6 Tantangan yang dihadapi Manajer dan Organisasi dengan Data

Kami bekerja di dunia yang mengutamakan data. Manajer dibombardir dengan data melalui laporan, dasbor, dan sistem. Kami secara teratur diingatkan untuk membuat keputusan berdasarkan data . Para pemimpin senior menghasut janji Big Data untuk mengembangkan keunggulan kompetitif , namun sebagian besar berjuang untuk menyetujui apa yang kurang menggambarkan manfaat yang diharapkan.

Peran ilmuwan data dalam permintaan panas dengan kekurangan yang diproyeksikan dalam peran yang muncul dan penting ini diharapkan selama bertahun-tahun.

Organisasi menghabiskan banyak uang setiap tahun untuk memasang perangkat lunak untuk menangkap, menyimpan, dan menganalisis data. Departemen pemasaran semakin dipenuhi oleh para profesional yang piawai secara teknis dan data dengan mengorbankan peran kreatif.

Dunia bisnis adalah dunia yang berfokus pada data, namun penting untuk mengenali bahwa data bukan merupakan akhir dari dirinya sendiri. Seperti semua hal lain yang kami gunakan dalam pekerjaan kami, data adalah alat yang dipenuhi dengan janji. Di tangan yang tepat dengan pendekatan yang tepat, potensi data untuk mendukung pengambilan keputusan luar biasa.

Namun, jangan terlena dalam keyakinan salah bahwa memperoleh dan menganalisis data tanpa risiko. Mari kita gosok sedikit polesan dari ide data sebagai penyelamat bisnis dan membantu mengidentifikasi beberapa potensi jebakan yang diberikan oleh sumber daya baru ini bagi kita semua.

Diperingatkan adalah forearmed.

6 Manajer dan Organisasi Tantangan Besar Menghadapi Data:

1. Kualitas data sering buruk. Sementara kita terbiasa berpikir tentang kualitas dalam konteks objek fisik atau produk, ternyata kualitas data adalah masalah material bagi setiap perusahaan sepanjang waktu.

Data yang disimpan dalam basis data atau repositori terstruktur sering tidak lengkap, tidak konsisten atau tidak mutakhir. Kemungkinan Anda telah berada di ujung penerima contoh sederhana dari masalah kualitas data.

Sebagian besar dari kita dapat mengingat menerima surat-surat duplikat dari pemasar yang ditujukan kepada versi yang sedikit berbeda atau sangat berbeda dari nama asli kita.

Database pemasar berisi rekaman duplikat dengan alamat kami dan ejaan atau variasi nama yang berbeda dan sering salah. Kami mendaur ulang email duplikat sebagai sampah, dan pemasar menimbulkan kelebihan biaya dalam bentuk pencetakan dan pengiriman semua karena masalah kualitas data sederhana. Perkuat kesalahan ini dengan ratusan atau ribuan rekaman dan kesalahan kualitas data yang kecil ini menjadi mahal.

Masalah kualitas data semakin penting saat kami berusaha membuat keputusan tentang strategi, pasar, dan pemasaran dalam waktu dekat. Sementara perangkat lunak dan solusi ada untuk membantu memantau dan meningkatkan kualitas data terstruktur (diformat), solusi yang sebenarnya adalah komitmen yang signifikan, seluruh organisasi untuk memperlakukan data sebagai aset berharga. Dalam prakteknya, ini sulit untuk dicapai dan memerlukan dukungan disiplin dan kepemimpinan yang luar biasa.

2. Secara praktis kita tenggelam dalam data. Data ada di mana-mana dalam suatu organisasi. Pertimbangkan data pelanggan. Sebagian besar organisasi telah terampil dalam menangkap informasi tentang pelanggan dan prospek.

