Изучение организаций, того, как они развиваются, процветают или умирают, всегда увлекало меня. Мой любимый профессор из Массачусетского технологического института (MIT) , Джон Ван Маанен (JVM) привил мне этот интерес более двадцати лет назад. Вот мои мысли о различных типах организаций, управляемых данными, посвященных JVM.

За более чем двадцать лет работы с несколькими организациями, включая исследовательские (NASA, MIT), онлайн-гиганты (Facebook и AOL), Fortune 500 (Airtel, BMW, Pepsi, Goldman Sachs) и стартапы, я видел немногие, у которых есть обеспечили четкую границу между наукой о данных и производительностью, целями и задачами бизнеса; и эффективно использовать его в продуктах организации, маркетинге, финансах, продажах.

По мере того, как организации вступают в новый мир, где их конкуренты используют данные для получения бизнес-информации и конкурентных преимуществ, они пытаются найти способы и средства реагирования. Одним из результатов этого процесса является стремление к «тщеславным» метрикам, которые легко измерить и достичь (например: измерение количества нанятых «специалистов по данным»), но без доказательств того, что эти метрики способствуют достижению их бизнес-целей.

Что такое организация, управляемая данными?

Организация, управляемая данными, определяется не только ее способностью создавать отчеты и аналитику, но, скорее, ее способностью управлять действиями, повышающими эффективность бизнеса, на основе данных, таких как

  • Оптимизация бизнес-процессов для снижения затрат и продления жизненного цикла продукта
  • Понимание клиентской экосистемы для улучшения клиентского опыта (CX)
  • Получение рыночной информации на основе данных для выявления новых возможностей для бизнеса и получения доходов, позволяющих обойти конкуренцию

В основе эффективного использования данных лежит понимание руководством организации меняющейся роли огромных объемов данных и получение на их основе аналитических данных, тем самым определяя видение организации, управляемой данными, и формируя компетенции, которые могут поддержать это видение.

Этапы развития организации, управляемой данными

В первый день большинство организаций не разбираются в данных и часто не понимают, с чего начать или как определить прогресс. После запуска процесса организация проходит этап эволюции по мере улучшения ее понимания данных. Распространяется культура принятия решений на основе данных, а результаты измеряются и признаются внутри организации.

Организация, основанная на данных, состоит из трех различных этапов:

1. «Описательный» - сегодня на этом этапе находится примерно 90% организаций, управляемых данными. Они могут математически описать произошедшее, предпринять действия постфактум для улучшения бизнес-операций и, в большинстве случаев, отслеживать операционные, бизнес-показатели и показатели клиентов.

2. «Прогнозный»: способность моделировать свой мир - поведение клиентов, рыночные сегменты, эффективность маркетинговых каналов - дает организации возможность строить сценарии «что, если». , прогнозировать будущие потребности, в том числе на основе динамики рынка и потребительского спроса. Менее 10% компаний сегодня могут это делать; , и это дает им значительное преимущество перед конкурентами.

Пример. В зависимости от того, что покупают их клиенты и что они ищут, испанский швейцар Zara может выпускать более 30 000 новых моделей каждый год по сравнению с 3 000–4 000, которые делают обычные розничные торговцы.

3. «Подрывной»: очень немногие организации обладают смекалкой для глубокого понимания данных и привития им деловой хватки, чтобы либо создать новый рынок, либо разрушить рынок. .

Пример: способность Facebook использовать данные для доминирования на новом рынке (например, обмен сообщениями) или подрыва лидера рынка (например, Facebook Video против YouTube) позволяет ему постоянно создавать новые предприятия (платежи в WhatsApp) или развивать существующий ( знакомство / Tinder)

Хотя для перехода к этапу 2+ требуется значительная сложность и организационная зрелость, большинство из них может достичь этапа 1.5, т. е. описательных и некоторых прогнозных возможностей, приложив разумные усилия

Благодарность: обсуждения с моим давним другом и одним из выпускников IIT-B Викас Типнис были неоценимы при написании этой статьи!

Предыдущая статья : Прогнозы AI на 2018 год

Следующая история : Как построить следующий стартап на миллиард долларов

Привет. Такие статьи требуют много времени и усилий, поэтому, если вы мне аплодируете, это даст редакторам понять, что вам это нравится. Спасибо