yhteiskunta on imenyt ”intuition”käsitteen—sen, että yksinkertaisesti tietää, milloin jokin on oikein tai väärin—valtavalla arvostuksella, merkityksellä ja vaikutuksella.

itse asiassa joidenkin tutkimusten mukaan yli puolet amerikkalaisista luottaa ”vaistoonsa” päättääkseen, mitä uskoa, vaikka he joutuisivat kohtaamaan todisteita, jotka puhuvat päinvastaista.

intuition käsite on nykyelämässä niin romantisoitunut, että se on nyt osa sitä, kuinka moni puhuu ja ymmärtää sukupolvemme ”neroja”. Esimerkiksi tieteessä Albert Einsteinin sanotaan usein sanoneen: ”intuitiivinen mieli on pyhä lahja”, ja liike-elämässä Steve Jobsin kerrotaan sanoneen: ”Ole rohkea ja seuraa sydäntäsi ja intuitiotasi; ne jotenkin jo tietävät, miksi haluat tulla.”

vaikka intuitio voi olla hyödyllinen työkalu, olisi virhe perustaa kaikki päätökset pelkän vaistomaisen tunteen ympärille.

vaikka intuitio voi tarjota aavistuksen tai kipinän, joka aloittaa sinut tietylle polulle, se on datan avulla, että voit tarkistaa, ymmärtää, ja kvantifioida. PwC: n yli 1 000 ylempää johtajaa koskeneen tutkimuksen mukaan erittäin datavetoiset organisaatiot raportoivat kolme kertaa todennäköisemmin merkittävistä parannuksista päätöksenteossa verrattuna niihin, jotka luottavat vähemmän dataan.

kiinnostaako sinua oppia, miten datalähtöinen päätöksenteko voi auttaa sinua olemaan tehokkaampi yrittäjä tai organisaatiosi jäsen? Alla on tietoa eduista yhä data-driven, sekä useita vaiheita voit ryhtyä entistä analyyttinen prosesseissa.

mitä on Datalähtöinen päätöksenteko?

Datalähtöinen päätöksenteko (joskus lyhennettynä DDDM) on prosessi, jossa tietoa käytetään päätöksentekoprosessin informointiin ja toimintatavan validointiin ennen siihen sitoutumista.

liike-elämässä tämä näkyy monessa muodossa. Esimerkiksi yritys voisi:

• kerää kyselyvastauksia tunnistaakseen tuotteet, palvelut ja ominaisuudet, joita asiakkaat haluaisivat
• suorittaa käyttäjätestauksen havainnoidakseen, miten asiakkaat ovat taipuvaisia käyttämään tuotteitaan tai palvelujaan, ja tunnistaakseen mahdolliset ongelmat, jotka tulisi ratkaista ennen täyttä julkaisua
• käynnistää uusi tuote tai palvelu testimarkkinoilla testatakseen vesiä ja ymmärtääkseen, miten tuote voisi toimia markkinoilla
• analysoi demografisten tietojen muutoksia määrittääkseen liiketoimintamahdollisuuksia tai uhkia

miten tiedot tarkalleen ottaen voidaan sisällyttää päätöksentekoprosessi riippuu useista tekijöistä, kuten liiketoimintatavoitteistasi ja siitä, millaisia tietoja sinulla on käytettävissäsi.

tietojen keruu ja analysointi on ollut pitkään merkittävässä roolissa yritystason yrityksissä ja organisaatioissa. Mutta koska ihmiskunta tuottaa yli 2,5 kvintillion tavua dataa joka päivä, ei ole koskaan ollut helpompaa kaikenkokoisille yrityksille kerätä, analysoida ja tulkita tietoja todellisiksi, toimiviksi oivalluksiksi. Vaikka datalähtöistä päätöksentekoa on ollut liiketoiminnassa muodossa tai toisessa vuosisatojen ajan, se on todella moderni ilmiö.

esimerkkejä Datalähtöisestä päätöksenteosta

nykypäivän suurimmat ja menestyneimmät organisaatiot käyttävät dataa edukseen tehdessään suurvaikutteisia liiketoimintapäätöksiä. Jotta ymmärtäisit paremmin, miten organisaatiosi voi sisällyttää data-analytiikan päätöksentekoprosessiinsa, harkitse näiden tunnettujen yritysten menestystarinoita.

Googlen Johtajuuskehitys

Google keskittyy vahvasti siihen, mitä se kutsuu ”ihmisanalytiikaksi.”Google Louhi tietoja yli 10 000 suoritusarviosta ja vertasi tietoja työntekijöiden pidätysasteisiin osana yhtä tunnetuista ihmisanalytiikka-aloitteistaan, Project Oxygen-hanketta. Google käytti tietoja tunnistaakseen suorituskykyisten johtajien yleisiä käyttäytymismalleja ja loi koulutusohjelmia näiden taitojen kehittämiseksi. Nämä ponnistelut lisäsivät johtajien suosimispisteitä 83 prosentista 88 prosenttiin.