Kami menangkap informasi pelanggan dalam berbagai sistem perangkat lunak yang berbeda, dan kami menyimpan data dalam berbagai repositori data. Satu perusahaan Global Fortune 100 mengakui sebanyak 10 persen dari data pelanggan mereka dipegang secara lokal oleh karyawan di komputer mereka dalam bentuk spreadsheets. Organisasi lain secara teratur mengumpulkan perwakilan penjualan mereka untuk data kartu nama sebelum menjalankan kampanye pemasaran.

Mirip seperti pelaut samudera yang terdampar di sekoci setelah kapalnya tenggelam, ada air di mana-mana, tetapi tidak setetes pun untuk diminum.

Kami memiliki fenomena yang sama dalam bisnis kami. Data ada di mana-mana, dan semakin banyak data tersedia dari umpan sosial dan pencarian secara waktu nyata. Jika data tidak mudah diakses atau, jika kami memiliki data duplikat atau tidak lengkap, kami tidak dapat memanfaatkannya untuk tujuan yang dimaksudkan.

Semakin banyak organisasi yang mengintegrasikan aplikasi perangkat lunak mereka yang berbeda dan menyederhanakan proses pengumpulan dan penggabungan data di seluruh perusahaan. Seiring dengan kualitas data, bagaimanapun, upaya ini mahal, memakan waktu dan tidak pernah berakhir.

3. Volume data terus bertambah. Kami membuat lebih banyak data dengan kecepatan yang sulit untuk dipahami. Para ahli menyarankan bahwa setiap dua tahun (dan menyusut) kita menciptakan lebih banyak data daripada yang ada di planet bumi untuk semua peradaban.

Sebagian besar data baru ini tidak terstruktur, dibandingkan jenis data yang dimasukkan dengan rapi ke dalam perangkat lunak dan aplikasi basis data kami. Misalnya, semua tweet tentang produk atau merek Anda mewakili potensi harta karun wawasan, namun data ini tidak terstruktur, meningkatkan kerumitan menangkap dan menganalisisnya. Meskipun ada banyak penawaran perangkat lunak untuk membantu tantangan ini, data yang tidak terstruktur mewakili semburan baru bahan mentah untuk diproses, dengan semua kerumitan yang melekat dan masalah kualitas yang dibahas dalam artikel ini.

4. Sampah-masuk, sampah-keluar. Perangkat lunak analitik data hanya sebagus data yang memberinya makan. Benang merah dalam masalah ini memanfaatkan data untuk keuntungan adalah kualitas. Sementara banyak perusahaan menginvestasikan dolar yang signifikan dalam aplikasi data baru yang kuat, mengolah data kotor mengarah pada keputusan yang salah. Hati-hati dengan membabi buta mempercayai hasil dari usaha analisis data. Anda harus yakin bahwa Anda dapat mempercayai data yang digunakan dalam analisis.

5. Kami menerima output dari analisis data sebagai konklusif, tetapi tidak. Pada kenyataannya, analisis data paling sering menampilkan korelasi, bukan sebab-akibat! Sangat mudah untuk jatuh ke dalam perangkap mempercayai output dari analisis data dan membingungkan korelasi dengan sebab-akibat.

Korelasi menampilkan suatu hubungan, tetapi sama sekali tidak menyiratkan bahwa A menyebabkan B. Menetapkan hubungan kausal adalah nirvana untuk membuat keputusan yang akurat dan berwawasan. Ini juga sangat sulit dibuktikan. Jika Anda sangat mempercayai suatu output dan menganggap hubungan kausal di mana tidak ada, keputusan Anda akan sangat salah.

6. Bias kognitif kita diperkuat ketika harus mengevaluasi data. Sebagaimana seorang ilmuwan data yang bijak pernah mengatakan, "Pada akhir analisis data yang paling rumit dan lengkap, manusia masih harus menarik kesimpulan dan membuat keputusan." Dan ketika kita mencapai titik di mana kita harus menilai arti dari analisis data, bias kita ikut bermain. Banyak dari kita cenderung percaya atau mengandalkan data yang mendukung posisi dan harapan kita dan menekan data yang melakukan sebaliknya. Kami juga mempercayai data dari sumber yang kami sukai atau, kami mengandalkan data yang paling baru. Semua bias ini berkontribusi pada tantangan dan potensi kesalahan dari analisis data kami.

