Luemme siitä kaikkialla. Pelkästään termistä ”big data” on tullut viime aikoina jonkinlainen muotisana – ja hyvästä syystä.
Hyödyntämällä käden ulottuvilla olevaa digitaalisen tiedon rikkautta ja hyödyntämällä liiketoimintatiedustelun voimaa on mahdollista tehdä tietoon perustuvia päätöksiä, jotka johtavat kaupalliseen kasvuun, kehitykseen ja tuloksen kasvuun.
Toteuttamalla oikeat raportointityökalut ja ymmärtämällä, miten tietoja analysoidaan sekä mitataan tarkasti, pystyt tekemään sellaisia tietoon perustuvia päätöksiä, jotka vievät liiketoimintaasi eteenpäin. Tämä kuulostaa tietysti uskomattomalta teoriassa.
Mutta käytännössä, vaikka sinulla olisikin pääsy maailman parhaisiin tietoihin, on mahdollista tehdä päätöksiä, joissa ei oteta huomioon konkreettista tietoa, vaan toimitaan sen sijaan vaistonvaraisesti. Useimmissa tapauksissa tämä voi osoittautua haitalliseksi liiketoiminnalle.
Vaikka joskus on ihan okei seurata vaistojasi, valtaosan liiketoimintaan perustuvista päätöksistäsi tulisi perustua päämääriisi, tavoitteisiisi tai aloitteisiisi liittyviin mittareihin, tosiasioihin tai lukuihin, jotka voivat taata vakaan selkärangan johtamisraporteillesi ja liiketoiminnallesi.
Eksklusiivista bonussisältöä: How to be data driven in decision making?Download the list of the 11 essential steps to implement your BI strategy!
Voidaksemme auttaa sinua matkallasi kohti analyyttistä valaistumista, aiomme tutustua tietojohtoiseen päätöksentekoon, tutkia tietojohtoisen päätöksenteon tärkeyttä ja tarkastella joitakin reaalimaailman esimerkkejä siitä, miten oivallukset on muutettu liiketoimintaa edistäviksi toimiksi.
Mitä on tietojohtoinen päätöksenteko?
Dataohjattu päätöksenteko (DDDM, Data Driven Decision Making) on prosessi, jossa kerätään mitattavissa oleviin tavoitteisiin tai suorituskykyindikaattoreihin (KPI) perustuvia tietoja, analysoidaan näistä oivalluksista saatuja malleja ja tosiasioita ja hyödynnetään niitä sellaisten strategioiden ja toimintojen kehittämiseksi, jotka hyödyttävät liiketoimintaa useilla eri aloilla.
Periaatteessa dataan perustuva päätöksenteko tarkoittaa työskentelyä kohti liiketoiminnan keskeisiä tavoitteita hyödyntämällä todennettua ja analysoitua dataa sen sijaan, että vain ammuskeltaisiin pimeässä.
Voidaksesi kuitenkin saada todellista arvoa tiedoistasi, niiden on oltava tarkkoja sekä merkityksellisiä tavoitteidesi kannalta. Oivallusten kerääminen, poimiminen, muotoilu ja analysointi tehostettua datapohjaista päätöksentekoa varten liiketoiminnassa oli aikoinaan kaiken kattava tehtävä, joka luonnollisesti viivästytti koko dataa koskevaa päätöksentekoprosessia.
Mutta nykyään liiketoimintatieto-ohjelmistojen kehitys ja demokratisoituminen antavat käyttäjille, joilla ei ole syvällistä teknistä asiantuntemusta, mahdollisuuden analysoida sekä poimia oivalluksia tiedoistaan. Suorana tuloksena tarvitaan vähemmän tietoteknistä tukea raporttien, trendien, visualisointien ja oivallusten tuottamiseen, jotka helpottavat dataa koskevaa päätöksentekoprosessia.
Näistä kehityskuluista syntyi (tai ainakin se kehittyi valtavasti) datatiede – tieteenala, jossa hakkerointitaidot ja tilastotieteet kohtaavat kapea-alaisen asiantuntemuksen. Tässä melko uudessa ammatissa seulotaan suuria määriä raakadataa, jotta voidaan tehdä älykkäitä datalähtöisiä liiketoimintapäätöksiä.
Data-asiantuntijoiden ”louhimaa” ”kultaa” on kahta eri tyyppiä: kvalitatiivista ja kvantitatiivista, ja kumpikin on ratkaisevan tärkeää datalähtöisten päätösten tekemisessä.
Kvalitatiivinen analyysi keskittyy tietoon, jota ei määritellä numeroiden tai mittareiden, kuten haastattelujen, videoiden ja anekdoottien, avulla. Laadullinen data-analyysi perustuu pikemminkin havainnointiin kuin mittaamiseen. Tässä tapauksessa on ratkaisevan tärkeää koodata tiedot, jotta voidaan varmistaa, että kohteet ryhmitellään metodisesti sekä älykkäästi.
