รวมถึงข้อมูลโซเชียลมีเดีย ข้อมูลพนักงานขาย หรือข้อมูลประสบการณ์ผู้ใช้ ซึ่งทั้งหมดนี้ให้แหล่งที่มาของข้อมูลเชิงลึกที่สมบูรณ์และมีนัยสำคัญทางสถิติ โดยที่ข้อมูลภายในยังถูกจำกัดเกินกว่าจะใช้ประโยชน์ได้ด้วยตัวเอง

ขั้นตอนที่สามคือการก้าวไปสู่การวิเคราะห์เชิงกำหนดขั้นสูงที่ช่วยกำหนดการดำเนินการที่เหมาะสมเพื่อเป็นแนวทาง/ยึดเอาพฤติกรรมผู้บริโภค องค์กร คู่แข่ง พนักงาน หรือซัพพลายเออร์โดยเทียบกับฉากหลังของข้อมูลในอดีต ควรสังเกตว่าขั้นตอนนี้มักจะเริ่มทำเครื่องหมายการเปลี่ยนจากข้อมูลขนาดเล็กเป็นข้อมูลขนาดใหญ่ และยังเป็นขั้นตอนที่จำเป็นที่ควรรวมอยู่ในกระบวนการตัดสินใจทั่วทั้งบริษัทของคุณ เพื่อให้มั่นใจว่าข้อมูลเข้า-ออกมีความสมบูรณ์และความสอดคล้องกันในการตัดสินใจในระดับสูงสุด

มุมมองเชิงลึกของขั้นตอนต่างๆ ของ Analytics

การวิเคราะห์เชิงพรรณนา – แดชบอร์ด

มันเป็นเรื่องจริงที่สิ่งที่วัดได้มีการจัดการ ดังนั้นด้วยการพัฒนาความจริงที่กำหนดขึ้นด้วยข้อมูลเพียงอย่างเดียว ผู้นำภายในองค์กรจึงสามารถตัดสินใจได้ดีขึ้นและเป็นหนึ่งเดียวกันมากขึ้น แดชบอร์ดเป็นจุดเริ่มต้นของเส้นทางการวิเคราะห์ดังกล่าว และภาพประกอบของความจริงที่กำหนดข้อมูลของบริษัท แน่นอน สิ่งที่เกี่ยวข้องกับกลุ่มหนึ่งอาจไม่มีความหมายสำหรับอีกกลุ่มหนึ่ง ดังนั้นควรคำนึงถึงวัตถุประสงค์หรือธีมของแดชบอร์ดที่กำหนด ข้อมูลใดบ้างที่ควรรวมไว้ ผู้ที่รับข้อมูลที่เกี่ยวข้องสำหรับเนื้อหานั้นคือใคร และอะไร คำถาม/ปัญหาคือกลุ่มดังกล่าวกำลังหาคำตอบ/แก้ไข

แดชบอร์ดที่ออกแบบมาอย่างดีช่วยขับเคลื่อนการตัดสินใจมากกว่าแค่นำเสนอข้อมูลในอดีต และเน้นความสนใจไปที่แนวโน้มและรูปแบบที่เกิดซ้ำ (ทั้งด้านบวกและด้านลบ) อย่างมีประสิทธิภาพสูงสุด ในขณะที่แสดงให้เห็นอย่างชัดเจนถึงความสำคัญของธุรกิจ แดชบอร์ดที่มีความซับซ้อนมากขึ้นมีความสามารถในการเจาะลึกที่ช่วยให้ผู้นำสามารถทราบสาเหตุที่แท้จริงของปัญหาที่ได้รับการวินิจฉัยด้วยความสามารถในการใส่คำอธิบายประกอบและการแบ่งปันที่ช่วยให้สามารถดูไดนามิกและเรียลไทม์ได้มากขึ้น