Cara Memulai Menjinakkan Data untuk Penggunaan Anda sebagai Manajer:

Mengembangkan strategi data perusahaan sangat penting untuk setiap bisnis, namun berada di luar cakupan artikel ini. Sebaliknya, inilah tujuh gagasan yang dapat Anda gunakan sebagai manajer untuk meningkatkan penggunaan data Anda dalam pengambilan keputusan harian Anda.

1. Mengenali dan mengurangi potensi bias . Carilah data yang memperluas gambar atau konflik dengan data di depan Anda. Dorong pengamat eksternal untuk mengevaluasi asumsi Anda di sekitar data.

2. Perkuat pemahaman Anda tentang manajemen data. Ada banyak sumber informasi gratis di web, dan banyak organisasi menawarkan seminar atau lokakarya tentang analitik data dan intelijen bisnis. Banyak universitas telah menambahkan kursus untuk bidang yang sedang booming ini. Terus mengasah keterampilan Anda.

3. Tanyakan pada diri Anda atau tim Anda, "Data apa yang kita perlukan untuk membuat keputusan ini?" Terlalu sering, kami mengandalkan data yang ada di tangan dan mengabaikan kebutuhan untuk mencari lebih banyak data untuk menyelesaikan gambar.

4. Sangat sadar akan perbedaan antara korelasi dan sebab-akibat . Seperti yang dijelaskan sebelumnya, membingungkan keduanya merupakan perangkap yang berpotensi berbahaya untuk pengambilan keputusan.

5. Kualitas - periksa data Anda. Jika perusahaan Anda tidak memiliki kualitas data atau komitmen pengelolaan data master, investasikan waktu untuk mengevaluasi data Anda untuk kesalahan yang jelas, termasuk duplikat, catatan yang tidak lengkap atau salah. Ada banyak aplikasi perangkat lunak yang tersedia secara komersial atau untuk mendukung kegiatan ini dan banyak perusahaan memanfaatkan keahlian ahli data untuk menanyakan dan menilai kualitas data. Juga, pertimbangkan penyedia layanan eksternal yang dapat membantu membersihkan data untuk Anda. Yang penting, fokus pada terus meningkatkan kualitas data Anda.

6. Advokasi untuk kualitas data dan upaya manajemen yang lebih kuat di seluruh perusahaan Anda. Pekerjaan ini sering menjadi domain TI atau profesional teknis, namun data memiliki potensi untuk berfungsi sebagai aset strategis. Setiap manajer harus peduli dengan kemampuan perusahaan mereka untuk memanfaatkan data dengan lebih baik untuk pengambilan keputusan dan eksekusi strategi .

7. Tambahkan bakat teknis dan data-cerdas ke tim Anda. Bagian penjualan dan pemasaran memahami kekuatan melibatkan individu yang ahli dalam teknologi terbaru dan kompeten dalam menavigasi banyak tantangan data yang diuraikan dalam artikel ini. Teknologi dan data bukan lagi domain atau tanggung jawab satu fungsi dalam suatu perusahaan.

Garis bawah:

Perusahaan dan manajer yang belajar memanfaatkan data untuk pengambilan keputusan yang lebih baik akan menang di pasar. Organisasi-organisasi ini akan dapat memantau dan menanggapi kondisi yang berubah dan kebutuhan pelanggan yang muncul lebih cepat daripada pesaing yang ditantang oleh data mereka. Mereka akan menjadi yang pertama untuk mengumpulkan wawasan dari dialog media sosial, dan mereka akan memenangkan pertempuran untuk mengetahui dan melibatkan pelanggan pada tingkat yang lebih dalam — semua berdasarkan data. Ini bukan tren, melainkan realitas baru dalam mengelola dan bersaing di dunia saat ini. Perhatikan saja perangkap di perjalanan ini.