Kvantitatiivinen data-analyysi keskittyy numeroihin ja tilastoihin. Mediaani, keskihajonta ja muut kuvailevat tilastot ovat tässä keskeisessä asemassa. Tämäntyyppisessä analyysissä pikemminkin mitataan kuin havainnoidaan. Sekä kvalitatiivista että kvantitatiivista dataa tulisi analysoida, jotta voidaan tehdä älykkäämpiä dataan perustuvia liiketoimintapäätöksiä.
Nyt kun olemme tutkineet päätöksenteon merkitystä liiketoiminnassa, on aika miettiä, miksi dataan perustuva päätöksenteko (DDDM) on tärkeää.
”Informaatio on 21. vuosisadan öljyä ja analytiikka polttomoottori.” – Peter Sondergaard
Miksi dataan perustuva päätöksenteko on tärkeää?
Datan merkitys päätöksenteossa piilee johdonmukaisuudessa ja jatkuvassa kasvussa. Sen avulla yritykset voivat luoda uusia liiketoimintamahdollisuuksia, tuottaa lisää tuloja, ennustaa tulevia suuntauksia, optimoida nykyisiä operatiivisia toimia ja tuottaa käyttökelpoisia oivalluksia. Näin pystyt kasvattamaan ja kehittämään valtakuntaasi ajan mittaan, mikä tekee organisaatiostasi entistä sopeutumiskykyisemmän. Digitaalinen maailma on jatkuvassa muutostilassa, ja jotta voisit liikkua jatkuvasti muuttuvassa maisemassa ympärilläsi, sinun on hyödynnettävä dataa tehdessäsi tietoon perustuvia ja tehokkaampia tietoon perustuvia liiketoimintapäätöksiä.
Tietoon perustuvat liiketoimintapäätökset tekevät tai rikkovat yrityksiä. Tämä on osoitus verkkodatan visualisoinnin merkityksestä päätöksenteossa.
MIT Sloan School of Managementin professorit Andrew McAfee ja Erik Brynjolfsson selittivät kerran Wall Street Journalin artikkelissa, että he tekivät tutkimuksen yhdessä MIT Center for Digital Businessin kanssa. Tässä tutkimuksessa he havaitsivat, että tutkituista yrityksistä ne, jotka olivat ensisijaisesti datalähtöisiä, hyötyivät 4 % korkeammasta tuottavuudesta sekä 6 % korkeammista voitoista.
Yritykset, jotka lähestyvät päätöksentekoa yhteistoiminnallisesti, pyrkivät suhtautumaan tietoon todellisena omaisuutena enemmän kuin yritykset, joilla on muita, epäselvempiä lähestymistapoja.
10 vinkkiä ja eväitä tehostettuun datalähtöiseen päätöksentekostrategiaan
Loppujen lopuksi, tässä on 10 käytännöllistä vinkkiä ja eväitä parempaan datalähtöiseen päätöksentekoon liike-elämässä. Loppuun mennessä olet 110-prosenttisesti vakuuttunut tämäntyyppisten päätösten tekemisen tärkeydestä.
1) Varo ennakkoluulojasi vastaan
Suuri osa tekemästämme henkisestä työstä on tiedostamatonta, mikä vaikeuttaa päätöksenteossa käyttämämme logiikan tarkistamista. Voimme jopa syyllistyä siihen, että näemme sen tiedon, jonka toivoisimme olevan olemassa, sen sijaan että näkisimme sen, mitä todella on edessämme. Tämä on yksi niistä tavoista, joilla hyvä tiimi voi auttaa. Päätösten läpikäyminen pätevän osapuolen kanssa, joka ei jaa (tai edes tiedä) ennakkoluulojasi, on korvaamaton askel.
Työskentely tiimin kanssa, joka tuntee tiedot, joiden kanssa työskentelet, avaa oven hyödylliselle ja oivaltavalle palautteelle. Datan demokratisointi antaa kaikille ihmisille teknisistä taidoista riippumatta mahdollisuuden käyttää dataa ja auttaa tekemään tietoon perustuvia päätöksiä. Usein tämä tehdään innovatiivisilla kojelautaohjelmistoilla, jotka visualisoivat aiemmin monimutkaisia taulukoita ja kaavioita sellaisella tavalla, että useammat ihmiset voivat käynnistää hyviä dataan perustuvia liiketoimintapäätöksiä.
