en sti til en hurtig datadrevet organisation
i en meget konkurrencedygtig verden er der en stigende efterspørgsel efter data til at træffe beslutninger. Inden for etablerede virksomheder fremgår dette af tilgængeligheden af rapporter som finansielle rapporter, regnskabsrapporter, markedsrapporter og mange andre.
i en dataanalysekontekst er der imidlertid en signifikant forskel mellem “rapportering” versus “analyse”.
at kende forskellen vil give organisationer mulighed for at have:
- mere præcise oplysninger
- mere og hurtigere turn around tid
- flere virkningsfulde forretningsbeslutninger
“rapportering” betyder data til at informere beslutninger. Typiske rapporteringsanmodninger indebærer normalt gentagelig adgang til oplysningerne, som kan være månedlige, ugentlige, daglige eller endda realtid.
ovenstående definition bygger på 2 store fejlbehæftede antagelser:
- Data er tilgængelige: ofte skal data hentes fra forskellige kildesystemer, som ofte er fragmenteret inden for virksomhederne eller uden for virksomhederne
- Data er rene: ofte skal data oversættes til konsum og skal formes til analyseaktivering
“Analytics” betyder rå dataanalyse. Typiske analyseanmodninger indebærer normalt en engangsdataundersøgelse.
Hvad kommer først? Rapportering eller analyse
når en rapporteringsanmodning strømmer igennem, skal der ofte udføres analyser. Når en analyseanmodning strømmer igennem, er det muligvis ikke nødvendigt at rapportere.
nedenfor er nogle af de trin, der er involveret i opbygningen af en rapport:
- forstå business krav
- Tilslut og indsamle data
- Oversæt de tekniske data
- forstå data baggrunde ved forskellige dimensioner
- Find en måde at vise data for 100 kategorier og dens 5 underkategorier (500+ kombinationer!)
- omarbejde dataene
- forretningsinteressent bliver forvirret
- omfang bliver ændret
- Gentag trinene
- mere omarbejde
- Initial visualisering på udmærke
- adressering af interessenter forståelse
- Start reporting dashboard build
- Konfigurer funktioner og parametre
- mere omarbejde
- test brugeroplevelsen
- i overensstemmelse med virksomhedens stilguide
- test rapporteringsautomatisering og implementering
- kontakt med teknologi eller produktionsteam
- opsæt en ny rapport med en ny proces til regelmæssig opdatering og fiasko
- Dokumentrapporteringsproces
ovenstående berører kun den oprindelige overflade…
hvis virksomheden gerne vil have få datapunkter eller bedre faktuel forståelse, ville analytics være et mere effektivt og effektivt alternativ.
nedenfor er nogle af de trin, der er involveret i en dataanalyse udforskning:
- Opret datahypotese
- Saml og manipulere data
- nuværende resultater til virksomheden
- gentag
virksomheden får resultater efter meget få trin.
sti til en hurtig datadrevet organisation
det er vigtigt at forstå forskellen mellem “rapportering” og “analyse”. I et nuværende konkurrencepræget landskab, hastigheden til indsigt er afgørende vigtig.
baseret på ovenstående forklaringer og trin er start med “analytics” ofte det bedste udgangspunkt. Hvis indsigterne skal cirkuleres bredt og regelmæssigt, kan der udvikles en rapportering. Dette vil også lette den teknologiske driftsbelastning, der er forbundet med regelmæssige automatiseringsprocesser.
“hvis du fordobler antallet af eksperimenter, du gør om året, vil du fordoble din opfindsomhed.”- Jeff Besos
som Jeff nævnte, har vi brug for flere “eksperimenter” og dataudforskning. Vi har ikke brug for flere rapporter.
hvis du er forretningsanalytiker, skal du forfine anmodningerne fra “Rapportering” til dataanalyse.
hvis du er dataanalytiker, skal du foreslå et analysepartnerskab med virksomheden på de rodede data.
sammen kunne vi frigøre den sande forretningsværdi af data på en hurtig og bæredygtig måde.