Mindenhol olvasunk róla. A “big data” kifejezés önmagában is egyfajta divatszóvá vált az utóbbi időben – és nem véletlenül.
Az Ön számára elérhető rengeteg digitális betekintést kihasználva és az üzleti intelligencia erejét kihasználva megalapozottabb döntéseket hozhat, amelyek kereskedelmi növekedést, fejlődést és megnövekedett eredményt eredményeznek.
A megfelelő jelentési eszközök bevezetésével és az adatok pontos elemzésének, valamint mérésének megértésével olyan adatvezérelt döntések meghozatalára lesz képes, amelyek előreviszik vállalkozását. Ez persze elméletben hihetetlenül hangzik.
A gyakorlatban azonban, még ha a világ legjobb adataihoz is hozzáfér, lehetséges, hogy olyan döntéseket hoz, amelyek figyelmen kívül hagyják a kézzelfogható felismeréseket, és helyette a megérzéseire hallgatnak. Ez a legtöbb esetben károsan hathat az üzletre.
Míg néha nem baj, ha az ösztöneidre hallgatsz, az üzleti alapú döntéseid túlnyomó többségét a céljaiddal, céljaiddal vagy kezdeményezéseiddel kapcsolatos mérőszámokkal, tényekkel vagy számokkal kell alátámasztani, amelyek stabil gerincet biztosíthatnak a vezetői jelentéseidnek és üzleti tevékenységeidnek.
Az analitikai megvilágosodás felé vezető útja során segítünk az adatvezérelt döntéshozatal feltárásában, tanulmányozzuk az adatvezérelt döntéshozatal fontosságát, és megvizsgálunk néhány valós példát arra, hogyan lehet a felismeréseket üzletet erősítő cselekvéssé alakítani.
Mi az adatvezérelt döntéshozatal?
Az adatvezérelt döntéshozatal (DDDM) egy olyan folyamat, amely magában foglalja a mérhető célok vagy KPI-k alapján történő adatgyűjtést, az ezekből a felismerésekből származó minták és tények elemzését, valamint ezek felhasználását olyan stratégiák és tevékenységek kidolgozására, amelyek számos területen az üzlet javát szolgálják.
Az adatvezérelt döntéshozatal alapvetően azt jelenti, hogy az ellenőrzött, elemzett adatok felhasználásával a kulcsfontosságú üzleti célok elérése érdekében dolgozunk, ahelyett, hogy csak a sötétben lövöldöznénk.
Hogy azonban valódi értéket nyerjünk az adatokból, azoknak pontosnak, valamint a célok szempontjából relevánsnak kell lenniük. A meglátások összegyűjtése, kinyerése, formázása és elemzése a fokozott adatvezérelt döntéshozatal érdekében az üzleti életben egykor mindenre kiterjedő feladat volt, ami természetesen késleltette a teljes adatdöntési folyamatot.
De ma az üzleti intelligencia szoftverek fejlődése és demokratizálódása lehetővé teszi a felhasználók számára, hogy mélyen gyökerező technikai szakértelem nélkül is elemezhessék, valamint kinyerjék a meglátásokat az adataikból. Ennek közvetlen eredményeként kevesebb informatikai támogatásra van szükség az adatokkal kapcsolatos döntéshozatalt megkönnyítő jelentések, trendek, vizualizációk és meglátások előállításához.
Ezekből a fejlesztésekből született (vagy legalábbis hatalmasat fejlődött) az adattudomány – egy olyan tudományág, ahol a hacker-képességek és a statisztika találkozik a hiánypótló szakértelemmel. Ez a meglehetősen új szakma nagy mennyiségű nyers adat átvizsgálását foglalja magában, hogy intelligens, adatvezérelt üzleti döntéseket hozzon.
Az “arany”, amelyet az adattudósok “bányásznak”, kétféleképpen különböztethető meg: kvalitatív és kvantitatív, és mindkettő kulcsfontosságú az adatvezérelt döntések meghozatalához.
A kvalitatív elemzés olyan adatokra összpontosít, amelyeket nem határoznak meg számok vagy mérőszámok, például interjúk, videók és anekdoták. A kvalitatív adatelemzés inkább megfigyelésen, mint mérésen alapul. Itt alapvető fontosságú az adatok kódolása annak biztosítása érdekében, hogy az elemeket módszeresen, valamint értelmesen csoportosítsák.