Kun useammat ihmiset ymmärtävät kyseessä olevat tiedot, sinulla on mahdollisuus saada uskottavampaa palautetta. Todiste on numeroissa. McKinseyn vuonna 2010 tekemä tutkimus (jota on hyödyllistä lukea tänäkin päivänä), jossa tutkittiin yli 1000 merkittävää liiketoimintainvestointia, osoitti, että kun organisaatiot työskentelivät vähentääkseen ennakkoluulojen vaikutusta päätöksentekoprosesseissaan, ne saavuttivat jopa 7 prosenttia korkeamman tuoton. Kun kyse on tietoon perustuvasta päätöksenteosta (DDDM), ennakkoluulojen vähentäminen ja numeroiden antaminen puhua puolestaan ratkaisevat kaiken.
Vinkkejä ennakkoluulon voittamiseen
- Yksinkertainen tietoisuus – Kaikki ovat ennakkoluuloisia, mutta tietoisuus siitä, että ennakkoluulojen olemassaolo voi vaikuttaa päätöksentekoosi, voi auttaa rajoittamaan niiden vaikutusta.
- Yhteistyö – Työtoverisi voivat auttaa pitämään sinut aisoissa, sillä ennakkoluulojen havaitseminen toisissa ihmisissä onnistuu helpommin kuin itsessäsi. Palauta päätökset muille ihmisille ja ole tietoinen puolueellisesta käytöksestä neuvotteluhuoneessa.
- Ristiriitaisen tiedon etsiminen – Esitä itsellesi ja muille oikeita kysymyksiä, jotta voit tunnistaa ennakkoluulosi ja poistaa ne päätöksentekoprosessistasi.
Hävittämällä ennakkoluulot avaat itsellesi mahdollisuuden löytää lisää mahdollisuuksia. Ennakkokäsityksistä eroon pääseminen ja tietojen todellinen tutkiminen voi varoittaa sinua oivalluksista, jotka voivat todella muuttaa tulostasi. Muista, että liiketoimintatiedustelussa ei pitäisi olla kyse vain tappioiden välttämisestä vaan voittojen voittamisesta.
2) Määrittele tavoitteet
Voidaksesi saada parhaan mahdollisen hyödyn irti datatiimeistäsi, yritysten tulisi määritellä tavoitteensa ennen analyysin aloittamista. Aseta strategia, jotta vältät seuraamasta hypeä yrityksesi tarpeiden sijasta, ja määrittele selkeät keskeiset suorituskykyindikaattorit (KPI). Vaikka on olemassa erilaisia KPI-esimerkkejä, joista voit valita, älä liioittele ja keskity toimialasi tärkeimpiin.
3) Kerää tietoa nyt
Oikean tiedon kerääminen on yhtä tärkeää kuin oikeiden kysymysten esittäminen. Pienemmissä yrityksissä tai aloittelevissa yrityksissä tietojen kerääminen olisi aloitettava heti ensimmäisenä päivänä. Jack Dorsey, Twitterin toinen luoja ja perustaja, jakoi tämän opetuksen Stanfordin kanssa. ”Twitterin kahden ensimmäisen elinvuoden ajan lensimme sokeasti… perustimme kaiken intuitioon sen sijaan, että olisimme tasapainottaneet intuition ja datan välillä… joten ensimmäinen asia, jonka kirjoitin Squarelle, oli ylläpitäjän kojelauta. Meillä on hyvin vahva kuri kirjata kaikki ylös ja mitata kaikki”. Näin sanottuna ja tehtynä business dashboard -kulttuurin toteuttaminen yrityksessäsi on keskeinen osa kerättävän datan hyökyaaltojen asianmukaista hallintaa.
4) Etsi ratkaisemattomat kysymykset
Kun strategia ja tavoitteet on asetettu, sinun on sitten löydettävä kysymykset, jotka kaipaavat vastausta, jotta voit saavuttaa nämä tavoitteet. Oikeiden data-analyysikysymysten esittäminen auttaa tiimejä keskittymään oikeisiin tietoihin, mikä säästää aikaa ja rahaa. Tämän artikkelin aiemmissa esimerkeissä sekä Walmartilla että Googlella oli hyvin täsmälliset kysymykset, jotka paransivat tuloksia huomattavasti. Näin voit keskittyä niihin tietoihin, joita todella tarvitset, ja siitä, että keräät tylsästi kaiken ”kaiken varalta”, voit siirtyä siihen, että ”keräät tätä vastataksesi tuohon”.
5) Etsi näiden kysymysten ratkaisemiseen tarvittavat tiedot
Keräämästäsi datasta yritä keskittyä ihanteellisiin tietoihin, jotka auttavat sinua vastaamaan edellisessä vaiheessa määriteltyihin ratkaisemattomiin kysymyksiin. Kun se on tunnistettu, tarkista, onko tämä data jo kerätty sisäisesti vai onko sinun luotava tapa kerätä se tai hankkia se ulkoisesti.
