Všude o tom čteme. Samotný termín „big data“ se v poslední době stal jakýmsi módním slovem – a to z dobrého důvodu.
Využitím bohatství digitálních poznatků, které máte k dispozici na dosah ruky, a využitím síly business intelligence je možné přijímat informovanější rozhodnutí, která povedou k obchodnímu růstu, rozvoji a zvýšení hospodářského výsledku.
Zavedením správných nástrojů pro reporting a pochopením toho, jak přesně analyzovat i měřit data, budete moci přijímat taková rozhodnutí založená na datech, která budou hnát vaše podnikání kupředu. Teoreticky to samozřejmě zní neuvěřitelně.
V praxi je však možné, že i když máte přístup k nejlepším datům na světě, můžete činit rozhodnutí, která neberou v úvahu hmatatelné poznatky a místo toho se řídí instinktem. Ve většině případů se to může ukázat jako škodlivé pro podnikání.
Ačkoli je někdy v pořádku řídit se instinktem, naprostá většina vašich rozhodnutí založených na podnikání by měla být podložena metrikami, fakty nebo čísly souvisejícími s vašimi záměry, cíli nebo iniciativami, které mohou zajistit stabilní oporu pro vaše manažerské zprávy a obchodní operace.
Abychom vám pomohli na cestě k analytickému osvícení, prozkoumáme rozhodování založené na datech, nastudujeme důležitost rozhodování založeného na datech a prozkoumáme několik reálných příkladů, jak proměnit poznatky v akce podporující podnikání.
Co je rozhodování založené na datech?
Data driven decision making (DDDM) je proces, který zahrnuje shromažďování dat na základě měřitelných cílů nebo klíčových ukazatelů výkonnosti, analýzu vzorců a faktů z těchto poznatků a jejich využití k rozvoji strategií a činností, které jsou pro podnik přínosné v řadě oblastí.
V zásadě rozhodování založené na datech znamená práci na klíčových obchodních cílech s využitím ověřených a analyzovaných dat, nikoli pouhé střílení do tmy.
Abyste však z dat získali skutečnou hodnotu, musí být přesná a také relevantní pro vaše cíle. Shromažďování, získávání, formátování a analyzování poznatků pro lepší rozhodování na základě dat v podnikání bylo kdysi všeobjímajícím úkolem, který přirozeně zdržoval celý proces rozhodování o datech.
Dnes však vývoj a demokratizace softwaru pro business intelligence umožňuje uživatelům bez hlubokých technických znalostí analyzovat i získávat poznatky ze svých dat. Přímým důsledkem je, že k vytváření zpráv, trendů, vizualizací a poznatků, které usnadňují proces rozhodování o datech, je zapotřebí méně IT podpory.
Z tohoto vývoje se zrodila (nebo se alespoň obrovským způsobem vyvinula) datová věda – disciplína, v níž se setkávají hackerské dovednosti a statistika s odbornými znalostmi z výklenku. Tato poměrně nová profese zahrnuje třídění velkého množství nezpracovaných dat za účelem přijímání inteligentních obchodních rozhodnutí založených na datech.
„Zlato“, které datoví vědci „dolují“, má dva odlišné typy: kvalitativní a kvantitativní, přičemž oba jsou pro přijímání rozhodnutí založených na datech klíčové.
Kvalitativní analýza se zaměřuje na data, která nejsou definována čísly nebo metrikami, jako jsou rozhovory, videa a anekdoty. Kvalitativní analýza dat je založena spíše na pozorování než na měření. Zde je klíčové data kódovat, aby se zajistilo, že položky budou seskupeny metodicky i inteligentně.
Kvantitativní analýza dat se zaměřuje na čísla a statistiky. Klíčovou roli zde hraje medián, směrodatná odchylka a další popisné statistiky. Při tomto typu analýzy se spíše měří než pozoruje. Kvalitativní i kvantitativní data by měla být analyzována, aby bylo možné přijímat chytřejší obchodní rozhodnutí založená na datech.
Když jsme prozkoumali význam rozhodování v podnikání, je čas zamyslet se nad důvodem, proč je rozhodování založené na datech (DDDM) důležité.