A kvantitatív adatelemzés a számokra és a statisztikákra összpontosít. A medián, a szórás és más leíró statisztikák kulcsfontosságú szerepet játszanak itt. Az ilyen típusú elemzés inkább mér, mint megfigyel. Mind a kvalitatív, mind a kvantitatív adatokat elemezni kell az okosabb adatvezérelt üzleti döntések meghozatalához.
Most, hogy feltártuk a döntéshozatal jelentését az üzleti életben, itt az ideje, hogy megvizsgáljuk, miért fontos az adatvezérelt döntéshozatal (DDDM).
“Az információ a 21. század olaja, az analitika pedig a belső égésű motor”. – Peter Sondergaard
Miért fontos az adatvezérelt döntéshozatal?
Az adatok fontossága a döntéshozatalban a következetességben és a folyamatos növekedésben rejlik. Lehetővé teszi a vállalatok számára, hogy új üzleti lehetőségeket teremtsenek, több bevételt generáljanak, megjósolják a jövőbeli trendeket, optimalizálják a jelenlegi működési erőfeszítéseket, és megvalósítható betekintést nyújtsanak. Így idővel növekedni és fejlődni tud a birodalma, és ennek eredményeképpen a szervezet alkalmazkodóképesebbé válik. A digitális világ állandó változásban van, és ahhoz, hogy együtt tudjon mozogni az Önt körülvevő, folyamatosan változó tájjal, ki kell használnia az adatokat, hogy megalapozottabb és erőteljesebb adatvezérelt üzleti döntéseket hozzon.
Az adatvezérelt üzleti döntések teszik vagy teszik tönkre a vállalatokat. Ez bizonyítja az online adatvizualizáció fontosságát a döntéshozatalban.
A MIT Sloan School of Management professzorai, Andrew McAfee és Erik Brynjolfsson egyszer egy Wall Street Journal-cikkben kifejtették, hogy az MIT Center for Digital Business-szel közösen végeztek egy tanulmányt. Ebben a tanulmányban felfedezték, hogy a megkérdezett vállalatok közül azok, amelyek elsősorban adatvezéreltek voltak, 4%-kal magasabb termelékenységet, valamint 6%-kal magasabb nyereséget értek el.
A döntéshozatalhoz együttműködve közelítő vállalatok hajlamosabbak az információt valódi értékként kezelni, mint a más, kétértelműbb megközelítést alkalmazó vállalatok.
10 tipp és tanulság a jobb adatvezérelt döntéshozatali stratégiához
Végül íme 10 gyakorlati tipp és tanulság a jobb adatvezérelt döntéshozatalhoz az üzleti életben. A végére 110%-ban meggyőződhetsz az ilyen típusú döntések meghozatalának fontosságáról.
1) Védekezz az előítéleteid ellen
A mentális munkánk nagy része tudattalan, ami megnehezíti a döntés meghozatalakor használt logikánk ellenőrzését. Még abban is bűnösek lehetünk, hogy azt az adatot látjuk, amit szeretnénk, ahelyett, ami valójában előttünk van. Ez az egyik módja annak, hogy egy jó csapat segíthet. Felbecsülhetetlen értékű lépés, ha a döntéseit egy hozzáértő féllel futtatja, aki nem osztja (vagy nem is ismeri) az Ön elfogultságait.
Az olyan csapattal való együttműködés, amely ismeri az adatokat, amelyekkel dolgozik, megnyitja az utat a hasznos és éleslátó visszajelzések előtt. Az adatok demokratizálása lehetővé teszi, hogy minden ember – technikai képességeiktől függetlenül – hozzáférjen az adatokhoz, és segítsen megalapozott döntéseket hozni. Ez gyakran innovatív műszerfalszoftverekkel történik, amelyek az egykor bonyolult táblázatokat és grafikonokat olyan módon teszik láthatóvá, hogy több ember kezdeményezhet jó adatvezérelt üzleti döntéseket.
Mivel több ember érti a szóban forgó adatokat, lehetőséged nyílik arra, hogy hitelesebb visszajelzéseket kapj. A bizonyíték a számokban rejlik. A McKinsey 2010-es tanulmánya (amelyet még ma is hasznos elolvasni) több mint 1000 jelentős üzleti beruházásról kimutatta, hogy amikor a szervezetek azon dolgoztak, hogy csökkentsék az elfogultság hatását a döntéshozatali folyamatokban, akár 7%-kal magasabb megtérülést értek el. Amikor az adatvezérelt döntéshozatalról (DDDM) van szó, az előítéletek csökkentése és az, hogy a számok magukért beszéljenek, mindent megváltoztathat.