6) Analysoi ja ymmärrä
Tämä saattaa tuntua itsestäänselvyydeltä, mutta se on pakko mainita: kun olet asettanut kehyksen kaikille vastattaville kysymyksille ja kerännyt dataa, sinun on sen jälkeen luettava se läpi poimiaksesi siitä mielekkäitä oivalluksia ja analyysiraportteja, jotka johdattavat sinua tekemään tietoon perustuvia liiketoimintapäätöksiä. Itse asiassa käyttäjäpalaute on hyödyllinen väline, jonka avulla voidaan tehdä syvällisempiä analyysejä asiakaskokemuksesta ja poimia käyttökelpoisia oivalluksia. Jotta tämä onnistuisi, on tärkeää, että on olemassa konteksti. Jos esimerkiksi haluat parantaa konversioita ostosuppilossa, on ratkaisevan tärkeää ymmärtää, miksi kävijät keskeyttävät vierailun. Analysoimalla palautelomakkeesi avoimissa kommenteissa annettuja vastauksia (tässä suppilossa) voit nähdä, miksi he eivät onnistu kassalla, ja optimoida verkkosivustosi sen mukaisesti.
7) Älä pelkää tarkistaa ja arvioida uudelleen
Aivomme tekevät hätiköityjä johtopäätöksiä ja ovat haluttomia harkitsemaan vaihtoehtoja; olemme erityisen huonoja tarkistamaan ensimmäisiä arvioitamme uudelleen. Eräs ystäväni, joka on graafinen suunnittelija, kertoi minulle kerran, että hän jäi usein jumiin projektin loppupuolella. Hän oli sitoutunut valitsemaansa suuntaan eikä halunnut hylätä sitä. Hän oli panostanut vääristä syistä. Kun näin kävi, hänen oli poikkeuksetta aloitettava kaikki alusta nähdäkseen sen virheaskeleen, joka sai hänet jumiin. Lopputuote oli poikkeuksetta valovuosia parempi uudelleen työstettynä kuin jos hän olisi koonnut ratkaisun ensimmäisestä luonnoksesta.
Tietojen tarkistaminen ja sen varmistaminen, että seuraat oikeita mittareita, voi auttaa sinua astumaan ulos päätöksentekomalleistasi. Luottaminen siihen, että tiimin jäsenillä on näkökulma ja että he jakavat sen, voi auttaa sinua näkemään ennakkoluulot. Älä kuitenkaan pelkää astua taaksepäin ja miettiä päätöksiäsi uudelleen. Se voi tuntua hetken tappiolta, mutta menestyäksesi se on välttämätön askel. Sen ymmärtäminen, missä olemme saattaneet mennä pieleen, ja siihen puuttuminen heti tuottaa myönteisempiä tuloksia kuin jos odotamme ja katsomme, mitä tapahtuu. Odottelun hinta on hyvin dokumentoitu…
8) Esitä tiedot mielekkäällä tavalla
Kaivaminen ja oivallusten kerääminen on mukavaa, mutta se, että onnistut kertomaan löydöksistäsi ja välittämään viestisi, on parempi. Sinun on varmistettava, ettei oivalluksesi jää hyödyntämättä ja pölyttymättömäksi ja että sitä hyödynnetään tulevassa päätöksenteossa. Hyvän datan visualisointiohjelmiston avulla sinun ei tarvitse olla IT-alan crack rakentaaksesi ja räätälöidessäsi tehokkaan online-kojelaudan, joka kertoo datatarinasi ja auttaa sinua, tiimiäsi ja johtoasi tekemään oikeita dataan perustuvia liiketoimintapäätöksiä. Esimerkiksi taloutesi on oltava ehdottomasti hallinnassa:
Open Financial Overview Dashboard in Fullscreen
Taloudellisella kojelaudalla esitetty pääpiirteittäinen esitys varmistaa, että saat yhdellä silmäyksellä yleiskatsauksen yrityksen taloudellisesta suorituskyvystä. Tämä kojelauta mahdollistaa nopean päätöksentekoprosessin, kun keskitytään reaaliaikaiseen dataan.
Katsele näitä uskomattomia datan visualisointiesimerkkejä joiltakin maailman edistyksellisimmiltä tuotemerkeiltä ja yrityksiltä, jos haluat lisää inspiraatiota.
9) Aseta mitattavissa olevat tavoitteet päätöksentekoa varten
Kun sinulla on kysymyksesi, datasi ja oivalluksesi, sitten tulee vaikein osa: päätöksenteko. Sinun on sovellettava saamiasi havaintoja liiketoimintapäätöksiin, mutta myös varmistettava, että päätöksesi ovat linjassa yrityksen mission ja vision kanssa, vaikka tiedot olisivat ristiriitaisia. Aseta mitattavissa olevat tavoitteet, jotta voit olla varma, että olet oikealla tiellä… ja muuta data toiminnaksi!