„Informace jsou ropou 21. století a analytika je spalovacím motorem“. – Peter Sondergaard
Proč je důležité rozhodování řízené daty?“
Důležitost dat v rozhodování spočívá v konzistenci a neustálém růstu. Umožňují společnostem vytvářet nové obchodní příležitosti, generovat vyšší příjmy, předvídat budoucí trendy, optimalizovat současné provozní úsilí a vytvářet užitečné poznatky. Tímto způsobem můžete v průběhu času své impérium rozšiřovat a rozvíjet, díky čemuž bude vaše organizace přizpůsobivější. Digitální svět je v neustálém pohybu, a abyste se mohli pohybovat s neustále se měnícím prostředím kolem vás, musíte využívat data k přijímání informovanějších a výkonnějších obchodních rozhodnutí založených na datech.
Obchodní rozhodnutí založená na datech vytvářejí nebo rozbíjejí společnosti. To svědčí o významu online vizualizace dat při rozhodování.
Profesoři Andrew McAfee a Erik Brynjolfsson z MIT Sloan School of Management jednou v článku pro Wall Street Journal vysvětlili, že provedli studii ve spolupráci s Centrem pro digitální podnikání MIT. V této studii zjistili, že mezi zkoumanými společnostmi měly ty, které se řídily především daty, o 4 % vyšší produktivitu a také o 6 % vyšší zisky.
Společnosti, které přistupují k rozhodování na základě spolupráce, mají větší tendenci zacházet s informacemi jako se skutečným aktivem než společnosti s jinými, více nejednoznačnými přístupy.
10 tipů a poznatků pro lepší strategii rozhodování na základě dat
Nakonec vám přinášíme 10 praktických tipů a poznatků pro lepší rozhodování na základě dat v podnikání. Na konci budete na 110 % přesvědčeni o důležitosti tohoto druhu rozhodování.
1) Chraňte se před svými předsudky
Velká část naší mentální práce je nevědomá, což ztěžuje ověřování logiky, kterou při rozhodování používáme. Můžeme se dokonce provinit tím, že vidíme údaje, které bychom si přáli, místo toho, co máme skutečně před sebou. To je jeden ze způsobů, jak může pomoci dobrý tým. Prověřit svá rozhodnutí kompetentní osobou, která nesdílí (nebo dokonce nezná) vaše předsudky, je neocenitelný krok.
Práce s týmem, který zná data, s nimiž pracujete, otevírá dveře užitečné a pronikavé zpětné vazbě. Demokratizace dat umožňuje přístup k nim všem lidem bez ohledu na jejich technické dovednosti a pomáhá jim činit informovaná rozhodnutí. Často se tak děje prostřednictvím inovativního softwaru pro ovládací panely, který vizualizuje kdysi složité tabulky a grafy takovým způsobem, že více lidí může iniciovat dobrá obchodní rozhodnutí založená na datech.
Když bude více lidí rozumět příslušným datům, budete mít možnost získat důvěryhodnější zpětnou vazbu. Důkazem jsou čísla. Studie společnosti McKinsey z roku 2010 (kterou je užitečné si přečíst i dnes) týkající se více než 1 000 významných podnikových investic ukázala, že pokud organizace pracovaly na snížení vlivu předpojatosti ve svých rozhodovacích procesech, dosáhly až o 7 % vyšší návratnosti. Pokud jde o rozhodování založené na datech (DDDM), snížení předpojatosti a ponechání čísel mluvit sama za sebe znamená velký rozdíl.
Tipy pro překonání předpojatého chování
- Jednoduché uvědomění – Každý člověk je předpojatý, ale uvědomění si, že existující předpojatost může ovlivnit vaše rozhodování, může pomoci omezit její dopad.
- Spolupráce – Vaši kolegové vám mohou pomoci udržet vás pod kontrolou, protože je snazší vidět předpojatost u druhých než u sebe. Odrážejte rozhodnutí od ostatních lidí a buďte si vědomi předpojatého chování v zasedací místnosti.
- Vyhledávání rozporuplných informací – Pokládejte správné otázky sobě i ostatním, abyste rozpoznali své předsudky a odstranili je ze svého rozhodovacího procesu.
Odstraněním předsudků se otevřete objevování dalších příležitostí. Zbavení se předsudků a skutečné studium dat vás může upozornit na poznatky, které mohou skutečně změnit váš hospodářský výsledek. Pamatujte, že business intelligence by neměla být jen o tom, jak se vyhnout ztrátám, ale jak získat zisky.
