a társadalom hatalmas presztízsével, fontosságával és befolyásával átitatta az “intuíció”fogalmát—egyszerűen tudni, mikor van valami jó vagy rossz.

valójában egyes tanulmányok szerint az amerikaiak több mint fele a “bélére” támaszkodik annak eldöntése érdekében, hogy mit higgyen, még akkor is, ha az ellenkezőjét mondó bizonyítékokkal szembesülnek.

az intuíció fogalma annyira romantikussá vált a modern életben, hogy ma már része annak, hogy hány ember beszél és ért meg generációnk “zsenijeiről”. A tudományban például Albert Einsteint gyakran idézik: “az intuitív elme szent ajándék”, az üzleti életben pedig Steve Jobs azt mondja: “legyen bátorságod követni a szíved és az intuíciód; valahogy már tudják, mivé akarsz válni.”

bár az intuíció hasznos eszköz lehet, hiba lenne minden döntést pusztán bélérzésre alapozni.

míg az intuíció olyan megérzést vagy szikrát adhat, amely elindít egy adott úton, az adatok révén ellenőrzi, megérti és számszerűsíti. A PwC által végzett, több mint 1000 felsővezetővel végzett felmérés szerint a nagymértékben adatközpontú szervezetek háromszor nagyobb valószínűséggel jelentenek jelentős javulást a döntéshozatalban, mint azok, akik kevésbé támaszkodnak az adatokra.

érdekli a tanulás, hogyan adatközpontú döntéshozatal lehetővé teszi, hogy egy hatékonyabb vállalkozó vagy tagja a szervezet? Az alábbiakban információkat talál az adatközpontúbbá válás előnyeiről, valamint számos lépést megtehet annak érdekében, hogy analitikusabbá váljon a folyamataiban.

mi az adatközpontú döntéshozatal?

az adatvezérelt döntéshozatal (néha rövidítve DDDM) az adatok felhasználásának folyamata a döntéshozatali folyamat tájékoztatására és a cselekvés érvényesítésére, mielőtt elkötelezné magát.

az üzleti életben ez számos formában látható. Például egy vállalat:

• Gyűjtse össze a felmérési válaszokat, hogy azonosítsa az ügyfelek által kívánt termékeket, szolgáltatásokat és funkciókat
• felhasználói tesztelést végezzen annak megfigyelésére, hogy az ügyfelek hajlamosak-e használni terméküket vagy szolgáltatásaikat, valamint azonosítsa azokat a lehetséges problémákat, amelyeket a teljes kiadás előtt meg kell oldani
• új termék vagy szolgáltatás elindítása a tesztpiacon annak érdekében, hogy tesztelje a vizeket, és megértse, hogyan teljesíthet egy termék a piacon
• elemezze a demográfiai adatok eltolódását az üzleti lehetőségek vagy fenyegetések meghatározása érdekében

hogy az adatok pontosan hogyan be lehet építeni a a döntéshozatali folyamat számos tényezőtől függ, például az üzleti céloktól, valamint az Ön által hozzáférhető adatok típusától és minőségétől.

az adatok gyűjtése és elemzése már régóta fontos szerepet játszik a vállalati szintű vállalatokban és szervezetekben. De mivel az emberiség naponta több mint 2,5 kvintillion bájtnyi adatot generál, soha nem volt ilyen egyszerű bármilyen méretű vállalkozás számára az adatok összegyűjtése, elemzése és értelmezése valós, cselekvésre alkalmas betekintéssé. Bár az adatközpontú döntéshozatal évszázadok óta létezik az üzleti életben ilyen vagy olyan formában, ez valóban modern jelenség.

példák az adatközpontú döntéshozatalra

napjaink legnagyobb és legsikeresebb szervezetei az adatokat használják fel előnyükre, amikor nagy hatású üzleti döntéseket hoznak. Annak érdekében, hogy jobban megértse, hogyan tudja szervezete beépíteni az adatelemzést a döntéshozatali folyamatába, fontolja meg ezeknek a jól ismert vállalkozásoknak a sikertörténeteit.

vezetői fejlesztés a Google-nál

a Google nagy hangsúlyt fektet arra, amit “emberek elemzésének” nevez.”Az egyik jól ismert people analytics kezdeményezés, a Project Oxygen részeként a Google több mint 10 000 teljesítményértékelésből származó adatokat gyűjtött össze, és összehasonlította az adatokat az alkalmazottak megtartási arányával. A Google az információkat arra használta fel, hogy azonosítsa a nagy teljesítményű vezetők általános viselkedését, és képzési programokat hozott létre ezen kompetenciák fejlesztésére. Ezek az erőfeszítések növelték a vezetők medián favorability pontszámait 83 százalékról 88 százalékra.