การวิเคราะห์เชิงคาดการณ์ – การผสมผสานข้อมูล การสำรวจ และการสืบค้น

เมื่อกระบวนการแดชบอร์ดเสร็จสิ้น องค์กรที่ขับเคลื่อนด้วยข้อมูลที่ต้องการอาจเริ่มมีความทะเยอทะยานมากขึ้น สำหรับสิ่งนี้ ขั้นตอนต่อไปโดยทั่วไปคือ "ใช้ข้อมูลจำนวนมากและหลากหลายเพื่อทำการวิเคราะห์ขั้นสูงและให้มิติเพิ่มเติมแก่โดเมนการตัดสินใจ" ด้วยการผสมผสานข้อมูลเฉพาะของบริษัทเข้ากับบุคคลที่สาม ตั้งแต่ผู้ขายเฉพาะประเภทแนวตั้ง เช่น Experian, Acxiom และ D&B ไปจนถึงโซเชียลมีเดียหรือผู้ให้บริการข้อมูลการขาย เช่น Facebook, Twitter และ Salesforce บริษัทที่ระบุอาจสำรวจที่ใหญ่ขึ้น ชุดที่กว้างขึ้น หลากหลายมากขึ้น และมีนัยสำคัญทางสถิติสำหรับข้อมูลเชิงลึกใหม่ๆ ที่ดีขึ้นเกี่ยวกับประสิทธิภาพของบริษัทและพฤติกรรมของลูกค้า

Prescriptive Analytics – การนำการวิเคราะห์ไปใช้ในกระบวนการทางธุรกิจ

บริษัทระดับองค์กรที่มีความต้องการที่แตกต่างกันในแง่ของข้อมูล ลูกค้า ข้อบังคับ และปัญหา/ปัญหาทางธุรกิจที่เฉพาะเจาะจง และด้วยงบประมาณและทักษะภายในที่แตกต่างกัน มักจะมีผู้จำหน่ายเทคโนโลยีที่ตอบสนองความต้องการเฉพาะของพวกเขา พวกเขาทำงานในระดับที่ความสามารถในการดำเนินการวิเคราะห์ในกระบวนการทางธุรกิจและเวิร์กโฟลว์มีความสำคัญและประหยัดมากขึ้น บ่อยครั้ง บริษัทเหล่านี้จะอยู่ในอุตสาหกรรมที่มีการควบคุม ซึ่งพวกเขาจำเป็นต้องสามารถแสดงให้เห็นว่าพวกเขามีแนวทางปฏิบัติที่ยุติธรรมและทำซ้ำได้

ผู้ให้กู้ไม่แสดงอคติในนโยบายการให้กู้ยืม ไม่ว่าจะเป็นเรื่องเพศ รายได้ หรือเชื้อชาติ

สู่คำถามแห่งความรับผิดชอบ

เป็นสิ่งหนึ่งที่ต้องกำหนดการกระทำเฉพาะและอีกอย่างหนึ่งที่จะนำไปใช้ จำเป็นต้องมีความเชื่อมโยงระหว่างการวินิจฉัย ใบสั่งยา และการตัดสินใจ และบุคคล/กลุ่มที่รับผิดชอบต่อผลลัพธ์ที่ต้องการ ที่นี่บทบาทของผู้สนับสนุนระดับผู้บริหารมีความสำคัญ

ที่บริษัททั้งขนาดเล็กและขนาดใหญ่ สปอนเซอร์ระดับผู้บริหาร กล่าว - แชมป์ที่ได้รับการเสนอชื่อในการเพิ่มพูนข้อมูลและหัวหน้าเจ้าหน้าที่ข้อมูลโดยพฤตินัย - เป็นบุคคลธรรมดา ซึ่งมักจะเป็น CEO, CFO หรือ CMO เมื่อเริ่มมีอาการ ซึ่งมีข้อมูลและการวิเคราะห์ที่แพร่หลายอยู่แล้ว ปัญหาที่แก้ไขได้ดีที่สุดด้วยข้อมูล หรืออย่างน้อยก็เป็นผู้เชื่อในศักยภาพในการเปลี่ยนแปลงของการวิเคราะห์ข้อมูล

นอกเหนือจากตัวเอกนี้แล้ว กระบวนการนี้มักต้องการแชมเปี้ยนรองและลงมือปฏิบัติมากขึ้น โดยเฉพาะอย่างยิ่งเมื่อบริษัทเริ่มเปลี่ยนจากการวิเคราะห์เชิงพรรณนาเป็นการวิเคราะห์เชิงคาดการณ์ ตามเนื้อผ้า บุคคลนี้เป็นนักวิทยาศาสตร์ข้อมูลภายในองค์กรที่ได้รับการฝึกอบรมด้านเทคนิค แต่เมื่อไม่นานมานี้ได้อยู่ในรูปแบบของผู้ที่สนใจในเทคโนโลยี ซึ่งมักเรียกกันว่านักวิทยาศาสตร์ข้อมูลพลเมือง โดยทั่วไปแล้ว บุคคลนี้จะเป็นคนเลือกเอง—ผู้จัดรายการสเปรดชีตที่อ้างตัวว่าตนเองมีความสมดุลระหว่างความอยากรู้ทางปัญญาและความคล่องแคล่ว แต่มีคนหนึ่งเต็มใจที่จะใช้ชีวิตในวัชพืชที่นำไปปฏิบัติ ในหลายกรณี บุคคลนี้อยู่เหนือฝ่ายบริหารในการตระหนักถึงผลกระทบที่อาจเกิดขึ้นจากกระบวนการวิเคราะห์ข้อมูลอย่างเป็นทางการที่สามารถสร้างได้ในบริษัทของตน แต่ขาดสถานะหรือความน่าเชื่อถือที่จำเป็นในการขายวิสัยทัศน์