2) Definujte cíle
Chcete-li z datových týmů vytěžit maximum, měly by si společnosti před zahájením analýzy definovat své cíle. Stanovte si strategii, abyste se vyhnuli sledování humbuků namísto potřeb svého podniku, a definujte jasné klíčové ukazatele výkonnosti (KPI). Přestože existují různé příklady KPI, ze kterých si můžete vybrat, nepřehánějte to a soustřeďte se na ty nejdůležitější v rámci vašeho odvětví.
3) Shromažďujte data hned
Shromažďování správných dat je stejně důležité jako kladení správných otázek. U menších podniků nebo začínajících firem by měl sběr dat začít hned první den. Jack Dorsey, spolutvůrce a zakladatel Twitteru, se o tento poznatek podělil se Stanfordem. „První dva roky života Twitteru jsme létali naslepo… všechno jsme zakládali na intuici, místo abychom měli dobrou rovnováhu mezi intuicí a daty… takže první věc, kterou jsem napsal pro Square, je administrativní panel. Máme velmi silnou disciplínu vše zaznamenávat a měřit“. Jak již bylo řečeno a uděláno, zavedení kultury business dashboardu ve vaší firmě je klíčovou součástí pro správnou správu přílivových vln dat, které budete shromažďovat.
4) Najděte nevyřešené otázky
Pokud máte stanovenou strategii a cíle, budete muset najít otázky, které potřebují odpověď, abyste těchto cílů dosáhli. Kladení správných otázek pro analýzu dat pomáhá týmům zaměřit se na správná data, což šetří čas i peníze. V příkladech uvedených dříve v tomto článku měly společnosti Walmart i Google velmi konkrétní otázky, což výrazně zlepšilo výsledky. Tímto způsobem se můžete zaměřit na data, která skutečně potřebujete, a od tupého shromažďování všeho „pro jistotu“ můžete přejít ke „shromažďování toho, abychom mohli odpovědět na to“.
5) Najděte data potřebná k vyřešení těchto otázek
Ze shromážděných dat se pokuste zaměřit na ideální data, která vám pomohou odpovědět na nevyřešené otázky definované v předchozí fázi. Po jejich identifikaci zkontrolujte, zda již máte tato data interně shromážděna, nebo zda je třeba nastavit způsob jejich sběru nebo je získat externě.
6) Analyzujte a pochopte
To se může zdát samozřejmé, ale musíme to zmínit: po stanovení rámce všech otázek, na které je třeba odpovědět, a shromáždění dat je pak třeba je pročíst, abyste z nich získali smysluplné poznatky a analytické zprávy, které vás povedou k přijímání obchodních rozhodnutí založených na datech. Zpětná vazba od uživatelů je totiž užitečným nástrojem pro provádění hlubších analýz zákaznické zkušenosti a získávání užitečných poznatků. Abyste to mohli úspěšně provést, je důležité mít kontext. Pokud například chcete zlepšit konverze v nákupním trychtýři, bude pro vás zásadním poznatkem pochopení důvodů, proč návštěvníci z webu odcházejí. Analýzou odpovědí v otevřených komentářích vašeho formuláře pro zpětnou vazbu (v rámci tohoto trychtýře) budete schopni zjistit, proč nejsou úspěšní při placení, a podle toho optimalizovat svůj web.
7) Nebojte se revidovat a přehodnocovat
Náš mozek dělá unáhlené závěry a nerad zvažuje alternativy; obzvlášť špatně se nám daří revidovat naše první hodnocení. Jeden přítel, který je grafický designér, mi jednou řekl, že se ke konci projektu často zasekne. Byl oddaný směru, který si zvolil, a nechtěl ho zrušit. Investoval do něj, ale ze špatných důvodů. Bezpodmínečně, když se to stalo, musel začít úplně od začátku, aby viděl chybný krok, kvůli kterému se zasekl. Výsledný produkt byl vždy o světelné roky lépe přepracovaný, než kdyby z prvního náčrtu vydláždil řešení.