10) Jatka dataan perustuvien liiketoimintapäätösten kehittämistä
Tämä jätetään usein huomiotta, mutta se on silti uskomattoman tärkeää: sinun ei pitäisi koskaan lopettaa dataan perustuvien päätöstesi tutkimista, analysointia ja kyseenalaistamista. Hyperverkottuneella digitaalisella aikakaudellamme meillä on käytettävissämme enemmän dataa kuin koskaan ennen. Jotta tästä tietomäärästä saataisiin todellista arvoa, on elintärkeää päivittää ja kehittää jatkuvasti liiketoimintatavoitteitasi ympärilläsi liikkuvan maiseman perusteella.
Datapohjaisen päätöksenteon virheet, joita kannattaa välttää hinnalla millä hyvänsä
Tässä vaiheessa datan merkitys päätöksenteossa on selvä. Mutta vaikka dataan perustuvien liiketoimintapäätösten dynamiikan ymmärtäminen ja reaalimaailman esimerkkien tutkiminen dataan perustuvasta päätöksenteosta ohjaavat sinua oikeaan suuntaan, sen ymmärtäminen, mitä kannattaa välttää, auttaa sinua vakiinnuttamaan menestyksesi.
Miten monta kertaa elämässäsi olet valmistautunut johonkin kokoukseen, sinulla on ollut faktat ja luvut valmiina, ja lopulta päätös on mennyt täysin päinvastaiseen suuntaan?
Valvottavasti on tuntunut siltä, että päätös oli jo tehty, ennen kuin kokous edes alkoi. Jos tämä kuulostaa tutulta, et ole yksin. Emme puhu vain startup-yrityksistä, jotka ovat täynnä aloittelijoita, joiden mielestä vaistonvaraisuus on tärkeämpää kuin tunnusluvut; puhumme valtavista yrityksistä. Rob Enderle, entinen IBM:n työntekijä ja Forresterin Research Fellow, kirjoitti upean artikkelin, jossa dokumentoidaan IBM:n ja Microsoftin johtajien puutteet.
Artikkeli on täynnä esimerkkejä, joista ehkä kaikkein törkein on IBM:n ROLM-divisioonan osittainen myynti Siemensille. Enderle ja tiimi laativat sisäisen raportin, joka osoitti, että myynti Siemensille olisi katastrofaalinen epäonnistuminen. Kävi ilmi, että päätös oli tehty ennen tutkimuksen julkaisemista. Itse asiassa johtajat unohtivat, että tutkimus oli tilattu lainkaan. Heidän vaistopäätöksensä maksoi yritykselle lopulta yli miljardi dollaria.
BI-Surveyn julkaisusta käy ilmi, että 58 prosenttia heidän tutkimistaan yrityksistä kertoi, että vähintään puolet heidän tavanomaisista liiketoimintapäätöksistään perustuu vaistoon tai kokemukseen sen sijaan, että ne olisivat data- ja tietopohjaisia. He huomasivat, että yritykset käyttävät keskimäärin vain 50 prosenttia saatavilla olevasta tiedosta päätöksenteossa.
Business Intelligence -toimittajina ymmärrämme itse tietoon perustuvan päätöksenteon merkityksen. Siksi olemme luoneet verkossa toimivan data-analyysityökalun, jonka avulla asiakkaat voivat ottaa kaiken irti tiedoistaan, visualisoida ne mielekkäällä tavalla ja jakaa nämä tuotetut oivallukset helposti upeissa reaaliaikaisissa dashboardeissa, jotta he voivat tehdä parempia liiketoimintapäätöksiä nopeammin. Tarjoamamme oivallukset ovat kuitenkin täysin hyödyttömiä, jos varsinaiset päätöksentekijät eivät loppujen lopuksi välitä näistä raporteista.
Tämä pulma sai meidät tarkastelemaan asiaa syvällisesti: miksi yritysjohtajat eivät käytä dataan perustuvaa päätöksentekoa? Ja mitä sinun tulisi huomioida varmistaaksesi, että päätöksesi perustuvat numeroihin, eivät tunteisiin?
Nyt kun olemme hahmotelleet tietoon perustuvan päätöksenteon perusteet, aiomme kaivaa syvemmälle asioihin, joita kannattaa välttää, porautumalla data-analyytikoiden ja liiketoimintajohtajien yleisimpiin aiempiin virheisiin. Havainnoimalla ja omaksumalla nämä avainkohdat data-analyytikko-ohjelmiston avulla pystyt varmistamaan, että datapohjainen päätöksentekosi liiketoiminnassa on aina johdonmukaista, tuloshakuista ja tavoitteisiisi keskittyvää.