ingatlan döntések a Starbucks-nál

miután 2008-ban több száz Starbucks-helyszínt bezártak, Howard Schultz akkori vezérigazgató megígérte, hogy a vállalat analitikusabb megközelítést alkalmaz a jövőbeli áruházak azonosításában.

a Starbucks most egy helyelemző céggel működik együtt, hogy az ideális áruházhelyeket olyan adatok segítségével határozza meg, mint a demográfiai adatok és a forgalmi minták. A szervezet a döntések meghozatala előtt figyelembe veszi regionális csapatainak hozzájárulását is. A Starbucks ezeket az adatokat arra használja, hogy meghatározza egy adott helyszín sikerének valószínűségét, mielőtt új beruházást vállalna.

az Amazon értékesítésének ösztönzése

Az Amazon adatokat használ annak eldöntésére, hogy mely termékeket ajánlja az ügyfeleknek a korábbi vásárlásaik és a keresési szokások alapján. Ahelyett, hogy vakon javasolna egy terméket, az Amazon adatelemzést és gépi tanulást használ az ajánlómotor vezetéséhez. McKinsey becslése szerint 2017-ben az Amazon fogyasztói vásárlásainak 35 százaléka visszakapcsolható a vállalat ajánlási rendszeréhez.

az adatvezérelt döntéshozatal előnyei

magabiztosabb döntéseket fog hozni

Miután elkezdte gyűjteni és elemezni az adatokat, valószínűleg úgy találja, hogy könnyebb magabiztos döntést hozni gyakorlatilag bármilyen üzleti kihívással kapcsolatban, függetlenül attól, hogy egy termék elindításáról vagy megszüntetéséről dönt, módosítja marketingüzenetét, új piacra lép, vagy valami teljesen más.

Az adatok több szerepet töltenek be. Egyrészt arra szolgál, hogy összehasonlítsa a jelenleg létezőket, ami lehetővé teszi, hogy jobban megértse, milyen hatással lesz minden döntése a vállalkozására.

Ezen túlmenően az adatok logikusak és konkrétak oly módon, hogy a bélösztön és az intuíció egyszerűen nem. azáltal, hogy eltávolítja a szubjektív elemeket az üzleti döntéseiből, bizalmat kelthet magában és a vállalat egészében. Ez a bizalom lehetővé teszi a szervezet számára, hogy teljes mértékben elkötelezze magát egy adott jövőkép vagy stratégia mellett anélkül, hogy túlságosan aggódna a rossz döntés meghozatala miatt.

csak azért, mert egy döntés adatokon alapul, nem jelenti azt, hogy mindig helyes lesz. Míg az adatok egy adott mintát mutathatnak, vagy egy bizonyos eredményt sugallhatnak, ha az adatgyűjtési folyamat vagy az értelmezés hibás, akkor az adatokon alapuló bármely döntés pontatlan lenne. Ezért minden üzleti döntés hatását rendszeresen mérni és ellenőrizni kell.

kapcsolódó: 3 példa az üzleti elemzésre

proaktívabbá válik

amikor először hajt végre egy adatközpontú döntéshozatali folyamatot, valószínűleg reakciós jellegű. Az adatok egy történetet mesélnek el, amelyre Önnek és szervezetének reagálnia kell.

bár ez önmagában értékes, nem ez az egyetlen szerep, amelyet az adatok és az elemzések játszhatnak az Ön vállalkozásában. A megfelelő gyakorlat és a megfelelő típusú és mennyiségű adat alapján proaktívabb módon lehet kihasználni azt—például az üzleti lehetőségek azonosításával a verseny előtt, vagy a fenyegetések észlelésével, mielőtt azok túl súlyosak lennének.

költségmegtakarítást valósíthat meg

számos oka lehet annak, hogy egy vállalkozás úgy dönt, hogy befektet egy big data kezdeményezésbe, és arra törekszik, hogy adatközpontúbbá váljon a folyamataiban. A Newvantage Partners által a Harvard Business Review által a Fortune 1,000 vezetők nemrégiben végzett felmérése szerint ezek a kezdeményezések sikerességi arányukban eltérőek.

a felmérés szerint az egyik leghatásosabb kezdeményezés az adatok felhasználása a költségek csökkentésére. Azon szervezetek közül, amelyek a költségek csökkentését célzó projekteket indítottak el, több mint 49% – uk látott értéket projektjeikből. Más kezdeményezések vegyes eredményeket mutattak.

