Роль данных в бизнесе

Роль данных для бизнеса с каждым годом растет и этот год не будет исключением. Ведущий аналитик по рыночным стратегиям Exasol Хелена Швенк и ее коллега, аналитик по рыночному анализу Майкл Гленн рассказывают на портале Information Age о возрастающем значении культуры данных, выходе из обихода термина «большие данные» и др.

Результаты исследования, проведенного Gartner в 2018 г., показали, что для 54% предприятий приоритетным направлением являются данные и аналитика, которые они собираются применять для повышения эффективности процессов в рамках своей стратегии, тогда как 34% респондентов основным направлением деятельности рассматривают повышение качества обслуживания клиентов и разработку новых продуктов. Эти результаты наглядно продемонстрировали, что данные становятся все более важным элементом стратегии бизнеса. Очевидно, что сегодня компании рассматривают различные способы их использования для выработки планов интеллектуальных, действенных идей для опережения соперников за счет конкурентных отличий. Поскольку мы вступаем в эпоху данных, важно понимать, что это означает.

Автоматизация управления компанией. Роль Базы данных

Грамотность в сфере данных проникнет в Agile-методологии

В 2001 г. Agile-методология начала двигаться из мира разработки ПО в сторону инициатив по управлению проектами, подавая себя как средство, которое помогает сгладить последствия непрерывных изменений. Она сочетает в себе дисциплину исполнения с постоянными инновациями таким образом, чтобы стимулировать вовлеченность сотрудников.

Одним из преимуществ методологии является способность разрушать организационные барьеры. Но по мере того, как инновации становятся высокотехничными и ориентированными на данные, лидеры бизнеса, в отличие от специалистов по данным, испытывают все больше трудностей из-за отсутствия навыков общения на «языке данных». Таким образом, грамотность в сфере данных станет критически важным навыком для организаций, стремящихся постоянно вводить новшества на фоне растущих объемов информации. Ключом к созидательному потенциалу является разнообразие мышления, оно же стимулирует создание инструментов, которые наделяют сотрудников организаций способностью создавать идеи и группироваться вокруг инноваций. Информационная грамотность будет рассматриваться в качестве посредника между генерацией идей и их воплощением в жизнь: обучившись «языку данных», специалисты по продажам, менеджеры, юристы и другие категории специалистов, которые не обладают специализированными навыками, смогут конструктивно общаться со специалистами по данным, донося до них свои идеи.

От больших данных к корпоративным стратегиям данных

Стратегии в области данных остаются главным приоритетом для предприятий, что подтверждается возрастающим влиянием роли директоров по данным (CDO) в бизнес-процессах предприятий. По данным исследования Exasol «Cloud Survey», которое было проведено в прошлом году, 86% респондентов сообщили включении CDO в свой штат, чтобы проводить скоординированную стратегию в области обработки и управления данными.

БОЛЬШИЕ ДАННЫЕ В ОФД 📈 КАК ИСПОЛЬЗОВАТЬ BIG DATA В БИЗНЕСЕ

Работа с данными — критически важная инициатива в современном бизнесе, но в этом году намечается тенденция к снижению популярности термина «большие данные», который употреблялся по любому поводу. Чтобы обозначить рамки анализируемых данных, компании прибегнут к конкретике, говоря, что работают с демографическими данными клиентов, выписками по кредитным картам, данными о транзакциях и точках продаж, онлайн- и мобильными переводами и платежами, а также данными бюро кредитных историй, чтобы обнаружить сходства в клиентской базе, которая может состоять из десятков тысяч микросегментаций.

С их помощью компании смогут создать свой «следующий новый продукт», который подстегнет продажи и поможет удержать внимание клиентов. За последние два года количество назначений на должность CDO в компаниях резко возросло, особенно это касается финансовых организаций и страховых компаний, которые уделяют повышенное внимание созданию логической структуры для работы с данными, а также образуют отдельные специальные департаменты.

Количество CDO в финансовом секторе выше, чем в других отраслях, и в этом году отрыв увеличится. Финансы — один из наиболее развитых в аналитическом отношении секторов, и круг обязанностей CDO в нем трансформируется наиболее ощутимо, уходя от первоначально технических задач к охвату более широкого круга задач, которые включают управление данными, аналитику, науку о данных, этику и цифровую трансформацию. Фактически CDO достигли того авторитета, чтобы действовать в качестве агентов изменений для бизнеса, уделяя ему повышенное внимание. Основные функции CDO касаются соблюдения регуляторных требований и введения в действие нормативных мандатов, что позволяет ведущим компаниям задействовать их опыт в качестве источника бизнес-идей, стратегий и инноваций, таких как разработка дополнительных информационных услуг, которые позволяют использовать новые основополагающие процессы и политики.

Повсеместное внедрение ИИ начнется только в самых передовых фирмах

В этом году компании продолжат активно инвестировать в ИИ, но большинство из них будут применять его как вспомогательное средство для решения узкоспециализированных задач. Например, фирмы, которые производят товары повседневного спроса, с большей вероятностью будут вкладывать средства в промышленную робототехнику, которая позволит оптимизировать производственные процессы, а операторы — в виртуальных агентов, работающих с клиентами.

Однако какая-то часть компаний попытается извлечь из ИИ выгоду, задействуя его во всех возможных направлениях деятельности. Например, анализ настроений может использоваться не только для разбора жалоб клиентов, но и наполнения маркетингового контента и микросегментации для сложных стратегий продаж.

