Peran ilmuwan data sajroné dikarepake panas karo kekuwatan sing ditemokake ing peran iki sing penting, wigati kanggo taun-taun.
Organisasi mbuwang rejeki saben taun nginstal perangkat lunak kanggo nangkep, nyimpen lan nganalisa data. Departemen Marketing sing akeh diisi karo profesional, profesional data savvy kanthi biaya peran kreatif.
Dagang bisnis iku sawijining data sing fokus ing data, nanging penting kanggo ngenali data kasebut ora pungkasan. Kaya kabeh perkara sing digambarake ing karya kita, data minangka alat sing dipenuhi janji. Ing tangan tengen karo pendekatan sing tepat, potensial kanggo data kanggo ndhukung pengambilan keputusan iku luar biasa.
Nanging, aja kakehan kapercayan palsu yen ngaku lan nganalisa data tanpa risiko. Mugi-mugi dipunsunting babagan ide babagan data minangka Juruwilujeng bisnis lan mbiyantu ngerteni sawetara pituwas potensial sumber daya anyar iki kanggo kabeh kita.
Forewarned is forearmed.
6 Manajer lan Organisasi Tantangan Big Face With Data:
1. Kualitas data asring kurang. Nalika kita wis biasa mikir babagan kualitas ing konteks obyek fisik utawa produk, ternyata kualitas data minangka masalah materi kanggo saben perusahaan kabeh wektu.
Data sing disimpen ing database utawa repositori terstruktur asring ora lengkap, ora konsisten, utawa ora ono tanggal. Koyone sampeyan wis ing akhir panampa conto prasaja saka masalah kualitas data.
Paling kita bisa ngelingi nampa surat duplikat saka pemasar sing ditangani kanggo versi sing beda-beda utawa beda banget saka jeneng asline kita.
Database pemasar ngandhut duplikat rekaman karo alamat lan beda, beda-beda ejaan utawa variasi saka jeneng kita. Kita daur ulang duplikat mail minangka sampah, lan pemasar nemokake biaya keluwesan ing wangun printing lan mailing kabeh amarga masalah kualitas data prasaja. Nggedhekake kesalahan iki kanthi akeh atusan utawa ewu rekaman lan kesalahan kualitas data cilik iki larang regane.
Masalah kualitas data mundhak dadi penting, saengga kita bisa nggawe keputusan ing strategi, pasar, lan marketing ing wektu nyata. Nalika piranti lunak lan solusi ana kanggo ngawasi lan ningkatake kualitas data sing wis kabentuk (diformat), solusi nyata minangka wujud, wujud komitmen organisasi kanggo ngobati data minangka aset sing terkenal. Ing praktek, iki angel entuk lan mbutuhake disiplin luar biasa lan dukungan kepemimpinan.
2. Kita saora-orane tenggelam ing data. Data ing ngendi wae ana ing organisasi. Coba data pelanggan. Paling organisasi wis trampil nelukake informasi babagan pelanggan lan prospek.
- Marketing ngumpulake data saka wong sing rawuh ing acara live utawa web utawa sing ngunduh isi.
- Eksekutif nggunakake data kanggo ndhukung utawa netepake strategi anyar.
- Penjualan ngumpulake data babagan pelanggan sing melu proses penjualan.
- Dhukungan pelanggan nangkep informasi babagan telpon lan interaksi chatting.
- Tim manajemen nggambar marang data lan metrik tombol kanggo scorecard.
- Data pelanggan digunakake ing akuntansi kanggo tujuan tagihan lan kanthi kualitas lan tim wawasan customer kanggo ngawasi kepuasan pelanggan .
Kita njupuk informasi pelanggan ing macem-macem sistem lunak beda, lan kita nyimpen data ing macem-macem repositori data. Salah siji perusahaan Global Fortune 100 sing diakoni minangka 10 persen data pelanggan sing dianakake sacara lokal dening karyawan ing komputer ing spreadsheets. Organisasi liyane tetep milih wakil perwakilan kanggo data kartu bisnis sadurunge nglakokake kampanye pemasaran.
Kaya para pelaut samudra sing terdampar ing lifeboat sawise kapalé tenggelam, ana banyu ing endi-endi, nanging ora ana gulung kanggo ngombe.
Kita duwe fenomena sing padha ing bisnis kita. Data ing ngendi-endi, lan tambah akeh data sing kasedhiya saka feed sosial lan golèk ing wektu nyata. Yen data ora gampang diakses utawa, yen kita nduwe data duplikat utawa ora lengkap, kita ora bisa nggayuh tujuan kasebut.
Agen organisasi nggabungake aplikasi lunak sing beda lan nyederhanakake proses ngoleksi lan nggabungake data ing perusahaan. Bebarengan karo kualitas data, gaweyan iki larang, larang wektu lan ora tau rampung.
3. Volume data sing akeh. We nggawe data liyane lan luwih cepet ing jangkah sing angel dipahami. Para ahli ngandharake yen saben rong taun (lan nyusut), kita nggawe luwih akeh data tinimbang ana ing planet bumi kanggo kabeh peradaban.
Sebagean gedhe data anyar iki ora dirancang, contone jenis data sing wis ditemokake ing piranti lunak lan aplikasi database kita. Contone, kabeh tweets babagan prodhuk utawa merek makili sawijining kothak panemu sing wigati, nanging data iki ora diwangun, nambah kerumitan nyekel lan nganalisa. Nalika ana akeh penawaran perangkat lunak kanggo mbantu tantangan iki, data sing ora diresepake nggambarake sumber mentahan anyar kanggo ngolah, kanthi kabeh masalah kerumitan lan kualitas sing dibahas ing artikel iki.