1) Datan laatu
Ensin ja ennen kaikkea tärkein syy, johon yleensä vedotaan, on datan laatu. Tietojen laatu on laadullisten tai määrällisten muuttujien joukon tila, jonka pitäisi ”soveltua aiottuun käyttöön toiminnassa, päätöksenteossa ja suunnittelussa”, kirjoittaja Thomas C. Redmannin kirjoittaman artikkelin mukaan. Hyvä tiedon laadunhallinta (hankinnasta ylläpitoon, hävittämisestä organisaatiossa käytössä oleviin jakeluprosesseihin) on myös avainasemassa tällaisten tietojen tulevan käytön kannalta. Kerääminen ja kerääminen ovat hyviä vain, jos niitä hallitaan ja hyödynnetään jälkeenpäin hyvin, muuten omaisuuden potentiaali jää koskemattomaksi ja hyödyttömäksi.
2) Liiallinen turvautuminen aiempaan kokemukseen
Liika turvautuminen aiempaan kokemukseen voi tappaa minkä tahansa yrityksen. Jos katsot aina taaksesi, on todellinen mahdollisuus, että et näe sitä, mitä edessäsi on. Niin usein yritysjohtajia palkataan heidän aiempien kokemustensa perusteella, mutta ympäristöt ja markkinat muuttuvat, eivätkä samat temput välttämättä toimi seuraavalla kerralla. Yksi tunnetuimmista esimerkeistä tästä on Dick Fuld, joka pelasti Lehmanin LTCM-kriisin jälkeen. Kymmenen vuotta myöhemmin hän kaivoi esiin saman temppupussin, ja kuten Wall Street Journal raportoi, ”kokemus, johon hän tukeutui, ei ollut sama kuin tässä massiivisessa asuntokaupan aiheuttamassa romahduksessa”. Viimeaikainen kriisi oli paljon monimutkaisempi. Ympäristöt ja markkinat muuttuvat jatkuvasti, ja ollakseen menestyksekäs johtaja on yhdistettävä aiemmat kokemukset nykyisiin tietoihin.
3) Vaiston varassa meneminen ja tietojen keittäminen
Ja vaikka jotkut johtajat luontaisesti menevät vaistojensa mukaan, on huomattava osa niitä, jotka ensin luottavat vaistoonsa ja sitten suostuttelevat tutkijoitaan tai ulkopuolista konsulttitoimistoa tuottamaan raportteja, jotka vahvistavat heidän jo tekemänsä päätöksen. Edellä mainitun Enderlen artikkelin mukaan tämä oli yleistä Microsoftilla. Tutkijoiden tehtävänä oli tuottaa raportteja, jotka antoivat uskottavuutta johtajien päätöksille.
4) Kognitiiviset ennakkoluulot
Kognitiiviset ennakkoluulot ovat taipumuksia tehdä päätöksiä rajoitetun tiedon perusteella tai aiemmista kokemuksista saatujen opetusten perusteella, jotka eivät välttämättä ole merkityksellisiä nykytilanteen kannalta. Kognitiivisia ennakkoluuloja esiintyy joka päivä jollakin tavalla jokaisessa päätöksessämme. Nämä ennakkoluulot voivat vaikuttaa siihen, että yritysjohtajat jättävät huomiotta vankan tiedon ja noudattavat sen sijaan olettamuksiaan. Seuraavassa on muutamia esimerkkejä yleisesti havaituista kognitiivisista ennakkoluuloista:
- Confirmation bias – Liiketoimintajohtajilla on taipumus suosia tietoa, joka vahvistaa heidän jo olemassa olevia uskomuksiaan, olivat ne sitten oikeita tai vääriä.
- Kognitiivinen inertia – Kyvyttömyys sopeutua uusiin ympäristöolosuhteisiin ja pitäytyä vanhoissa uskomuksissa, vaikka tiedot todistavat toisin.
- Ryhmäajattelu – Halu kuulua ryhmään asettumalla enemmistön puolelle riippumatta todisteista tai motiiveista, jotka tukevat sitä.
- Optimismin ennakkoluulo – Päätösten tekeminen, joka perustuu uskomukseen, että tulevaisuus on paljon parempi kuin menneisyys.
Johtajien on tunnustettava, että olemme ennakkoluuloisia joka tilanteessa. Objektiivisuutta ei ole olemassa. Hyvä uutinen on, että on olemassa keinoja voittaa puolueellinen käyttäytyminen.
Tuloksena nämä yritykset tunnistavat liiketoimintamahdollisuuksia ja ennustavat tulevia trendejä tarkemmin, tuottavat enemmän tuloja ja edistävät suurempaa kasvua datapäätöksien avulla.
3 dataohjatun päätöksenteon esimerkkiä menestyksestä
Nyt kun olemme saaneet selkeämmän käsityksen siitä, mitä tarkoittaa dataohjatun päätöksen tekeminen sekä dataohjatun päätöksenteon tärkeydestä, aiomme syventyä kolmeen inspiroivaan dataohjatun päätöksenteon esimerkkiin.