“A Big data-t már használják a működési hatékonyság javítására” – mondta Randy Bean, a newvantage Partners tanácsadó cég vezérigazgatója és ügyvezető partnere, amikor bejelentette a felmérés eredményeit. “És az a képesség, hogy a legfrissebb információk alapján megalapozott döntéseket hozzunk, gyorsan válik a mainstream normává.”

hogyan válhat adatközpontúbbá

ha célja, hogy egyre inkább adatközpontúvá váljon az üzleti megközelítésben, számos lépést tehet a cél elérése érdekében. Itt egy pillantást néhány módon lehet megközelíteni a napi feladatokat egy analitikus gondolkodásmód.

minták keresése mindenhol

Az adatelemzés középpontjában egy kísérlet arra, hogy mintát találjon a különböző adatpontokon belül vagy azok között. Ezekből a mintákból és összefüggésekből lehet betekintést és következtetéseket levonni.

az adatvezéreltebbé válás első lépése a tudatos döntés meghozatala, hogy analitikusabb legyen-mind az üzleti életben, mind a személyes életében. Bár ez egyszerűnek tűnhet, ez valami, ami gyakorlatot igényel.

függetlenül attól, hogy az irodában tölti a pénzügyi kimutatásokat, sorban áll az élelmiszerboltban, vagy ingázik a vonaton, keresse meg a mintákat a körülötted lévő adatokban. Miután észrevette ezeket a mintákat, gyakoroljon extrapoláló betekintést, és próbáljon következtetéseket levonni arról, hogy miért léteznek. Ez az egyszerű gyakorlat segíthet abban, hogy képezze magát, hogy életének más területein adatvezéreltebbé váljon.

minden döntést kössön vissza az adatokhoz

amikor üzleti vagy személyes jellegű döntést hoz, tegyen meg mindent annak érdekében, hogy elkerülje a bélösztönre vagy a múltbeli viselkedésre való támaszkodást a cselekvés meghatározásakor. Ehelyett tudatosan törekedjen az analitikus gondolkodásmód alkalmazására.

határozza meg, hogy milyen adatok állnak rendelkezésre, amelyek felhasználhatók a döntés tájékoztatására. Ha nincs adat, fontolja meg, hogy miként gyűjtheti azokat saját maga. Miután megkapta az adatokat, elemezze azokat, és használjon bármilyen betekintést a döntés meghozatalához. Mint a minta-pecsételő gyakorlatnál, az ötlet az, hogy elegendő gyakorlatot adjon magának, hogy az elemzés a döntéshozatali folyamat természetes részévé váljon.

vizualizálja az adatok mögötti jelentést

az adatmegjelenítés az adatelemzési folyamat hatalmas része. Szinte lehetetlen a számok táblázatából levezetni a jelentést. Azáltal, hogy vonzó látványterveket készít diagramok és grafikonok formájában, gyorsan azonosíthatja a trendeket és következtetéseket vonhat le az adatokról.

ismerkedjen meg a népszerű adatvizualizációs technikákkal és eszközökkel, és gyakoroljon vizualizációkat bármilyen rendelkezésre álló adatformával. Ez olyan egyszerű lehet, mint egy grafikon létrehozása a havi kiadási szokások megjelenítéséhez és a vizualizáció következtetéseinek levonása. Ezután felhasználhatja ezeket a betekintést, hogy személyes költségvetést készítsen a következő hónapra. Miután befejezte ezt a gyakorlatot, sikeresen meghozott egy adatközpontú döntést.

fontolja meg az oktatás előmozdítását

ha kényelmetlenül érzi magát az a gondolat, hogy megtanulja, hogyan kell önállóan beépíteni az adatokat a döntéshozatali folyamatba, számos oktatási lehetőség áll rendelkezésre a sikerhez szükséges adattudományi készségek fejlesztésére.

az, hogy melyik opciónak van értelme, a személyes és szakmai céloktól függ. Például azok az egyének, akik komoly karrierváltozást fontolgatnak, úgy dönthetnek, hogy mesterképzést folytatnak, különös tekintettel az adatelemzésre vagy az adattudományra. De mindenki más számára egyszerűen egy online üzleti analitika vagy adattudományi tanfolyam elvégzése elegendő lehet a sikerhez szükséges alapok megteremtéséhez.

adatok használata a kritikus kérdések megválaszolásához

bár az adatvezérelt döntéshozatalnak számos előnye van, fontos megjegyezni, hogy nem kell mindent vagy semmit megközelítenie ahhoz, hogy odaérjen. Azáltal, hogy kicsi, teljesítményértékelést végez, mindent dokumentál, és menet közben igazodik, adatközpontúbbá válhat, és boldogulhat a szervezetében.

szeretne többet megtudni arról, hogyan használhatja az adatokat a szervezet üzleti döntéseinek tájékoztatására? Fedezze fel, hogy az online analitikai kurzusok, mint például a Data Science Ready és az Data Science For Business, segíthetnek az adat gondolkodásmód kialakításában.
ezt a bejegyzést 19.február 2021-én frissítették. Eredetileg 26.augusztus 2019-én jelent meg.