Tippek az elfogult viselkedés leküzdéséhez
- Egyszerű tudatosság – Mindenki elfogult, de ha tudatában van annak, hogy az előítéletek léte hatással lehet a döntéshozatalára, az segíthet korlátozni a hatásukat.
- Kollaboráció – A kollégái segíthetnek kordában tartani, mivel másokban könnyebb észrevenni az előítéleteket, mint saját magában. Pattogtassa le a döntéseket másokról, és legyen tudatában az elfogult viselkedésnek a tanácsteremben.
- Az ellentmondásos információk felkutatása – Tegye fel a megfelelő kérdéseket magának és másoknak, hogy felismerje az elfogultságait, és eltávolítsa őket a döntési folyamatából.
Az elfogultságok kiküszöbölésével több lehetőség felfedezésére nyílik lehetősége. Ha megszabadulsz az előítéletektől, és valóban tanulmányozod az adatokat, olyan felismerésekre hívhatod fel a figyelmedet, amelyek valóban megváltoztathatják az eredményedet. Ne feledje, az üzleti intelligenciának nem csak a veszteségek elkerüléséről, hanem a nyereségek elnyeréséről kell szólnia.
2) Célok meghatározása
Az adatcsapatokból a lehető legtöbbet hozhatja ki, a vállalatoknak az elemzés megkezdése előtt meg kell határozniuk a céljaikat. Határozzon meg egy stratégiát, hogy ne a hype-ot kövesse a vállalkozás igényei helyett, és határozzon meg egyértelmű kulcsfontosságú teljesítménymutatókat (KPI-k). Bár számos KPI példa közül választhat, ne vigye túlzásba, és koncentráljon az iparágán belül legfontosabbakra.
3) Gyűjtsön adatokat most
A megfelelő adatok összegyűjtése ugyanolyan fontos, mint a megfelelő kérdések feltevése. Kisebb vállalkozások vagy induló vállalkozások esetében az adatgyűjtést már az első napon el kell kezdeni. Jack Dorsey, a Twitter társalkotója és alapítója osztotta meg ezt a tanulságot a Stanfordon. “A Twitter életének első két évében vakon repültünk… mindent az intuícióra alapoztunk ahelyett, hogy jó egyensúlyt teremtettünk volna az intuíció és az adatok között… ezért az első dolog, amit a Square számára írtam, egy admin műszerfal volt. Nagyon erős a fegyelmünk, hogy mindent naplózzunk és mindent mérjünk”. Ezt kimondva és elvégezve, az üzleti dashboard-kultúra bevezetése a vállalatodban kulcsfontosságú összetevője annak, hogy megfelelően kezeld az összegyűjtött adatok áradatát.
4) Találd meg a megoldatlan kérdéseket
Mihelyt a stratégiád és a céljaid meg vannak határozva, meg kell találnod azokat a kérdéseket, amelyekre válaszra van szükséged, hogy elérd ezeket a célokat. A megfelelő adatelemzési kérdések feltevése segít a csapatoknak a megfelelő adatokra összpontosítani, időt és pénzt takarítva meg. A cikk korábbi példáiban a Walmart és a Google is nagyon konkrét kérdéseket tett fel, ami nagyban javította az eredményeket. Így azokra az adatokra összpontosíthat, amelyekre valóban szüksége van, és a “biztos, ami biztos” tompa gyűjtésről áttérhet a “gyűjtsük ezt, hogy megválaszolhassuk ezt” módszerre.
5) Keresse meg a kérdések megoldásához szükséges adatokat
A begyűjtött adatok közül próbáljon meg az ideális adatokra összpontosítani, amelyek segítenek megválaszolni az előző szakaszban meghatározott megoldatlan kérdéseket. Miután azonosította, ellenőrizze, hogy rendelkezik-e már ezekkel az adatokkal, amelyeket házon belül gyűjtött, vagy meg kell határoznia a gyűjtés vagy a külső beszerzés módját.
