İş detaylarınız var mı? muhtemelen yanlış kullanıyorsun

İş detaylarınız var mı? muhtemelen yanlış kullanıyorsun

49
0
PAYLAŞ

2022’nin başlangıcı taze olarak geride kaldı ve çoğu küçük ve orta ölçekli işletme (KOBİ) yöneticisinin, CBD keklerini azaltmak ve önümüzdeki 12 ay boyunca şirketlerinin kârlılığını nasıl iyileştirecekleri gibi Yeni Yıl kararları hakkında düşünmelerine yol açtı. Kolay bir yol, sonunda iş verilerinizi anlamak ve verimli bir şekilde kullanmak için zorlu adımı atmaktır.

İşverenlerinin veri uygulamalarına aşina olan 867 katılımcıdan oluşan denetimsiz bir ankete göre, KOBİ’ler verilerini büyük ölçüde görmezden geliyor ve kararları eski moda bir şekilde alıyor. Merak ediyorsanız, bunlar karın testleri ve patronun uygun gördüğü her şey gibi doğru, kanıtlanmış yöntemlerdir.

Denetimsiz, veri analizinde uzmanlaşmış bir AI platformu satıyor, bu nedenle fikirlerinin bir akar şüphelisi olduğunu düşünebilirsiniz, ancak haklı oldukları bir nokta var. Günümüzde çoğu iş uygulaması, özellikle de hizmet olarak yazılım (SaaS) araçları, büyük miktarda performans ve kullanıcı verisi toplar. Bu sayıları zaten perde arkasında topluyorlarsa, neden bu kadar az kuruluş bunları anlamlı bir şekilde kullanıyor?

Ankete göre, şirketlerinin veri toplama sürecine doğrudan dahil olan çalışanların %33’ü, şirketin verilere erişmekte ve bunları analiz etmekte zorlandıklarını bildirdi. Bir diğer %25 ise verilerin tam potansiyeliyle kullanılmadığını söyledi. Etkileyici bir %95’lik oran, çalışanların şirket verilerini hedeflere ve KPI’lara (Temel Performans Göstergeleri) ulaşmak için nasıl kullanabileceği konusunda kesinlikle iyileştirmeye yer olduğunu söyledi.

Veriye dayalı KPI’lar harika sonuçlar verebilir. Denetimsiz yanıtlayanların yüzde kırk sekizi, daha iyi veri analizinin karı artıracağını söyledi. %47’si satışları artıracağını, %40’ı ise satışları doğrudan etkileyeceğini söyledi. Arka tarafta, üst düzey yöneticilerin %51’i daha iyi verilerin genel stratejiye yardımcı olacağını söyledi. Orta düzey yöneticiler, satın alma (%54), tahmin (%49) ve personel alımını (%47) aynı şekilde iyileştirebileceklerini söyledi.

Müşteri kazanımı ve elde tutma, katılımcıların yalnızca %25’i bir gelişme göreceklerine inanmasına rağmen, yanıtlayanların daha iyi veri işleme ile gelişebilecekleri başka bir alandı; %19’u bunun sosyal medya ve müşteri topluluğuyla etkileşime geçmeye yardımcı olacağını düşündü.

Veri analizinin faydaları hakkında katılımsız anket

Sorunu benimseyin

Ancak daha iyi veri analizi vaaz etmek kolaydır ve bunu gerçekten yapmak için başka bir baş ağrısı. Ankete göre, ankete katılanların %65’i böyle bir projeyi hayata geçirmek için büyük miktarda kaynak gerektireceğini düşündükleri için ertelediler, %52’si ise bunalmış hissetti ve nasıl ve nereden başlayacağından emin değildi. Neyse ki bunun için bir süreç var ve zaten araçlara sahipsiniz. Sadece dirsek gresi ve bu üç adımı ekleyin.

1. Verilerinizin sizin için ne yapabileceğini sormayın, bunun yerine ne yaptığınızı sorun zorunda yapmak için. Tamam, bu JFK’nin sözü kadar özlü değil, ancak ilke sağlam ve buna karar zekası deniyor. Bu, verilerinizden ne istediğinizi sorarak standart iş zekası (BI) uygulamasını tepetaklak etmek için kullanılan bir terimdir. Çoğu BI merkezli kuruluş, hangi verilere sahip olduklarını anlayarak ve ardından buna dayalı kararlar vererek diğer yolu seçer. Ancak bu yaklaşım, içgörülerinizi ve dolayısıyla karar verme kalitenizi, veritabanlarınızda gizlenenlerle otomatik olarak sınırlar. O yüzden oradan başlama, olmak istediğin yerden başla.

Etkili Veri Öyküsü Anlatımı kitabının yazarı Brent Dykes, “İşletmeniz için bir veri stratejisi oluşturmaya başlarken yapmanız gereken ilk şey, iş stratejinizin ne olduğudur” diyor. “Bu, liderlik ekibinizin en önemli iş hedeflerinizin ne olduğu konusunda hemfikir olduğu anlamına gelir.”