สู่คำถามของปัญหาทางธุรกิจ

บริษัทที่ประสบความสำเร็จและล้มเหลวทุกแห่งล้วนมีชุดของความท้าทายที่แตกต่างกัน ซึ่งสามารถแก้ไขได้ด้วยทรัพยากร กระบวนการ และความสามารถเฉพาะที่เกี่ยวข้องร่วมกันอย่างเหมาะสมเท่านั้น ที่กล่าวว่า ความท้าทายทางธุรกิจประเภทต่างๆ ที่เหมาะสมที่สุดสำหรับการจัดการด้วยข้อมูล มักจะถูกลด จัดหมวดหมู่ และจัดการโดยใช้กรอบการทำงานที่กำหนดไว้ในแผนภูมิที่ 7

นอกจากนี้ ในช่วงหลายปีที่ผ่านมาได้มีการคิดค้นหลักเกณฑ์/พารามิเตอร์โดยสังเขปสองสามข้อ ซึ่งช่วยเพิ่มโอกาสที่ไม่เพียงแต่จะระบุประเภทปัญหาที่เหมาะสมที่จะจัดการกับข้อมูลเท่านั้น แต่ยังรวมถึงโอกาสในการแก้ไขปัญหาด้วย แนวทาง/พารามิเตอร์เหล่านี้มีดังนี้: ขั้นแรกให้เลือกคำถามง่ายๆ ที่ชัดเจนซึ่งมีความหมายอย่างมาก ประการที่สอง ในการหาคำตอบจากข้อมูล มุ่งเป้าไปที่การปฏิบัติจริงของวิธีแก้ปัญหามากกว่าความสมบูรณ์แบบของคำตอบทางวิชาการ ประการที่สาม ให้คำนึงถึงธรรมชาติและฐานความรู้ของผู้รับสารในการวินิจฉัยและการแก้ปัญหา และสุดท้าย ให้เลือกเฉพาะปัญหาที่สามารถวัดผลและวัดปริมาณได้ด้วยข้อมูลและวิธีแก้ปัญหาที่มีอยู่แล้วซึ่งสามารถติดตามได้ในการวัดที่เท่าเทียมกัน

สู่คำถามเกี่ยวกับเครื่องมือและวิธีการที่เหมาะสม

คำถามสุดท้ายของกรอบงานสี่ข้อเดิมของเรา ซึ่งเกี่ยวข้องกับการสร้างองค์กรที่มุ่งเน้นข้อมูลอย่างยั่งยืน เป็นคำถามหนึ่งเกี่ยวกับการเลือกเครื่องมือ วิธีการ หรือแพลตฟอร์ม ในการนี้ อันดับแรก ฉันต้องระบุก่อนว่าเครื่องมือวิเคราะห์ข้อมูลมีการพัฒนาอย่างมากในช่วงไม่กี่ปีที่ผ่านมา โดยมีข้อดีและข้อเสียหลายประการสำหรับผู้ใช้ทางธุรกิจ ข้อดี ได้แก่ ค่าใช้จ่ายที่ลดลงอย่างมากที่เกี่ยวข้องกับการเช่าเครื่องมือดังกล่าว และการเพิ่มขึ้นของรายการคุณลักษณะและความซับซ้อนของตัวเลือกที่มีอยู่ เนื่องจากได้เปลี่ยนจากเครื่องมือเฉพาะฟังก์ชันไปเป็นแพลตฟอร์มที่มีฟังก์ชันการทำงานที่ทับซ้อนกัน นอกจากนี้ ผู้จำหน่าย SaaS ยังเสนอการทดลองใช้ฟรี แม้ว่าจะมีข้อจำกัดเกี่ยวกับปริมาณและประเภทข้อมูล ลูกค้ารายใหม่จะได้รับโอกาสในการตัดสินใจซื้ออย่างมีข้อมูลหลังจากทดสอบหลายแพลตฟอร์ม