Ověření dat a ujištění, že sledujete správné metriky, vám může pomoci vystoupit z rozhodovacích vzorců. Spoléhání se na členy týmu, kteří mají svůj pohled na věc a sdílejí ho, vám může pomoci vidět předsudky. Nebojte se však ustoupit a přehodnotit svá rozhodnutí. Chvíli se to může zdát jako prohra, ale pro úspěch je to nezbytný krok. Pochopení toho, kde jsme mohli udělat chybu, a její okamžité řešení přinese pozitivnější výsledky, než kdybychom měli čekat, co se stane. Cena za čekání na to, co se stane, je dobře zdokumentována…
8) Prezentujte data smysluplným způsobem
Hledání a získávání poznatků je hezké, ale zvládnout vyprávět své objevy a předat své poselství je lepší. Musíte se ujistit, že vaše pronikavost nezůstane nevyužita a zaprášena a že bude využita pro budoucí rozhodování. S pomocí skvělého softwaru pro vizualizaci dat nemusíte být zrovna IT suchar, abyste si mohli vytvořit a přizpůsobit výkonný online řídicí panel, který bude vyprávět váš datový příběh a pomůže vám, vašemu týmu i vedení přijímat správná obchodní rozhodnutí založená na datech. Například musíte mít své finance za každou cenu pod kontrolou:
Otevřít finanční přehledový panel na celou obrazovku
Přehled prezentovaný na finančním panelu zajistí okamžitý přehled o finanční výkonnosti společnosti. Díky nejvýznamnějším klíčovým ukazatelům výkonnosti, jako je poměr provozních nákladů, čistá zisková marže, výkaz zisku a ztráty a zisk před úroky a zdaněním, umožňuje tento dashboard rychlý rozhodovací proces a zároveň se soustředí na data v reálném čase.
Pro další inspiraci se podívejte na tyto neuvěřitelné příklady vizualizace dat od některých nejpokrokovějších světových značek a firem.
9) Stanovte si měřitelné cíle pro rozhodování
Poté, co máte svou otázku, svá data, své poznatky, přichází ta těžší část: rozhodování. Získané poznatky musíte aplikovat na obchodní rozhodnutí, ale také zajistit, aby vaše rozhodnutí byla v souladu s posláním a vizí společnosti, i když jsou data rozporuplná. Stanovte si měřitelné cíle, abyste si byli jisti, že jste na správné cestě… a proměňte data v činy!“
10) Pokračujte ve vývoji svých obchodních rozhodnutí založených na datech
Toto se často přehlíží, ale přesto je to nesmírně důležité: nikdy byste neměli přestat zkoumat, analyzovat a zpochybňovat svá rozhodnutí založená na datech. V naší hyperpropojené digitální době máme k datům větší přístup než kdykoli předtím. Chcete-li z tohoto bohatství poznatků vytěžit skutečnou hodnotu, je nezbytné neustále obnovovat a rozvíjet své obchodní cíle na základě krajiny, která se kolem vás pohybuje.
Chyby při rozhodování založeném na datech, kterým byste se měli za každou cenu vyhnout
V tomto bodě je důležitost dat při rozhodování jasná. Ale zatímco pochopení dynamiky obchodních rozhodnutí založených na datech a zkoumání reálných příkladů rozhodování založeného na datech vás nasměruje správným směrem, pochopení toho, čeho se vyvarovat, vám pomůže upevnit váš úspěch.
Kolikrát v životě jste se připravovali na jednání, měli připravená fakta a čísla, a nakonec rozhodnutí dopadlo úplně opačně?
Měli jste pravděpodobně pocit, že rozhodnutí bylo učiněno ještě před začátkem jednání. Pokud vám to zní povědomě, nejste sami. Nemluvíme jen o startupu plném nováčků, kteří si myslí, že řídit se instinktem je důležitější než KPI; mluvíme o obrovských společnostech. Rob Enderle, bývalý zaměstnanec IBM a výzkumný pracovník společnosti Forrester, napsal báječný článek, který dokumentuje nedostatky vedoucích pracovníků IBM a Microsoftu.
Ačkoli je článek plný příkladů, asi nejkřiklavějším je částečný prodej divize ROLM společnosti IBM firmě Siemens. Enderle a jeho tým vypracovali interní zprávu, která prokázala, že prodej společnosti Siemens by byl katastrofálním neúspěchem. Ukázalo se, že rozhodnutí bylo učiněno dříve, než výzkum vyšel. Vedoucí pracovníci vlastně zapomněli, že výzkum byl vůbec zadán. Jejich instinktivní rozhodnutí nakonec stálo společnost více než jednu miliardu dolarů.
Publikace společnosti BI-Survey nám ukazuje, že 58 % společností, které se zúčastnily průzkumu, uvedlo, že alespoň polovinu svých běžných obchodních rozhodnutí zakládají na instinktu nebo zkušenosti, místo aby se řídily daty a informacemi. V průměru si uvědomili, že společnosti při rozhodování využijí pouze 50 % dostupných informací.