2. Proje için biraz kafa toplayın. Halihazırda sahip olduğunuz üst düzey yönetim ekibiyle bu beyin fırtınası oturumlarına başlayabilirsiniz. Ancak ilk görüşme tatmin edici olduğunda, uzmanlık biçimindeki kaynakları sağlamanın zamanı gelmiştir. Akıllı kararlar vermek için ihtiyaç duyduğunuz hikayeyi size anlatmak için verilerinizi almak kulağa kolay geliyor, ancak hedeflerinizle gerçek veriler arasında gerekli olan belirli bir teknik köprü var.

Bunu genel finans, pazarlama veya satış yöneticilerinden alamazsınız. Sonuç: Veri analizinin bazı yönlerinde çalışmış birine ihtiyacınız var. Ve bu kişi bir danışman olsa da, iş için kalıcı bir çalışanı işe almaktan muhtemelen daha iyisiniz çünkü analitik bir sprint değil bir maratondur.

Dykes’ın burada da tavsiyesi var: “İşe alınan en önemli kişilerden bazıları, veri uygulamanızı stratejik ve taktiksel bir perspektiften yönetmeye başlayabilen bir analitik yöneticisi ve verilerinizi kaynak bulmaya, hazırlamaya ve toplamaya başlayabilen bir veri mühendisi olacaktır. ”

Editörlerimiz tarafından önerildi

Çoğu kuruluşun şu anda karşı karşıya olduğu işe alım zorlukları ve beceri eksiklikleri göz önüne alındığında, söylemesi yapmaktan daha kolay. Bunun yerine, mevcut bir çalışanı işe alabilirsiniz. Kuruluşunuzdaki biri teknoloji konusunda bilgili ve analitik. O kişiyi bulun ve uzun vadeli bir anlaşma yapın: Yeni sertifikalarını aldıktan sonra başka bir işverene koşmak yerine, mezuniyet sonrası hizmet konusunda anlaştıkları sürece eğitim için ödeme yapacaksınız.

Burada teşvik olarak yükseltilmiş kompozisyonlar, ödüller ve unvanlar kullanmalısınız. Ve hayır, onları dört yıllık bir bilgisayar bilimi diplomasından da almak zorunda değilsiniz. Yapay zeka, analitik ve veri bilimi, hedeflenen, hatta kendi kendine tasarlanmış bir dizi çevrimiçi kurs ve sertifika ile etkili bir şekilde ele alınabilen, talep gören zor beceri disiplinleridir. Potansiyel veri yöneticiniz, şirketinizi ve stratejisini zaten biliyor olmalıdır. Onlara sadece verileri bu problemlerle nasıl eşleştireceklerini öğretmek istiyorsunuz. Bu arada, veri yönetimi projenize başlamak için sabırsızsanız, kurum içi ortak çalışanınız eğitilirken bir danışmana danışın.

3. Bir yığın siloya değil, tek bir hakikat kaynağına doğru çalışın. Bu, veri yönetimi projenizin muhtemelen en zor kısmıdır ve yönetici ekibiniz ne istediklerini anladıktan sonra tamamen tekniktir. Buna iyi bir örnek, çoğu çalışan hibrit çalışanlara geçtiğinde yönetimi daha kolay olduğu için yazılım araçlarını bulutta sunulan bir SaaS modeline geçiren bir kuruluştur.

Bu yaklaşımın yönetimi daha kolay olsa da, her hizmet sağlayıcının platform verilerini kendi yöntemiyle ve kendi arka uç havuzlarında toplaması anlamına gelir. Bu, kendi arayüzlerinde güzel panolar oluşturmalarına olanak tanır, ancak bu panolar hizmet verileriyle sınırlıdır ve ihtiyacınız olan şey bu değildir.

Yönetici ekibinizin birinci adımda kazandığı veri öyküsü, neredeyse kesinlikle birden fazla kaynaktan ham veri gerektirecektir, ancak verileri tek tek analiz etmek yerine toplamanız da gerekir. Bu, veri uzmanlarınızın parçalar yerine tüm alanlarda içgörüler elde edebilmesi için kendi tek doğruluk kaynağı (SSOT) havuzunuzu oluşturmanız gerektiği anlamına gelir. Özellikle standartlara dayalı SaaS endüstrisinde kesinlikle yapılabilir bir görevdir, ancak doğru olması için veri bilimi uzmanlığı ve zaman gerekir. İyi ki şimdiki gibi zaman yok.

En iyi hikayelerimizi alın!

İçin kayıt olun şimdi yeni ne var manşetlerimizin her sabah gelen kutunuza ulaşması için.

Bu haber bülteni reklamlar, teklifler veya bağlı kuruluş bağlantıları içerebilir. Bir bültene abone olarak, Kullanım Koşullarımızı ve Gizlilik Politikamızı kabul etmiş olursunuz. Bülten aboneliğinden istediğiniz zaman çıkabilirsiniz.

PAYLAŞ

BİR CEVAP BIRAK