6) Elemezzen és értsen
Ez nyilvánvalónak tűnhet, de meg kell említenünk: a megválaszolandó kérdések és az adatgyűjtés kereteinek meghatározása után át kell olvasnia azokat, hogy értelmes meglátásokat és elemző jelentéseket nyerjen, amelyek alapján adatvezérelt üzleti döntéseket hozhat. Valójában a felhasználói visszajelzések hasznos eszközt jelentenek az ügyfélélmény mélyebb elemzésének elvégzéséhez és a hasznosítható meglátások kinyeréséhez. Ennek sikeres elvégzéséhez fontos, hogy legyen kontextus. Ha például javítani szeretné a konverziókat a vásárlási tölcsérben, akkor kritikus fontosságú betekintést jelent annak megértése, hogy a látogatók miért hagyják abba a látogatást. Ha elemzi a visszajelzési űrlapjának nyitott megjegyzéseiben adott válaszokat (ebben a tölcsérben), akkor láthatja, hogy miért nem sikerül a pénztárnál, és ennek megfelelően optimalizálhatja weboldalát.
7) Ne féljen felülvizsgálni és újraértékelni
Agyunk elhamarkodottan von le következtetéseket, és nem szívesen veszünk figyelembe alternatívákat; különösen rosszak vagyunk az első értékeléseink felülvizsgálatában. Egy barátom, aki grafikus, egyszer azt mondta nekem, hogy egy projekt vége felé gyakran elakad. Elkötelezett volt az általa választott irány mellett, és nem akarta elvetni azt. Befektetett, de rossz okokból. Amikor ez megtörtént, kivétel nélkül újra kellett kezdenie az egészet, hogy lássa a hibás lépést, ami miatt elakadt. Változatlanul a végtermék fényévekkel jobb volt átdolgozva, mintha az első vázlatból rakta volna össze a megoldást.”
Az adatok ellenőrzése és annak biztosítása, hogy a megfelelő mérőszámokat követi, segíthet kilépni a döntési sémákból. Ha a csapattagokra támaszkodik, hogy van perspektívájuk és meg is osztják azt, az segíthet átlátni az elfogultságokat. De ne féljen hátralépni és újragondolni a döntéseit. Ez egy pillanatra vereségnek tűnhet, de a siker érdekében ez egy szükséges lépés. Ha megértjük, hol rontottuk el, és azonnal foglalkozunk vele, sokkal pozitívabb eredményeket érhetünk el, mintha várunk, és meglátjuk, mi történik. A várakozás és a várakozás ára jól dokumentált…
8) Az adatok értelmes bemutatása
A felismerések feltárása és összegyűjtése szép dolog, de még jobb, ha sikerül elmondani a felfedezéseket és közvetíteni az üzenetet. Gondoskodnod kell arról, hogy az éleslátásod ne maradjon kihasználatlanul és porosodjon, és hogy azt a jövőbeli döntéshozatalban felhasználják. Egy nagyszerű adatvizualizációs szoftver segítségével nem kell IT-szakértőnek lennie ahhoz, hogy létrehozzon és testre szabjon egy erőteljes online műszerfalat, amely elmeséli az adatok történetét, és segíti Önt, a csapatát és a vezetőséget a megfelelő adatvezérelt üzleti döntések meghozatalában. Például a pénzügyeit mindenképpen kézben kell tartania:
Finanszírozási áttekintő műszerfal megnyitása teljes képernyőn
A pénzügyi műszerfalon bemutatott vázlat biztosítja a vállalat pénzügyi teljesítményének egy pillantásra történő áttekintését. Az olyan legfontosabb KPI-kkel, mint a működési költségek aránya, a nettó haszonkulcs, az eredménykimutatás, valamint a kamatok és adók előtti eredmény, ez a műszerfal gyors döntéshozatalt tesz lehetővé, miközben a valós idejű adatokra koncentrál.
További inspirációért nézze meg ezeket a hihetetlen adatvizualizációs példákat a világ néhány legelőremutatóbb márkájától és vállalkozásától.
9) Mérhető célok kitűzése a döntéshozatalhoz
Miután megvan a kérdés, az adatok, a meglátások, akkor jön a nehéz rész: a döntéshozatal. A kapott eredményeket az üzleti döntésekhez kell alkalmaznod, de azt is biztosítanod kell, hogy a döntéseid összhangban legyenek a vállalat küldetésével és jövőképével, még akkor is, ha az adatok ellentmondásosak. Tűzzön ki mérhető célokat, hogy biztos legyen abban, hogy jó úton jár… és az adatokat tegye tettekre!”
