Data driven-подход: суть, принципы, недостатки - как начать работать на основе данных

Термин Data-driven, как обычно, происходит от английского языка. В переводе это означает управление на основе данных и принятие решений на основе данных.

Компании на удивление часто принимают решения, основываясь на привычках или суждениях, и в относительно небольшой степени используют другой элемент — данные. Примером могут служить большинство крупных или быстрорастущих компаний, которые ориентируются на data driven-подход и пытаются его применять. К ним могут относиться, в первую очередь интернет-магазины, которые могут более эффективно предлагать товары для перекрестных или дополнительных продаж на основе данных о предыдущих продажах.

Преимущества data driven-подхода

Подход, основанный на данных, в основном затрагивает следующие области:

1. Управление эффективностью. Цели обычно варьируются от более общих задач, таких как повышение удовлетворенности клиентов, до узко определенных целей, сосредоточенных конкретно на обязанностях сотрудника, таких как квоты продаж или завершение процесса к установленному сроку.

2. Автоматизация.  Компании, работающие на основе данных, часто принимают решения в течение нескольких дней, а часто и часов. Поэтому крайне важно, чтобы данные были максимально легкодоступными и максимально точными. Этому в значительной степени способствует автоматизация процессов в обществе.
   
   Например, используя программное обеспечение, обеспечивающее автоматизацию аналитики на производстве. Это включает в себя внедрение аналитических инструментов в панели мониторинга и отчеты, которые оповещают пользователей о возникновении проблем, например, о нехватке материалов на производстве. Организации также используют прогностическую аналитику в производстве, чтобы предупреждать сотрудников или системы о таких проблемах как хищения.

Недостатки

Для правильной реализации менталитета и подхода, основанного на данных, необходимо иметь три прочных основных столпа:

• лидерство,

• технологии,

• навыки.

Наиболее распространенными препятствиями являются следующие области:

Недостаточная поддержка руководства/корпоративная стратегия

Доверие и культура — два больших препятствия для всех организаций, желающих активно использовать аналитику для корпоративного управления. Обычно проще продвигаться вперед в области аналитики, если концепция поддерживается руководством компании. Этот человек/люди может помочь задать тон и видение проекта, а также обеспечить необходимое финансирование и организационную поддержку.

Если руководитель уверен в общей стратегии и инструментах и активно их использует, другие сотрудники, как правило, следуют этой модели. Однако это не означает, что компания не может управлять данными без поддержки высшего руководства, но это может занять больше времени.

Проблемы с доступом и интеграцией всех соответствующих данных

Организации cложно получить информацию, необходимую для принятия управленческих решений, если у нее нет доступа к нужным данным для анализа.

Иногда это технологическая проблема: у организации нет инструментов интеграции данных, необходимых для этого. В других случаях это проблема навыков, когда речь идет о привлечении нужных людей для надлежащей организации сбора данных. Часто это организационная проблема: либо отсутствуют финансовые ресурсы, либо корпоративная политика не позволяет пользователям делиться данными.

Качество данных недостаточное

Качество данных очень важно, если мы хотим принимать на их основе управленческие решения. Если входные данные некачественные, неточные или устаревшие, положительное влияние решения будет поставлено под угрозу. Точность, целостность, своевременность, надежность и последовательность — все это важные атрибуты, которые нам требуются.

Отсутствие навыков построения BI/аналитики

Нехватка навыков всегда занимает высокое место в списке проблем в любой деятельности, связанной с аналитикой. Требуемые навыки ориентированы как на управление данными, так и на аналитику. Они могут включать в себя навыки проведения визуального анализа с использованием инструментов самообслуживания, а также прогнозирования будущего на основе результатов аналитических моделей. Сюда также могут входить внутренние процессы, такие как внедрение аналитики в приложения или развертывание моделей в производстве.

Управление данными и безопасность

Многие из этих проблем связаны с управлением данными. Организации достигают наибольшего успеха в использовании аналитических процессов, когда все бизнес-подразделения и ИТ-отделы работают вместе над созданием политик и руководств по управлению данными.

Это включает в себя создание общего словаря и определений — они также играют большую роль в предоставлении высококачественных данных. Также важно разработать политику управления, определяющую, кто и к каким данным имеет доступ, что важно для получения релевантных данных для анализа.

Как начать работать на основе данных

По сути, каждая компания, предлагающая товары или услуги, имеет свой портфель, разделенный на категории, сегменты. Было бы хорошо и целесообразно регулярно проверять, все ли они приносят пользу обществу. Это означает определение соответствующих затрат и доходов — определение продаж товаров или услуг в соответствии с сегментацией клиентов, регионом, временем и т. д. При проведении такого анализа обычно выявляется, что часть портфеля является убыточной и снижает прибыль компании.