Jako sami poskytovatelé business intelligence chápeme důležitost rozhodování založeného na datech. Proto jsme vytvořili online nástroj pro analýzu dat, který klientům umožňuje vytěžit ze svých dat maximum, smysluplně je vizualizovat a tyto vygenerované poznatky snadno sdílet v ohromujících nástrojových panelech v reálném čase, aby mohli rychleji přijímat lepší obchodní rozhodnutí. Poznatky, které poskytujeme, jsou však zcela k ničemu, pokud tyto přehledy nakonec ignorují skuteční tvůrci rozhodnutí.
Tato hádanka nás přiměla k hlubšímu zkoumání: proč vedoucí představitelé podniků nepoužívají rozhodování založené na datech? A čeho byste si měli být vědomi, abyste se ujistili, že vaše rozhodnutí jsou založena na číslech, nikoliv na pocitech?“
Teď, když jsme nastínili základy správného rozhodování na základě dat, se budeme hlouběji zabývat věcmi, kterých je třeba se vyvarovat, a to tak, že se ponoříme do běžných minulých chyb datových analytiků a vedoucích pracovníků podniků. Díky pozorování a osvojení si těchto klíčových bodů s pomocí softwaru pro datové analytiky budete schopni zajistit, aby vaše rozhodování založené na datech v podnikání bylo vždy konzistentní, orientované na výsledky a zaměřené na vaše cíle.
1) Kvalita dat
V první řadě se obvykle uvádí jako hlavní důvod kvalita dat. Kvalita dat je stav souboru kvalitativních nebo kvantitativních proměnných, které by měly být „vhodné pro zamýšlené použití v provozu, rozhodování a plánování“, jak uvádí článek autora Thomase C. Redmanna. Dobré řízení kvality dat (od jejich pořizování přes údržbu, nakládání s nimi až po procesy jejich distribuce zavedené v organizaci) je klíčové i pro jejich budoucí využití. Sběr a shromažďování jsou dobré pouze tehdy, jsou-li dobře spravovány a následně využívány, jinak zůstává potenciál těchto aktiv nedotčen a nepoužitelný.
2) Přílišné spoléhání na minulé zkušenosti
Přílišné spoléhání na minulé zkušenosti může každou firmu zabít. Pokud se stále ohlížíte za sebe, existuje reálná šance, že vám unikne to, co je před vámi. Vedoucí pracovníci podniků jsou tak často najímáni na základě svých předchozích zkušeností, ale prostředí a trhy se mění a stejné triky už příště nemusí fungovat. Jedním z nejcitovanějších příkladů je Dick Fuld, který zachránil společnost Lehman po krizi LTCM. O deset let později vytáhl stejný pytel triků, a jak uvádí Wall Street Journal, „zkušenosti, o které se opíral, nebyly stejné jako v případě tohoto masivního kolapsu způsobeného nemovitostmi“. Nedávná krize byla mnohem složitější. Prostředí a trhy se neustále mění, a aby byl člověk úspěšným manažerem, musí kombinovat minulé zkušenosti s aktuálními daty.
3) Řídit se instinktem a vařit z vody
Zatímco někteří manažeři se přirozeně řídí svým instinktem, existuje značná část těch, kteří nejprve věří svému instinktu a pak přesvědčí své výzkumníky nebo externí poradenskou firmu, aby vypracovali zprávy, které potvrdí již učiněné rozhodnutí. Podle výše zmíněného Enderleho článku to bylo ve společnosti Microsoft běžné. Výzkumníci měli za úkol poskytovat zprávy, které dodávaly důvěryhodnost rozhodnutím vedoucích pracovníků.
4) Kognitivní zkreslení
Kognitivní zkreslení jsou tendence rozhodovat se na základě omezených informací nebo na základě poučení z minulých zkušeností, které nemusí být relevantní pro aktuální situaci. Kognitivní zkreslení se nějakým způsobem objevuje každý den při každém našem rozhodování. Tyto předsudky mohou ovlivnit vedoucí pracovníky firem, aby ignorovali spolehlivé údaje a místo toho se řídili svými předpoklady. Zde je několik příkladů běžně se vyskytujících kognitivních zkreslení:
- Potvrzovací zkreslení – Vedoucí pracovníci v podnikání mají tendenci upřednostňovat informace, které potvrzují jejich již existující přesvědčení, ať už správná, nebo nesprávná.