10) Fejlessze tovább az adatvezérelt üzleti döntéseit
Ezt gyakran figyelmen kívül hagyják, de ennek ellenére hihetetlenül fontos: soha ne hagyja abba az adatvezérelt döntések vizsgálatát, elemzését és megkérdőjelezését. Hiperkapcsolatos digitális korunkban minden eddiginél több adathoz férünk hozzá. Ahhoz, hogy valódi értéket nyerjünk ebből a gazdag ismeretanyagból, elengedhetetlen, hogy folyamatosan frissítsük és fejlesszük üzleti céljainkat a körülöttünk mozgó tájkép alapján.
Adatvezérelt döntéshozatal hibái, amelyeket mindenképpen el kell kerülnie
Az adatok fontossága a döntéshozatalban egyértelmű. De miközben az adatvezérelt üzleti döntések dinamikájának megértése és a valós adatvezérelt döntéshozatali példák feltárása a helyes irányba tereli Önt, annak megértése, hogy mit kell elkerülnie, segít bebetonozni a sikerét.
Hányszor fordult már elő az életében, hogy felkészült egy megbeszélésre, készen állt a tényekkel és számokkal, és a végén a döntés teljesen ellentétes irányba ment?
Ez valószínűleg úgy érezte, hogy a döntés már a megbeszélés megkezdése előtt megszületett. Ha ez ismerősen hangzik, akkor nincs egyedül. Nem csak egy startupról beszélünk, amely tele van újoncokkal, akik úgy gondolják, hogy a megérzésükre hallgatni fontosabb, mint a KPI-k; hatalmas vállalatokról beszélünk. Rob Enderle, az IBM egykori alkalmazottja és a Forrester kutatója írt egy mesés cikket, amely az IBM és a Microsoft vezetőinek hiányosságait dokumentálja.
A cikk tele van példákkal, de a legkirívóbb talán az, hogy az IBM részben eladta a ROLM részlegét a Siemensnek. Enderle és csapata egy belső jelentést készített, amely bebizonyította, hogy a Siemensnek való eladás katasztrofális kudarc lenne. Kiderült, hogy a döntés már a kutatás megjelenése előtt megszületett. Valójában a vezetők elfelejtették, hogy a kutatást egyáltalán megrendelték. A zsigeri döntésük végül több mint egymilliárd dollárjába került a vállalatnak.
A BI-Survey kiadványából kiderül, hogy az általuk megkérdezett vállalatok 58%-a azt mondta, hogy rendszeres üzleti döntéseik legalább felét zsigeri érzésre vagy tapasztalatra alapozza, ahelyett, hogy adat- és információvezérelt lenne. Átlagosan rájöttek, hogy a vállalatok a rendelkezésre álló információknak csak 50%-át használják fel a döntéshozatal során.”
Magunk is üzleti intelligencia szolgáltatóként megértjük az adatvezérelt döntéshozatal fontosságát. Ezért hoztunk létre egy olyan online adatelemző eszközt, amely lehetővé teszi ügyfeleink számára, hogy a legtöbbet hozzák ki adataikból, értelmes módon vizualizálják azokat, és könnyen megosszák ezeket a generált meglátásokat lenyűgöző, valós idejű műszerfalakon, hogy gyorsabban hozhassanak jobb üzleti döntéseket. Az általunk nyújtott meglátások azonban teljesen haszontalanok, ha a nap végén ezeket a jelentéseket a tényleges döntéshozók figyelmen kívül hagyják.”
Ez a rejtély arra késztetett minket, hogy mélyen megvizsgáljuk: miért nem használják az üzleti vezetők az adatvezérelt döntéshozatalt? És mire kell odafigyelniük ahhoz, hogy döntéseik ne érzéseken, hanem számokon alapuljanak?
Most, hogy felvázoltuk az adatvezérelt döntések helyes meghozatalának alapjait, mélyebbre ásunk az elkerülendő dolgokba, az adatelemzők és üzleti vezetők gyakori múltbeli hibáinak feltárásával. Ezen kulcsfontosságú pontok megfigyelésével és elsajátításával az adatelemző szoftverek segítségével biztosíthatja, hogy az adatvezérelt döntéshozatal az üzleti életben mindig következetes, eredményorientált és a céljaira összpontosító legyen.
