polku nopeaan datalähtöiseen organisaatioon
in a highly competitive world, there is the envying demand for data to make decisions. Vakiintuneissa yrityksissä tämä näkyy esimerkiksi taloudellisten raporttien, kirjanpitoraporttien, markkinaraporttien ja monien muiden raporttien saatavuudessa.
data-analytiikan kontekstissa ”raportoinnin” ja ”analytiikan”välillä on kuitenkin merkittävä ero.
eron tietäminen antaa organisaatioille mahdollisuuden:
- tarkempi tieto
- enemmän ja nopeammin kääntymisaika
- vaikuttavammat liiketoimintapäätökset
”raportointi” tarkoittaa päätöksiä informoivia tietoja. Tyypilliset raportointipyynnöt edellyttävät yleensä toistuvaa pääsyä tietoihin, jotka voivat olla kuukausittain, viikoittain, päivittäin tai jopa reaaliaikaisia.
edellä esitetty määritelmä perustuu kahteen merkittävään virheelliseen oletukseen:
- tietoja on saatavilla: usein tiedot on hankittava erilaisista lähdejärjestelmistä, jotka ovat usein hajanaisia yrityksissä tai yritysten ulkopuolella
- tiedot ovat puhtaita: usein tiedot on käännettävä ihmisravinnoksi ja muokattava analysointia varten.
” analytiikka ” tarkoittaa raakadatan analysointia. Tyypilliset analytiikkapyynnöt tarkoittavat yleensä kertaluonteista datatutkimusta.
kumpi tulee ensin? Raportointi tai analytiikka
kun raportointipyyntö kulkee läpi, analytiikka on usein tehtävä. Kun analytiikkapyyntö kulkee läpi, raportointia ei välttämättä tarvita.
alla on joitakin raportin laatimisen vaiheita:
- ymmärrä liiketoiminnan vaatimus
- Yhdistä ja kerää tiedot
- Käännä TEKNISET TIEDOT
- ymmärrä tietojen taustat eri ulottuvuuksin
- Etsi tapa näyttää tiedot 100 kategoriasta ja sen 5 alaluokasta (500+ yhdistelmät!)
- Re-work the data
- Business stakeholder gets confused
- Scope gets changed
- Toista vaiheet
- more re-work
- Initial visualization on excel
- Addressing stakeholders understanding
- Start raportoivan kojelaudan rakenne
- ominaisuuksien ja parametrien määrittäminen
- lisää uudelleentyöskentelyä
- käyttäjäkokemuksen testaaminen
- yrityksen tyyliohjeen mukainen
- raportoinnin automatisointi ja käyttöönotto
- yhteydenpito teknologia-tai tuotantotiimin kanssa
- perustaa prosessi säännölliseen Päivitykseen ja epäonnistumiseen
- Asiakirjaraportointiprosessi
edellä mainittu koskettaa vain alustavaa pintaa…
jos liiketoiminta haluaisi vähän datapisteitä tai parempaa faktatietoa, analytiikka olisi tehokkaampi ja tehokkaampi vaihtoehto.
alla on joitakin data-analytiikan tutkimiseen liittyviä vaiheita:
- luo datahypoteesi
- kerää ja manipuloi tietoa
- esitä tuloksia yritykselle
- uudelleen iteroi
yritys saa tuloksia hyvin harvojen vaiheiden jälkeen.
polku nopeaan datalähtöiseen organisaatioon
on tärkeää ymmärtää ero ”raportoinnin” ja ”analytiikan”välillä. Nykyisessä kilpailutilanteessa nopeus oivalluksiin on ratkaisevaa.
edellä esitettyjen selitysten ja vaiheiden perusteella ”analytiikka” on usein paras lähtökohta. Jos oivalluksia on levitettävä laajasti ja säännöllisesti, voidaan kehittää raportointia. Tämä helpottaa myös teknologian operatiivista kuormitusta, joka liittyy säännöllisiin automaatioprosesseihin.
”jos tuplaat vuodessa tekemiesi kokeiden määrän, kaksinkertaistat kekseliäisyytesi.”- Jeff Bezos
kuten Jeff (Amazon Companyn perustaja) mainitsi, tarvitsemme lisää ”kokeita” ja tiedon etsintää. Emme tarvitse lisää raportteja.
jos olet yritysanalyytikko, Tarkenna pyyntöjä ”raportoinnista” data-analytiikkaan.
jos olet data-analyytikko, Ehdota analytiikkakumppanuutta yrityksen kanssa sotkuisesta datasta.
yhdessä voisimme vapauttaa datan todellisen liikearvon nopeasti ja kestävällä tavalla.