- Kognitivní setrvačnost – Neschopnost přizpůsobit se novým podmínkám prostředí a držet se starých přesvědčení, přestože data dokazují opak.
- Skupinové myšlení – Touha být součástí skupiny tím, že se postavíme na stranu většiny, bez ohledu na důkazy nebo motivy, které ji podporují.
- Optimistické zkreslení – Rozhodování na základě přesvědčení, že budoucnost bude mnohem lepší než minulost.
Manažeři si musí uvědomit, že jsme v každé situaci zaujatí. Nic takového jako objektivita neexistuje. Dobrou zprávou je, že existují způsoby, jak předpojaté chování překonat.
V důsledku toho tyto podniky přesněji identifikují obchodní příležitosti a předpovídají budoucí trendy, čímž generují větší příjmy a podporují větší růst díky rozhodování na základě dat.
3 příklady úspěšného rozhodování řízeného daty
Teď, když jsme získali jasnější představu o tom, co znamená rozhodování řízené daty, a také o významu rozhodování řízeného daty, se ponoříme do 3 inspirativních příkladů rozhodování řízeného daty.
1) Google
Jeden z nejpozoruhodnějších příkladů rozhodování založeného na datech pochází podle článku na webu smartdatacollective.com od vyhledávacího kolosu Google. Startupy jsou známé tím, že ruší hierarchii, a společnost Google zajímalo, zda to, že mají vedoucí pracovníky, má skutečně význam.
Pro zodpovězení této otázky se datoví vědci ve společnosti Google podívali na hodnocení výkonnosti a průzkumy zaměstnanců od podřízených vedoucích pracovníků (kvalitativní data). Analytici tyto informace zakreslili do grafu a zjistili, že manažeři jsou obecně vnímáni jako dobří. Šli ještě o krok dál a rozdělili data na horní a dolní kvartil a poté provedli regresi. Tyto testy ukázaly velké rozdíly mezi nejlepšími a nejhoršími manažery, pokud jde o produktivitu týmu, spokojenost zaměstnanců a fluktuaci zaměstnanců. Dobří manažeři přinášejí Googlu více peněz a vytvářejí spokojenější zaměstnance, ale co dělá dobrého manažera ve společnosti Google?“
Analytici opět prověřili data z hodnocení „Great Manager Award“, v němž mohli zaměstnanci nominovat manažery, kteří odvedli výjimečnou práci. Zaměstnanci museli uvést příklady, které přesně vysvětlovaly, v čem byl daný manažer tak skvělý. Manažeři z horního a dolního kvartilu byli rovněž dotazováni, aby byl soubor dat doplněn. Analýza společnosti Google zjistila 8 nejlepších způsobů chování, které dělají skvělého manažera ve společnosti Google, a 3, které ho nedělají. Přepracovali své školení manažerů, do něhož zahrnuli nová zjištění, pokračovali v udělování ceny Great Manager Award a dvakrát ročně zavedli průzkum zpětné vazby.
2) Walmart
Podobný postup použil Walmart při přípravě nouzového zboží na hurikán Frances v roce 2004, jak uvedl deník NY Times. Vedoucí pracovníci chtěli vědět, jaké druhy zboží by měli mít před bouří na skladě. Jejich analytici vytěžili záznamy o předchozích nákupech z jiných obchodů Walmart za podobných podmínek a roztřídili terabajt historie zákazníků, aby rozhodli, které zboží na Floridu poslat (kvantitativní údaje). Ukázalo se, že v době přírodních katastrof Američané sáhnou po jahodových Pop-Tartech a pivu. Linda M. Dillonová, tehdejší CIO společnosti Walmart, vysvětlila:
„Tím, že předvídáme, co se stane, místo abychom čekali, až se to stane… kamiony plné toustových chlebíčků a six-packů se brzy řítily po Interstate 95 směrem k Walmartům v cestě Frances.“
Analytici společnosti Walmart nejenže Floriďany během bouře příjemně zásobili pivem a pop-tarty, ale díky předvídání poptávky také vytvořili zisky, protože většina produktů se rychle prodávala.
3) Southwest Airlines
Rozhodování založené na datech má neuvěřitelnou hodnotu ve všech odvětvích, ale jedním z odvětví, o kterém je všeobecně známo, že z takových poznatků těží, je letecký průmysl.