1) Az adatok minősége
Az első és legfontosabb ok, amelyre általában hivatkoznak, az adatminőség. Az adatminőség a minőségi vagy mennyiségi változók egy olyan halmazának állapota, amelynek “alkalmasnak kell lennie a műveletek, a döntéshozatal és a tervezés során történő rendeltetésszerű felhasználásra” – olvasható a szerző, Thomas C. Redmann cikkében. A jó adatminőség-menedzsment (a beszerzéstől a karbantartásig, a diszpozíciótól a szervezeten belüli elosztási folyamatokig) szintén kulcsfontosságú az ilyen adatok jövőbeli felhasználása szempontjából. A gyűjtés és a gyűjtés csak akkor jó, ha utána jól kezelik és hasznosítják, különben az eszközökben rejlő potenciál érintetlenül és haszontalanul marad.
2) A múltbeli tapasztalatokra való túlzott támaszkodás
A múltbeli tapasztalatokra való túlzott támaszkodás minden vállalkozást megölhet. Ha mindig a hátad mögé nézel, reális esély van arra, hogy nem veszed észre, ami előtted van. Nagyon gyakran alkalmaznak üzleti vezetőket korábbi tapasztalataik miatt, de a környezet és a piacok változnak, és ugyanazok a trükkök legközelebb már nem biztos, hogy működnek. Az egyik legtöbbet idézett példa erre Dick Fuld, aki az LTCM válsága után megmentette a Lehmant. Tíz évvel később ugyanazt a trükktárat vette elő, és ahogy a Wall Street Journal beszámol róla, “a tapasztalat, amelyre támaszkodott, nem volt ugyanaz, mint ez a masszív, ingatlanpiac által vezérelt összeomlás”. A mostani válság sokkal összetettebb volt. A környezet és a piacok folyamatosan változnak, és ahhoz, hogy valaki sikeres menedzser legyen, kombinálnia kell a múltbeli tapasztalatokat az aktuális adatokkal.
3) A megérzésre hallgatni és az adatokat kifőzni
Míg egyes menedzserek természetesen az ösztöneikre hallgatnak, van egy jelentős részük, akik először a megérzésükre bízzák magukat, majd meggyőzik a kutatóikat vagy egy külső tanácsadó céget, hogy készítsenek olyan jelentéseket, amelyek megerősítik a már meghozott döntést. A fent említett Enderle-cikk szerint ez a Microsoftnál mindennapos volt. A kutatók feladata az volt, hogy olyan jelentéseket készítsenek, amelyek hitelessé tették a vezetők döntéseit.
4) Kognitív előítéletek
A kognitív előítéletek olyan tendenciák, amelyek arra irányulnak, hogy korlátozott információk alapján hozzunk döntéseket, vagy olyan múltbeli tapasztalatok tanulságai alapján, amelyek nem feltétlenül relevánsak az aktuális helyzet szempontjából. A kognitív torzítás minden nap, valamilyen módon, minden döntésünkben előfordul. Ezek az előítéletek befolyásolhatják az üzleti vezetőket, hogy figyelmen kívül hagyják a megbízható adatokat, és helyette a feltételezéseikre hagyatkozzanak. Íme néhány példa a gyakran előforduló kognitív torzításokra:
- Confirmation bias – Az üzleti vezetők hajlamosak előnyben részesíteni azokat az információkat, amelyek megerősítik a már meglévő meggyőződéseiket, legyenek azok helyesek vagy tévesek.
- Kognitív tehetetlenség – Az új környezeti feltételekhez való alkalmazkodás képtelensége, és a régi meggyőződésekhez való ragaszkodás az ennek ellenkezőjét bizonyító adatok ellenére.
- Group Think – Az a vágy, hogy a csoporthoz tartozzunk azáltal, hogy a többség mellé állunk, függetlenül az ezt alátámasztó bizonyítékoktól vagy indítékoktól.
- Optimizmus elfogultság – Az alapján hozunk döntéseket, hogy a jövő sokkal jobb lesz, mint a múlt.
A vezetőknek fel kell ismerniük, hogy minden helyzetben elfogultak vagyunk. Objektivitás nem létezik. A jó hír az, hogy vannak módszerek az elfogult viselkedés leküzdésére.
Ezek eredményeként ezek a vállalkozások pontosabban azonosítják az üzleti lehetőségeket és pontosabban jelzik előre a jövőbeli trendeket, több bevételt generálva és nagyobb növekedést elősegítve az adatokon alapuló döntéshozatal révén.
3 adatvezérelt döntéshozatali példák a sikerre
Most, hogy tisztábban megértettük, mit jelent az adatvezérelt döntéshozatal, valamint az adatvezérelt döntéshozatal fontosságát, elmélyedünk 3 inspiráló adatvezérelt döntéshozatali példában.