Kiinteistöpäätökset Starbucksissa

sen jälkeen, kun satoja Starbucksin toimipaikkoja suljettiin vuonna 2008, silloinen toimitusjohtaja Howard Schultz lupasi yhtiön ottavan analyyttisemman lähestymistavan tulevien myymäläpaikkojen tunnistamiseen.

Starbucks tekee nyt yhteistyötä sijaintianalytiikkayrityksen kanssa, joka määrittää ihanteelliset Myymäläpaikat käyttäen tietoja, kuten väestötietoja ja liikennekäyttäytymistä. Järjestö ottaa huomioon myös aluetiimiensä panoksen ennen päätöksentekoa. Starbucks käyttää näitä tietoja määrittääkseen onnistumisen todennäköisyyden tietyssä kohteessa ennen uuden investoinnin tekemistä.

Driving Sales at Amazon

Amazon käyttää tietoja päättääkseen, mitä tuotteita heidän tulisi suositella asiakkaille perustuen heidän aikaisempiin ostoksiinsa ja hakukäyttäytymiseensä. Sen sijaan, että Amazon ehdottaisi sokeasti tuotetta, se käyttää data-analytiikkaa ja koneoppimista suositusmoottorinsa ajamiseen. McKinsey arvioi, että vuonna 2017 35 prosenttia Amazonin kuluttajaostoksista voitaisiin sitoa takaisin yhtiön suositusjärjestelmään.

datalähtöisen päätöksenteon hyödyt

teet varmempia päätöksiä

kun aloitat datan keräämisen ja analysoinnin, tulet todennäköisesti huomaamaan, että on helpompi tehdä varma päätös lähes mistä tahansa liiketoiminnan haasteesta, päätitpä sitten lanseerata tai lopettaa tuotteen, muokata markkinointiviestiäsi, haarautua uusille markkinoille tai jotain aivan muuta.

Datalla on useita rooleja. Toisaalta, se palvelee benchmark mitä tällä hetkellä, jonka avulla voit paremmin ymmärtää vaikutus, että kaikki päätökset teet on yrityksesi.

tämän lisäksi data on loogista ja konkreettista tavalla, jota vaisto ja intuitio eivät yksinkertaisesti ole. poistamalla subjektiiviset elementit liiketoimintapäätöksistäsi voit valaa luottamusta itseesi ja koko yritykseesi. Tämä luottamus antaa organisaatiollesi mahdollisuuden sitoutua täysin tiettyyn visioon tai strategiaan olematta liian huolissaan siitä, että väärä päätös on tehty.

pelkästään se, että päätös perustuu dataan, ei tarkoita, että se olisi aina oikein. Vaikka tiedoissa saattaa näkyä tietty kuvio tai näyttää tiettyä lopputulosta, jos tiedonkeruuprosessi tai tulkinta on virheellinen, kaikki tietoihin perustuvat päätökset olisivat epätarkkoja. Siksi jokaisen liiketoimintapäätöksen vaikutuksia tulisi mitata ja seurata säännöllisesti.

Related: 3 Examples of Business Analytics in Action

you ’ll Become More proaktiivinen

When you first implementing a data-driven decision-making process, it’ s likely to be recreationary in nature. Data kertoo tarinan, johon sinun ja organisaatiosi on sitten reagoitava.

vaikka tämä on itsessään arvokasta, se ei ole ainoa rooli, joka datalla ja analyysillä voi olla yrityksesi sisällä. Kun otetaan huomioon riittävä käytäntö ja oikeanlaiset ja määräiset tiedot, on mahdollista hyödyntää niitä ennakoivammin—esimerkiksi tunnistamalla liiketoimintamahdollisuudet ennen kilpailijaasi tai tunnistamalla uhkat ennen kuin ne kasvavat liian vakaviksi.

voit toteuttaa kustannussäästöjä

on monia syitä, miksi yritys voi päättää investoida big data-aloitteeseen ja pyrkiä muuttumaan prosesseissaan datalähtöisemmäksi. Newvantage Partnersin Harvard Business Review ’ lle tekemän Fortune 1,000 executivesin tuoreen tutkimuksen mukaan näiden aloitteiden onnistumisprosentti vaihtelee.

yksi vaikuttavimmista aloitteista on tutkimuksen mukaan tietojen käyttäminen kulujen pienentämiseen. Kulujen pienentämiseen tähtääviä hankkeita aloittaneista järjestöistä yli 49 prosenttia on nähnyt hankkeilleen arvoa. Muissa aloitteissa tulokset ovat olleet ristiriitaisempia.

”Big dataa käytetään jo toiminnan tehostamiseen”, sanoi konsulttiyhtiö NewVantage Partnersin toimitusjohtaja ja toimitusjohtaja Randy Bean julkistaessaan kyselyn tulokset. ”Ja kyky tehdä tietoon perustuvia päätöksiä, jotka perustuvat viimeisimpään ajankohtaiseen tietoon, on nopeasti tulossa valtavirran normiksi.”

miten tulla datalähtöisemmäksi

Jos sinulla on tavoitteena tulla datalähtöisemmäksi lähestymistavassasi liiketoimintaan, voit ottaa monia askelia tuon tavoitteen saavuttamiseksi. Tässä on tarkastella joitakin tapoja, joilla voit lähestyä päivittäisiä tehtäviä analyyttinen ajattelutapa.