Vedení společnosti Southwest Airlines využilo cílená data o zákaznících, aby hlouběji porozumělo tomu, jaké nové služby budou u zákazníků nejoblíbenější a také nejziskovější.
Letecká společnost přitom zjistila, že pozorováním a analýzou chování a aktivit svých zákazníků na internetu může různým segmentům zákazníků poskytnout kromě příkladné úrovně zákaznické zkušenosti (CX) také nejlepší ceny odpovídající jejich potřebám.
Přímým důsledkem tohoto důrazu na rozhodování na základě dat je, že společnost Southwest Airlines zaznamenává rok od roku stabilní růst zákaznické základny i loajality ke značce.
Úloha řídicích panelů pro rozhodování na základě dat
Pokud musíte učinit obchodní rozhodnutí na základě dat, mohou hrát řídicí panely zásadní roli. Mít všechna historická i aktuální data na jediné obrazovce, s možností interakce a hlubšího pronikání do jednotlivých klíčových ukazatelů výkonnosti nebo generování přehledu o oddělení či společnosti, umožní dashboardy ucelený přehled důležitých informací. Abychom se o tom přesvědčili v praxi, podíváme se nyní na některé vybrané příklady.
1) Obecný management
Vedoucí pracovníci na úrovni C musí mít přehled o svých datech. Aby mohl každý manažer efektivně sledovat informace na základě svých strategií a cílů, soustředí se na skutečně dosažené příjmy za určitý časový úsek v porovnání s cílovými příjmy a s přehlednou vizualizací, jak se vyvíjely (nebo nevyvíjely), jak ukazuje tento příklad:
Otevřít manažerský panel KPI na celou obrazovku
Ukazuje také příjmy na základě úrovně zákazníků a statistiky týkající se nákladů na získání zákazníka a celkového počtu nově získaných zákazníků. To může každému manažerovi pomoci úspěšně se rozhodovat na základě vizualizovaných dat, což tento proces značně urychlí a zefektivní. Svědčí o tom, proč je rozhodování založené na datech v dnešním obchodním světě důležité.
2) Online maloobchod
V online maloobchodě je sběr dat poměrně jednoduchý a hojný. Díky různým způsobům nakupování, přístupu k recenzím a názorům na internetu jsou spotřebitelé informovanější než kdy dříve. Proto je mít jasný přehled o datech nesmírně důležité jak pro majitele malých firem, tak pro velké podniky. Na níže uvedeném příkladu vidíme, jak by to vypadalo jako příklad s vybranými maloobchodními KPI:
Otevřený prodej &Dashboard objednávek na celou obrazovku
Celkové množství objednávek, průměrné objednávky na zákazníka, nejprodávanější zboží a statistiky a údaje o důvodech vrácení vám mohou poskytnout přehled o chování spotřebitelů, o tom, proč se vaše zboží vrací a které roční období je pro vás měřítkem s největším množstvím objednávek. Díky tomu můžete svá budoucí rozhodnutí založit výhradně na datech maloobchodní analytiky, a ne na intuitivním pocitu, který by mohl zničit vaši obchodní strategii.
„Mučte data a ona se přiznají k čemukoli.“ – Ronald Coase
Nezpochybnitelné – správným využitím dat a měřením úspěchu můžete své podnikání posunout do nových a vzrušujících výšin.
Teď, když máte přístup ke všem klíčovým ingrediencím pro nejlepší rozhodování o datech pro vaše podnikání, je čas uvést své plány do praxe. Nezapomeňte – pro dosažení maximálního úspěchu se musíte za každou cenu vyhnout nesprávnému přístupu k podnikatelským rozhodnutím založeným na datech. Pokud tak neučiníte, povede to k rozhodování podle instinktu, předsudkům nebo k podpoře špatné datové kultury ve vaší organizaci.
V datapine jsme stoprocentně odhodláni pomáhat vám přijímat ta nejlepší rozhodnutí založená na datech pro vaše podnikání. Naše řešení kombinují nejlepší software pro podnikové výkaznictví s nejmodernějším pohledem na vyhodnocování vašich rozhodnutí, abyste začali vidět výsledky.
Chcete-li začít svou vlastní cestu k úspěšným rozhodnutím založeným na datech, vizualizaci všech vašich dat na jednom místě a generování poznatků pomocí několika kliknutí, můžete si náš software pro dashboard vyzkoušet na 14denní zkušební dobu zcela zdarma!