4. Sampah, sampah. Perangkat lunak analisis data mung apik amarga data nyaluraké. Utas umum ing masalah iki ngumpetake data kanggo kauntungan yaiku kualitas. Nalika akeh perusahaan ngetokake dolar signifikan ing aplikasi data crunching anyar sing kuat, crunching data kotor ndadékaké pancasan cacat. Beware of blindly trusting the output of analysis data endeavors. Sampeyan kudu yakin yen sampeyan bisa dipercaya data sing digunakake ing analisis.
5. Kita nampi output analisa data minangka conclusive, nanging ora. Ing kasunyatan, analisis data sing paling kerep ditampilake korélasi, ora akibat! Iku gampang digoleki ing njerone dipercaya saka asil analisis data lan korélasi karo hubungan sebab-akibat.
Korelasi ndudohake hubungan, nanging ora ana sing nyebabake menawa A nyebabake B. Nggawe hubungan sebabe yaiku nirwana kanggo nggawe keputusan sing akurat lan wicaksana. Iku uga angel kanggo mbuktekaken. Yen sampeyan njaga kanthi aman lan nganggep hubungan sing ora ana hubungane karo ora ana, keputusan sampeyan bakal gagal.
6. Bias kognitif kita ditambahi nalika nerangake ngevaluasi data. Minangka salah sawijining ilmuwan data sing wicaksana sapisan diucapake, "Ing pungkasan analisis data sing paling rumit lan lengkap, manungsa isih kudu nimbulaké kesimpulan lan nggawe keputusan." Lan nalika kita tekan titik kasebut ing ngendi kita kudu netepke makna analisis data, bias kita bisa diputer. Akèh kita cenderung dipercaya utawa ngandelake data sing ndhukung posisi lan pangarepan kita lan nyegah data sing ora ana ing ngarepan. Kita uga dipercaya data saka sumber kita kaya utawa, kita gumantung ing data sing paling anyar. Kabeh iki bias nyumbang kanggo tantangan lan potensial kanggo kesalahane saka analisis data kita.
Cara Mulihake Data kanggo Gunakake minangka Manajer:
Ngembangake strategi data sakabehe sacara kritis kanggo saben bisnis, nanging wis ngluwihi ruang lingkup artikel iki. Nanging, iki pitung gagasan sing bisa digunakake minangka manajer kanggo nambah data sampeyan ing pengambilan keputusan saben dina.
1. Ngenali lan ngurangi potensial kanggo bias . Ngupaya data sing ngembangake gambar utawa konflik karo data ing ngarepe sampeyan. Dikamake pangamat njaba kanggo ngira-ngira asumsi sampeyan babagan data.
2. Ngapikake pemahaman data manajemen. Ana akeh sumber wawasan babagan web, lan akeh organisasi sing nyedhiyakake seminar utawa lokakarya babagan analytics data lan bisnis intelijen. Akeh universitas wis nambah kursus kanggo bidang sing cepet iki. Tansah ngasah kemampuan sampeyan.
3. Takon dhewe utawa tim sampeyan, "Data apa sing kudu kita gunakake keputusan iki?" Kadhangkala, kita gumantung ing data ing tangan lan nglirwakake kebutuhan kanggo nggoleki data liyane kanggo ngrampungake gambar kasebut.
4. Muga-muga kritis saka prabédan antarane hubungan lan akibat . Minangka diterangake sadurunge, mbingungake loro iki minangka pitfall duweni potensi mbebayani kanggo nggawe keputusan.
5. Kualitas - mriksa data sampeyan. Yen perusahaan sampeyan ora duwe kualitas data utawa prasetya manajemen induk, entek wektu kanggo ngevaluasi data kanggo kasalahan sing jelas, kalebu rekaman duplikat, ora lengkap utawa salah. Ana akeh aplikasi lunak sing kasedhiya ing iklan utawa kanggo ndhukung kegiatan iki lan akeh perusahaan ngupaya kepuasan ahli data kanggo nggoleki lan ngetesake kualitas data. Uga, nimbang panyedhiya layanan njaba sing bisa ngresiki data kanggo sampeyan. Penting, fokus terus-terusan ningkatake kualitas data.
6. Advokat kanggo kahanan kualitas lan manajemen data sing kuwat ing perusahaan sampeyan. Karya iki kerep dadi domain IT utawa profesional teknis, nanging data nduweni potensi kanggo dadi aset strategis. Saben manajer kudu peduli babagan kemampuan perusahaan supaya bisa ngamanake data luwih apik kanggo ngetrapake keputusan lan strategi execution.
7. Tambah bakat teknis lan data savvy kanggo tim sampeyan. Departemen sales and marketing ngerteni kekuwatan sing melu individu sing trampil ing teknologi paling anyar lan kompeten ngarahake akeh tantangan data sing dijlentrehake ing artikel iki. Teknologi lan data ora ana maneh domain utawa tanggung jawab fungsi siji ing perusahaan.
Ing ngisor:
Perusahaan lan manajer sing sinau ngumpet data kanggo ngapikake pengambilan keputusan bakal menang ing pasar. Organisasi kasebut bakal bisa ngawasi lan nanggapi kondisi sing ganti lan kabutuhan customer luwih cepet saka data sing ditantang. Iku bakal dadi sing pertama kanggo nliti wawasan saka dialog media sosial, lan bakal menang perang kanggo ngerti lan melu pelanggan ing tingkat sing luwih jero-kabeh adhedhasar data. Iki ora mung mlaku-mlaku, nanging malah dadi kasunyatan anyar kanggo ngatur lan saingan ing donya iki. Mung nonton kanggo pitfalls ing lelampahan iki.