1) Google
Yksi merkittävimmistä esimerkeistä datalähtöisestä päätöksenteosta on smartdatacollective.com-sivustolla kirjoitetun artikkelin mukaan hakukolossi Google. Startup-yritykset ovat kuuluisia hierarkioiden purkamisesta, ja Google oli utelias siitä, onko esimiesten olemassaololla oikeasti merkitystä.
Kysymykseen vastatakseen Googlen data-asiantuntijat tutkivat johtajien alaisten suoritusarviointeja ja työntekijäkyselyitä (laadullista dataa). Analyytikot piirsivät tiedot kuvaajaan ja totesivat, että johtajat koettiin yleisesti ottaen hyviksi. He menivät askeleen pidemmälle ja jakoivat tiedot ylimpään ja alimpaan kvartiiliin, minkä jälkeen he suorittivat regressiot. Nämä testit osoittivat suuria eroja parhaiden ja huonoimpien johtajien välillä tiimien tuottavuuden, työntekijöiden tyytyväisyyden ja työntekijöiden vaihtuvuuden osalta. Hyvät johtajat tuovat Googlelle enemmän rahaa ja luovat onnellisempia työntekijöitä, mutta millainen on hyvä johtaja Googlessa?
Analyytikot tarkastelivat jälleen tietoja ”Great Manager Award” -pisteytyksistä, joissa työntekijät saattoivat nimetä johtajia, jotka tekivät poikkeuksellista työtä. Työntekijöiden oli annettava esimerkkejä, joissa he selittivät tarkalleen, mikä teki esimiehestä niin loistavan. Myös ylimmän ja alimman kvartiilin johtajia haastateltiin aineiston täydentämiseksi. Googlen analyysissä löydettiin kahdeksan parasta käyttäytymismallia, jotka tekevät Googlesta loistavan johtajan, ja kolme, jotka eivät tee sitä. He tarkistivat johtamiskoulutustaan sisällyttämällä siihen uudet havainnot, jatkoivat Great Manager Award -palkinnon myöntämistä ja ottivat käyttöön kaksi kertaa vuodessa järjestettävän palautekyselyn.
2) Walmart
Walmart käytti samankaltaista prosessia valmistautuessaan hätätilanteessa tarvittavaan kauppatavaraan hurrikaani Francesin varalta vuonna 2004, kuten The NY Times kertoi. Johtajat halusivat tietää, millaisia kauppatavaroita heidän pitäisi varastoida ennen myrskyä. Heidän analyytikkonsa louhivat muista Walmartin myymälöistä vastaavissa olosuhteissa tehtyjen aiempien ostosten tietoja ja lajittelivat teratavun verran asiakashistoriaa päättääkseen, mitä tavaroita Floridaan lähetettäisiin (määrälliset tiedot). Kävi ilmi, että luonnonkatastrofien aikana amerikkalaiset turvautuvat mansikkaisiin Pop-Tartteihin ja olueen. Linda M. Dillon, Walmartin silloinen tietohallintojohtaja, selitti:
”Ennustamalla, mitä tulee tapahtumaan, sen sijaan, että odottaisimme sen tapahtuvan… paahtoleivonnaisia ja six-pack-paketteja täynnä olevat kuorma-autot kiihdyttivät pian Interstate 95:tä pitkin kohti Francesin tiellä olevia Walmarteja.”
Walmartin analyytikot eivät ainoastaan pitäneet floridalaisia miellyttävän humalassa oluella ja Pop-Tartsilla myrskyn aikana, vaan myös loivat voittoja ennakoimalla kysyntää, koska useimmat tuotteet myytiin nopeasti.”
3) Southwest Airlines
Tietoon perustuvaan päätöksentekoon sisältyy uskomaton määrä arvoa kaikilla teollisuudenaloilla, mutta eräs ala, joka tunnetusti laajalti hyötyy tällaisista oivalluksista, on lentoyhtiöiden ala.
Southwest Airlinesin johtajat hyödynsivät kohdennettua asiakastietoa saadakseen syvällisemmän ymmärryksen siitä, mitkä uudet palvelut olisivat suosituimpia asiakkaiden keskuudessa sekä kannattavimpia.
Tämässä lentoyhtiö huomasi, että tarkkailemalla ja analysoimalla kuluttajiensa verkkokäyttäytymistä ja -toimintaa se pystyi tarjoamaan eri asiakassegmenteille heidän tarpeitaan vastaavia parhaita hintoja asiakaskokemuksen (Customer Experience, CX) esimerkillisen tason lisäksi.