ข้อเสียหลักๆ ของแพลตฟอร์มเหล่านี้ก็คือ เพื่อที่จะรักษาความสามารถในการแข่งขันระหว่างกัน ผู้ค้าได้สร้างสรรค์สิ่งใหม่ ๆ ที่มีความซับซ้อนอย่างมาก ซึ่งตอนนี้ข้อเสนอของพวกเขาเข้าใกล้ความอิ่มตัวของคุณลักษณะด้วยข้อเสนอที่เกินประโยชน์ของผู้ใช้ทางธุรกิจโดยเฉลี่ย ผลลัพธ์ที่โชคร้ายคือผู้ใช้มือใหม่จำนวนมาก ทำให้ยากต่อการบรรลุ "ชัยชนะอย่างรวดเร็ว" ที่กล่าวถึงก่อนหน้านี้ และลดโอกาสที่วัฒนธรรมข้อมูลจะมีผลกับบริษัทที่กำหนด

โชคดีที่มีแหล่งข้อมูลมากมายที่สามารถช่วยเหลือผู้ที่มีแนวโน้มจะเป็นผู้ใช้ ประเมิน และเปรียบเทียบโซลูชัน Business Intelligence ที่แข่งขันกัน แม้ว่าความรู้บางอย่างเกี่ยวกับความสามารถทั่วไปหลักจะมีประโยชน์ในการประเมินโดยเทียบกับความต้องการและลำดับความสำคัญเฉพาะของบริษัท ความสามารถดังกล่าว ได้แก่ จำนวนและขอบเขตของการเชื่อมต่อข้อมูล ความพร้อมใช้งานของแดชบอร์ดที่ประกอบไว้ล่วงหน้า การเจาะลึก ความสามารถในการเผยแพร่และการแชร์ การผสานรวมกับความสามารถในการรวบรวมข้อมูลและซอฟต์แวร์สำรวจ ศักยภาพในการปรับขยาย (ทั้งพารามิเตอร์ปริมาณและความหลากหลาย) จำนวน และความถูกต้องแม่นยำของแนวทางการสร้างแบบจำลอง และฐานลูกค้าอ้างอิงตามอุตสาหกรรมเฉพาะ แม้ว่าจะง่ายในการสรุป แต่แผนภูมิ 7 ด้านบนจะระบุผู้ค้าหลักบางรายที่เล่นในหมวดหมู่ต่างๆ (บรรยาย, คาดการณ์, กำหนด)

ข้อมูลขนาดเล็ก โอกาสที่ยิ่งใหญ่

แม้จะมีจุดเริ่มต้นเฉพาะกลุ่ม แต่ก็ชัดเจนว่าการวิเคราะห์ข้อมูลและตลาดสำหรับเครื่องมือวิเคราะห์ที่ใช้ SaaS มีการพัฒนาอย่างมากในช่วงไม่กี่ปีที่ผ่านมา เพื่อประโยชน์ของนักวิทยาศาสตร์ข้อมูลพลเมืองและบริษัทของพวกเขา ข้อมูลขนาดใหญ่ ข้อมูลขนาดเล็ก เครื่องมือแบบบริการตนเอง—ขณะนี้แต่ละเครื่องมือเป็นกระแสหลักเพียงพอที่จะรับประกันการพิจารณาว่าเป็นความสามารถหลักของธุรกิจแม้ในเชิงเทคนิคที่น้อยที่สุด กล่าวอีกนัยหนึ่งด้วยข้อมูลที่มีประโยชน์และนำไปดำเนินการได้มากมาย และต้นทุนของเครื่องมือแบบบริการตนเองที่เปลี่ยนไปผกผันกับคุณลักษณะและความสามารถที่มีให้ เหตุผลบางประการที่ยังคงมีอยู่สำหรับธุรกิจขนาดเล็กที่จะไม่เริ่มใช้ประโยชน์จากข้อมูลในบางพื้นที่

บทความนี้ควรแสดงให้เห็นว่า ด้วยการวางแผนเพียงเล็กน้อย การตั้งค่าวัตถุประสงค์ และการเลือกผู้อุปถัมภ์ แม้แต่การเริ่มต้นของคุณสามารถเริ่มต้นระดับการแข่งขันที่แข่งขันกับไททันในอุตสาหกรรมที่คุณกำหนดไว้เพื่อขัดขวาง ในกระบวนการปลดล็อกมูลค่าทางเศรษฐกิจมหาศาลสำหรับคุณ และผู้มีส่วนได้ส่วนเสียของคุณ คุณต้องเริ่มต้นเท่านั้น ได้เลย—เริ่มเลย!