en väg till en snabb datadriven organisation
i en mycket konkurrensutsatt värld finns det en ökande efterfrågan på data för att fatta beslut. Inom etablerade företag framgår detta genom tillgången till rapporter som finansiella rapporter, redovisningsrapporter, marknadsrapporter och många andra.
i ett dataanalyssammanhang finns det dock en signifikant skillnad mellan ”rapportering” och ”analys”.
att veta skillnaden gör det möjligt för organisationer att ha:
- mer exakt information
- mer och snabbare vänd tid
- mer effektfulla affärsbeslut
”rapportering” betyder data för att informera beslut. Typiska rapporteringsförfrågningar innebär vanligtvis repeterbar åtkomst till informationen, som kan vara månadsvis, veckovis, dagligen eller till och med i realtid.
ovanstående definition bygger på 2 stora felaktiga antaganden:
- Data är tillgängliga: ofta måste data hämtas från olika källsystem som ofta är fragmenterade inom företagen eller utanför företagen
- Data är rena: ofta behöver data översättas för konsumtion och måste formas för analys aktivering
”Analytics” betyder rådata analys. Typiska analysförfrågningar innebär vanligtvis en enstaka datautredning.
som kommer först? Rapportering eller analys
när en rapporteringsbegäran flyter igenom behöver analys ofta utföras. När en analytics-begäran flyter igenom kanske det inte behövs någon rapportering.
Nedan följer några av stegen för att bygga en rapport:
- förstå affärskrav
- Anslut och samla in data
- Översätt tekniska data
- förstå databakgrunderna med olika dimensioner
- hitta ett sätt att visa data för 100 kategorier och dess 5 underkategorier (500+ kombinationer!)
- arbeta om data
- affärsintressent blir förvirrad
- omfattning ändras
- Upprepa stegen
- mer arbete
- Initial visualisering på excel
- adressering av intressenter förståelse
- Start rapporteringsinstrumentpanelen build
- konfigurera funktioner och parametrar
- mer omarbetning
- testa användarupplevelsen
- överensstämmer med företagets stilguide
- testa rapporteringsautomatisering och distribution
- samarbeta med teknik eller produktionsteam
- ställ in en process för regelbunden uppdatering och fel
- Dokumentrapporteringsprocess
ovanstående berör bara den ursprungliga ytan…
om företaget vill ha få datapunkter eller bättre faktaförståelse, skulle analytics vara ett mer effektivt och effektivt alternativ.
Nedan följer några av stegen som är involverade i en dataanalysutforskning:
- skapa datahypotes
- samla in och manipulera data
- presentera resultat för verksamheten
- upprepa
verksamheten får resultat efter mycket få steg.
sökväg till en snabb datadriven organisation
det är viktigt att förstå skillnaden mellan ”rapportering” och ”analys”. I ett nuvarande konkurrenslandskap är hastigheten till insikter avgörande.
baserat på ovanstående förklaringar och steg är det ofta den bästa utgångspunkten att börja med ”analytics”. Om insikterna behöver cirkuleras brett och regelbundet kan en rapportering utvecklas. Detta kommer också att underlätta den tekniska driftsbelastningen som är förknippad med vanliga automatiseringsprocesser.
”om du fördubblar antalet experiment du gör per år kommer du att fördubbla din uppfinningsrikedom.”- Jeff Bezos
som Jeff (grundare av Amazon Company) nämnde behöver vi mer ”experiment” och datautforskning. Vi behöver inte fler rapporter.
om du är affärsanalytiker, förfina förfrågningarna från ”rapportering” till dataanalys.
om du är dataanalytiker, föreslå ett analytiskt partnerskap med verksamheten på röriga data.
tillsammans kan vi frigöra det verkliga affärsvärdet av data på ett snabbt och hållbart sätt.