Etsi kuvioita kaikkialta

Data-analyysi on pohjimmiltaan yritys löytää kuvio eri datapisteiden sisällä tai korrelaatio niiden välillä. Näistä kaavoista ja korrelaatioista voidaan tehdä oivalluksia ja johtopäätöksiä.

ensimmäinen askel datavetoisemmaksi muuttumisessa on tehdä tietoinen päätös olla analyyttisempi-niin liike—elämässä kuin yksityiselämässäkin. Vaikka tämä voi tuntua yksinkertaiselta, se on jotain, joka vaatii harjoittelua.

olitpa toimistossa kaatamassa tilinpäätöksiä, seisomassa jonossa ruokakaupassa tai työmatkalla junassa, etsi kuvioita ympärilläsi olevasta datasta. Kun olet huomannut nämä kuviot, harjoitella ekstrapoloimalla oivalluksia ja yrittää tehdä johtopäätöksiä siitä, miksi ne ovat olemassa. Tämä yksinkertainen harjoitus voi auttaa sinua kouluttaa itse tulla enemmän tietoa-driven muilla aloilla elämääsi.

sido jokainen päätös takaisin tietoihin

aina, kun sinulle esitetään päätös, olipa se liiketoimintaan liittyvä tai henkilökohtainen, tee parhaasi, jotta et luottaisi gut vaistoon tai aiempaan käyttäytymiseen, kun määrität toimintatapaa. Pyri sen sijaan tietoisesti soveltamaan analyyttistä ajattelutapaa.

kerro, mitä tietoja sinulla on käytettävissäsi, jotta voit kertoa päätöksestäsi. Jos Tietoja ei ole, mieti, miten voisit kerätä ne itse. Kun sinulla on tiedot, analysoida sitä, ja käyttää tietoja auttaa sinua tekemään päätöksen. Kuten kuvionkatseluharjoituksessa, ajatuksena on antaa itsellesi riittävästi harjoitusta, jotta analysoinnista tulee luonnollinen osa päätöksentekoprosessiasi.

visualisoi tiedon merkitys

tiedon visualisointi on valtava osa tiedon analysointiprosessia. Numerotaulukosta on lähes mahdotonta saada merkitystä. Luomalla mukaansatempaavia grafiikoita kaavioiden ja kaavioiden muodossa pystyt nopeasti tunnistamaan trendit ja tekemään päätelmiä tiedoista.

Tutustu suosittuihin datan visualisointitekniikoihin ja-työkaluihin ja harjoittele visualisointien luomista millä tahansa helposti saatavilla olevalla datalla. Tämä voi olla niinkin yksinkertaista kuin luoda kaavio visualisoida kuukausittain menoja tottumukset ja tehdä johtopäätöksiä visualisointi. Voit sitten käyttää näitä oivalluksia tehdä henkilökohtaisen budjetin seuraavan kuukauden. Suoritettuaan tämän harjoituksen, olet onnistuneesti tehnyt data-driven päätös.

harkitse koulutuksen edistämistä

Jos et pidä ajatuksesta oppia sisällyttämään dataa päätöksentekoprosessiisi yksin, on olemassa useita koulutusvaihtoehtoja, joiden avulla voit kehittää menestymiseen tarvittavia datatieteellisiä taitoja.

mikä vaihtoehto on järkevin riippuu henkilökohtaisista ja ammatillisista tavoitteistasi. Vakavaa uranvaihtoa harkitseva henkilö voisi esimerkiksi päättää suorittaa maisterin tutkinnon painottaen data-analytiikkaa tai datatieteitä. Mutta kaikille muille, yksinkertaisesti ottaen online business analytics tai data science kurssi voisi riittää luomaan perusta tarvitaan menestykseen.

datan käyttäminen kriittisiin kysymyksiin vastaamiseen

vaikka datalähtöisessä päätöksenteossa on monia etuja, on tärkeää huomata, ettei sinne pääsemiseksi tarvitse ottaa kaikki tai ei mitään-lähestymistapaa. Aloittamalla pieni, benchmarking suorituskykyä, dokumentoimalla kaiken, ja säätämällä kuin mennä, voit tulla enemmän datalähtöinen ja menestyä organisaatiossasi.

Haluatko oppia lisää siitä, miten tietoja käytetään informoimaan organisaatiosi liiketoimintapäätöksiä? Tutustu, miten online-analytiikkakurssimme, kuten Data Science Ready ja Data Science for Business, voivat auttaa sinua kehittämään data-ajattelutapaa.
Tämä viesti päivitettiin 19. helmikuuta 2021. Juttu on julkaistu alun perin 26.elokuuta 2019.