1) Google
A smartdatacollective.com-on írt cikk szerint az adatvezérelt döntéshozatal egyik legjelentősebb példája a Google keresőkolosszustól származik. A startupok híresek a hierarchiák felszámolásáról, a Google pedig arra volt kíváncsi, hogy valóban számít-e, hogy vannak-e menedzserek.
A kérdés megválaszolásához a Google adattudósai a menedzserek beosztottjainak teljesítményértékeléseit és munkavállalói felméréseit (kvalitatív adatok) vizsgálták. Az elemzők egy grafikonon ábrázolták az információkat, és megállapították, hogy a menedzsereket általában jónak ítélték. Egy lépéssel tovább mentek, és felosztották az adatokat a felső és alsó kvartilisekre, majd regressziókat futtattak. Ezek a tesztek nagy különbségeket mutattak ki a legjobb és a legrosszabb vezetők között a csapatok termelékenysége, az alkalmazottak boldogsága és az alkalmazottak fluktuációja tekintetében. A jó menedzserek több pénzt hoznak a Google-nek és boldogabb alkalmazottakat teremtenek, de mitől lesz jó menedzser a Google-nél?
Az elemzők ismét áttekintették a “Great Manager Award” (Nagyszerű menedzser díj) pontszámok adatait, amelyekben a dolgozók jelölhettek olyan menedzsereket, akik kivételes munkát végeztek. Az alkalmazottaknak példákkal kellett alátámasztaniuk, hogy pontosan mi tette a vezetőt olyan nagyszerűvé. A felső és alsó kvartilisből származó vezetőkkel is interjút készítettek, hogy kiegészítsék az adathalmazt. A Google elemzéséből kiderült, hogy melyik az a 8 viselkedésmód, amely nagyszerű vezetővé teszi a Google-nél a vezetőt, és melyik az a 3, amelyik nem. Átdolgozták a vezetői képzésüket, beépítve az új megállapításokat, folytatták a Nagyszerű Menedzser Díjat, és bevezettek egy évente kétszer megrendezett visszajelző felmérést.
2) Walmart
A Walmart hasonló eljárást alkalmazott, amikor a 2004-es Frances hurrikánra való felkészülés során a vészhelyzeti árucikkekkel foglalkozott, amint arról a The NY Times beszámolt. A vezetők tudni akarták, hogy milyen típusú árucikkeket kell készletezniük a vihar előtt. Elemzőik más Walmart áruházak hasonló körülmények között történt korábbi vásárlásait bányászták, és egy terabájtnyi vásárlói előzményt válogattak át, hogy eldöntsék, milyen árukat küldjenek Floridába (mennyiségi adatok). Kiderült, hogy természeti katasztrófák idején az amerikaiak az epres Pop-Tarts és a sör felé fordulnak. Linda M. Dillon, a Walmart akkori informatikai igazgatója kifejtette:
“Azzal, hogy megjósoltuk, mi fog történni, ahelyett, hogy megvártuk volna, hogy megtörténjen… a pirítós süteményekkel és hatos csomagokkal teli teherautók hamarosan a 95-ös autópályán száguldottak a Frances útjába eső Walmarts felé.”
A Walmart elemzői nemcsak a floridaiakat tartották kellemesen elszállítva sörrel és Pop-Tarts-szal a vihar alatt, hanem a kereslet előrejelzésével nyereséget is termeltek, mivel a legtöbb termék gyorsan fogyott.”
3) Southwest Airlines
Az adatvezérelt döntés minden iparágban hihetetlen értéket képvisel, de az egyik ágazat, amelyről széles körben ismert, hogy profitál az ilyen meglátásokból, a légitársaságoké.
A Southwest Airlines vezetői célzott ügyféladatokat használtak fel, hogy mélyebb megértést szerezzenek arról, hogy milyen új szolgáltatások lennének a legnépszerűbbek az ügyfelek körében, valamint a legnyereségesebbek.
A légitársaság ennek során felfedezte, hogy fogyasztóik online viselkedésének és tevékenységeinek megfigyelésével és elemzésével az ügyfelek különböző szegmensei számára a példaértékű ügyfélélmény (CX) mellett az igényeiknek megfelelő legjobb árakat is biztosítani tudják.