Suorana tuloksena tästä tietoon perustuvien päätösten painottamisesta Southwest Airlines on nähnyt asiakaskuntansa sekä brändiuskollisuutensa kasvavan tasaisesti vuosi vuodelta.
Kosketustaulujen rooli tietoon perustuvissa päätöksissä
Kun on tehtävä tietoon perustuvia liiketoimintapäätöksiä, kojelaudat voivat olla ratkaisevassa asemassa. Kun kaikki historialliset ja nykyiset tiedot ovat yhdellä näytöllä ja kun on mahdollisuus olla vuorovaikutuksessa ja perehtyä syvällisesti yksittäisiin suorituskykyindikaattoreihin tai luoda yleiskatsaus osastosta tai yrityksestä, dashboardit mahdollistavat tärkeiden tietojen kokonaisvaltaisen hahmottamisen. Nähdäksemme tämän käytännössä tarkastelemme nyt joitakin valittuja esimerkkejä.
1) Yleisjohto
C-tason johtajien on pysyttävä ajan tasalla tiedoistaan. Pystyäkseen seuraamaan tehokkaasti strategioihinsa ja tavoitteisiinsa perustuvia tietoja jokainen johtaja keskittyy tietyllä aikavälillä saatuihin todellisiin tuloihin verrattuna tavoiteltuihin tuloihin ja selkeällä visualisoinnilla siihen, miten ne ovat kehittyneet (tai eivät ole kehittyneet), kuten tässä esimerkissä näytetään:
Open Management KPI Dashboard in Fullscreen
Se näyttää myös asiakastasoon perustuvat tulot sekä tilastoja, jotka liittyvät asiakashankintakustannuksiin ja hankittujen uusasiakkaiden kokonaismäärään. Tämä voi auttaa jokaista johtajaa perustamaan päätöksensä onnistuneesti visualisoituihin tietoihin, mikä tekee prosessista paljon nopeamman ja tehokkaamman. Todiste siitä, miksi tietoon perustuva päätöksenteko on tärkeää nykypäivän yritysmaailmassa.
2) Verkkokauppa
Verkkokaupassa tiedonkeruu on melko yksinkertaista ja runsasta. Erilaiset tavat tehdä ostoksia, pääsy arvosteluihin ja verkkomielipiteisiin tekivät kuluttajista tietoisempia kuin koskaan. Siksi selkeä yleiskuva tiedoista on äärimmäisen tärkeää niin pienyrittäjille kuin suuryrityksillekin. Alla olevassa esimerkissä näemme, miltä tämä näyttäisi esimerkkinä valittujen vähittäiskaupan KPI:iden avulla:
Open Sales & Order Dashboard in Fullscreen
Tilausten kokonaismäärä, keskimääräiset tilaukset asiakkaita kohden, myydyimmät myyjät ja palautusten syyt -tilastot ja -luvut voivat antaa yleiskatsauksen kuluttajien käyttäytymisestä, siitä, miksi tavaroitasi palautetaan, ja siitä, mihin vuodenaikaan vertailuarvossasi on eniten tilauksia. Näin voit perustaa tulevat päätöksesi pelkästään vähittäiskaupan analytiikkatietoihin, etkä vaistoon, joka voi pilata liiketoimintastrategian.
”Kiduta dataa, niin se tunnustaa mitä tahansa.” – Ronald Coase
Se on kiistatonta – valjastamalla datan oikealla tavalla ja mittaamalla menestystäsi voit nostaa liiketoimintasi uusiin ja jännittäviin korkeuksiin.
Nyt kun sinulla on käytettävissäsi kaikki keskeiset ainesosat, joiden avulla voit tehdä liiketoimintasi kannalta parhaita datapäätöksiä, on aika panna suunnitelmasi käytäntöön. Muista – maksimaalisen menestyksen saavuttamiseksi sinun on kaikin keinoin vältettävä vääränlaista lähestymistapaa datapohjaisiin liiketoimintapäätöksiin. Jos näin ei tehdä, päädyt tekemään valintoja vaistosi mukaan, ennakkoluuloja tai vaalimaan huonoa datakulttuuria organisaatiossasi.
Datapinessa olemme 100-prosenttisesti sitoutuneet auttamaan sinua tekemään liiketoimintasi kannalta parhaita datapohjaisia päätöksiä. Ratkaisuissamme yhdistyvät parhaat liiketoimintaraportointiohjelmistot ja huippuluokan näkökulma päätöstesi arviointiin, jotta voit alkaa nähdä tuloksia.
Voidaksesi aloittaa oman polkusi kohti menestyksekkäitä datalähtöisiä päätöksiä, visualisoidaksesi kaikki tietosi yhdessä paikassa ja tuottaaksesi oivalluksia muutamalla napsautuksella, voit kokeilla kojelautaohjelmistojamme 14 päivän kokeilujakson ajaksi täysin maksutta![