Az adatvezérelt döntések hangsúlyozásának közvetlen eredményeként a Southwest Airlines évről évre folyamatosan növekedni látta ügyfélkörét, valamint márkahűségét.
A műszerfalak szerepe az adatvezérelt döntésekben
Ha adatvezérelt üzleti döntéseket kell hoznia, a műszerfalak döntő szerepet játszhatnak. Azzal, hogy az összes múltbeli és aktuális adat egyetlen képernyőn van, és lehetőség van interakcióra, valamint az egyes KPI-k mélyére ásni, vagy áttekintést generálni egy részlegről vagy vállalatról, a dashboardok lehetővé teszik a fontos információk holisztikus vázlatát. Hogy ezt a gyakorlatban is láthassuk, most megnézünk néhány kiválasztott példát.
1) Általános vezetés
A C-szintű vezetőknek az adatokon kell rajta lenniük. Ahhoz, hogy a stratégiáik és céljaik alapján hatékonyan nyomon követhessék az információkat, minden vezető arra összpontosít, hogy egy adott időszak alatt milyen tényleges bevételt értek el, összehasonlítva azt a megcélzott bevétellel, és egyértelmű vizualizációval, hogyan alakult (vagy nem alakult), ahogy az ebben a példában látható:
Open Management KPI Dashboard in Fullscreen
Az ügyfélszint szerinti bevételeket, valamint az ügyfélszerzési költségekkel és a megszerzett új ügyfelek teljes számával kapcsolatos statisztikákat is mutatja. Ez segíthet minden vezetőnek abban, hogy a vizualizált adatokra alapozva sikeresen hozza meg döntéseit, így a folyamat sokkal gyorsabbá és hatékonyabbá válik. Ez is bizonyítja, miért fontos az adatvezérelt döntéshozatal a mai üzleti világban.
2) Online kiskereskedelem
Az online kiskereskedelemben az adatgyűjtés meglehetősen egyszerű és bőséges. A vásárlás különböző módjai, a véleményekhez és az online véleményekhez való hozzáférés minden eddiginél tájékozottabbá tette a fogyasztókat. Ezért az adatok áttekinthetősége rendkívül fontos a kisvállalkozók és a nagyvállalatok számára egyaránt. Az alábbi példában láthatjuk, hogyan nézne ez ki példaként a kiválasztott kiskereskedelmi KPI-kkel:
Open Sales & Order Dashboard in Fullscreen
A megrendelések teljes összege, az egy vásárlóra jutó átlagos megrendelések, a legkelendőbb eladók, valamint a visszaküldési okok statisztikái és számadatai áttekintést adhatnak a fogyasztók viselkedéséről, arról, hogy miért küldik vissza az áruját, és hogy az év melyik időszakában van a legnagyobb mennyiségű megrendelés a viszonyítási alap. Így a jövőbeni döntéseit kizárólag a kiskereskedelmi analitikai adatokra alapozhatja, nem pedig egy megérzésre, amely tönkreteheti üzleti stratégiáját.”
“Kínozd meg az adatokat, és azok bármit bevallanak.” – Ronald Coase
Nem lehet tagadni – az adatok megfelelő módon történő hasznosításával és a siker mérésével új és izgalmas magasságokba repítheti vállalkozását.
Most, amikor már hozzáférhet az összes kulcsfontosságú összetevőhöz, hogy a legjobb adatalapú döntéseket hozza meg vállalkozása számára, itt az ideje, hogy megvalósítsa terveit. Ne feledje – a maximális siker érdekében mindenáron el kell kerülnie, hogy rosszul közelítse meg az adatvezérelt üzleti döntéseket. Ennek elmulasztása ahhoz vezet, hogy zsigerből, elfogultan hoz döntéseket, vagy rossz adatkultúrát táplál a szervezetén belül.
A datapine-nál 100%-ban elkötelezettek vagyunk amellett, hogy segítsünk Önnek a legjobb adatvezérelt döntések meghozatalában az üzlete számára. Megoldásaink a legjobb üzleti jelentéskészítő szoftvereket ötvözik a legmodernebb szemlélettel a döntések kiértékelése felé, hogy elkezdhessen eredményeket látni.
Hogy elindulhasson a sikeres adatvezérelt döntésekhez vezető saját útján, az összes adatának egy helyen történő megjelenítésével, és néhány kattintással betekintést nyerhessen, 14 napos próbaverzió keretében teljesen ingyenesen kipróbálhatja műszerfal-szoftverünket!