Выбор ИИ-решений будет зависеть от структуры расходов для определения моделей next-product-to-buy и выработки глубоко персонализированной маркетинговой стратегии. Препятствием на пути широкого внедрения ИИ является отсутствие данных для обучения. Большинство компаний не могут похвастаться богатством информации, которой владеют Google, Apple и Amazon. Их продукты и услуги обладают почти неисчерпаемым запасом разнообразных потоков данных, создавая идеальную среду для обучения алгоритмов. Очевидно, что небольшие компании не имеют доступа к сопоставимым наборам данных или он чрезмерно дорог.

Спрос на данные будет удовлетворяться за счет синтетических наборов данных

• изучение реальных статистических распределений и воспроизведение имитируемых данных в соответствии с полученными закономерностями;
• создание поведенческих моделей с последующей генерацией случайных данных. Это поможет выявить эффект взаимодействия между различными агентами, которые оказывают влияние на систему в целом.

Компании с ограниченными возможностями хранения данных обнаружат, что для размещения своих синтетических данных им нужно сложное решение с элементами машинного обучения.

Очевидно, что данные являются важным активом в бизнесе. И, похоже, что станет еще одним переломным годом для данных, с помощью которых продолжат открываться бесконечные возможности для новых стратегий и аналитики.

Источник: www.itweek.ru

Пора внедрять data-driven. Как этот подход преобразует бизнес

Елена Герасимова, руководитель факультета « Аналитика и Data Science » в Нетологии, рассказала, на чём основывается подход data-driven, как он используется в современных компаниях и что нужно делать руководителю, чтобы успешно внедрить культуру принятия решений на основе данных.

Термин data-driven появился на стыке девяностых и двухтысячных. Именно тогда бизнес-среда стала говорить о новом подходе в маркетинге, который позволял принимать решения на основе собранных данных.

Сегодня в дефиците не только технические специалисты, способные организовать работу с данными и устройствами, но и менеджеры, понимающие, как интегрировать Data Science и новейшие технологии в бизнес-процессы, правильно нанимать специалистов, ставить им задачи и организовывать их работу.

Менеджмент data-driven — это культура принятия стратегических решений на основе данных с интеграцией аналитических отчетов в ключевые бизнес-процессы компании.

Учитывая растущее количество кросс-компетентных ролей в компаниях, появляется все больше принципиально новых позиций, которые занимаются работой с аналитикой в разном виде:

• CDO (Chief Data Officer);
• CAO (Chief Analytics Officer);
• CPO (Chief Privacy Officer);
• CAIO (Chief Artificial Intelligence Officer);
• CGO (Chief Growth Officer).

Каждая из этих позиций предполагает выступление ролевой моделью инфраструктурных изменений и трансформацию существующей в компании культуры, стратегии, видения и методики принятия решений.

При этом нередко переход к data-driven подразумевает не столько технологическую трансформацию, сколько изменение бизнес-модели компании. При таком подходе вы отбрасываете все, кроме численных данных, в целостности и актуальности которых уверены.

В каждой из новых перечисленных ролей на первый план выходят:

• понимание множества окружающих функций и процессов;
• «насмотренность», опыт и компетенции в каждой из затронутых в трансформации областей;
• способность связать воедино собственный опыт и видение остальных участников С-уровня;
• желание преодолевать сопротивление «делать, как всегда делали», исследовать и быть готовым принять культуру работы с данными.

Роль данных в принятии решений

С руководителями мы разобрались — от данных им никуда не деться. Какую же роль играет аналитика для принятия решений?

Подход data-driven демонстрирует видение того, как компания, использующая данные для принятия решений, выглядит в реальности (совершенно необязательно иметь для этого цифровой продукт).

Помимо этого, он помогает уточнить формулировку миссии бизнеса и получить выводы, которые делают аналитику и данные ощутимыми (реальными) для людей без опыта анализа. Передовые технологии обработки данных через ИИ и машинное обучение становятся понятными более широкому кругу, когда используются для предиктивного анализа продаж, износа оборудования и риска вложений в активы.

Таким образом культура работы с данными помогает сделать очевидными практические бизнес-результаты от анализа данных и понимание текущего состояния, фокуса и намерений бизнеса.

Как стать data-driven?

Сама культура принятия решений, основанная исключительно на данных, может выглядеть простой с точки зрения внедрения, но руководителю и всей команде необходимо пройти определенные шаги и разобрать важные вопросы.

• Четко опишите свои бизнес-данные и аналитическую стратегию.
• Что собираем? Где храним? Сколько храним? Сколько это стоит? Какой результат нам даст?
• Не страшно, если компания решит начать с небольшого проекта. Только такие гиганты, как Facebook или Amazon, могут себе позволить хранить все подряд постоянно и без потерь.
• Оцените стоимость информационно-технической экосистемы, позволяющей получать доступ к данным, и количество ее пользователей.
• Сейчас всю обработку данных можно доверить облакам, так вам не нужно будет капитально вкладываться в оборудование, которое может устареть быстрее, чем трансформируется культура компании.
• Распишите план действий по переходу от бизнес-отчетности к глобальной аналитике: отчетность — результат, аналитика — процесс, хотя и там, и там заказчик — бизнес.
• Актуализируйте курс и скорость трансформации раз в квартал: нужно, чтобы все сотрудники компании жили ею, а не просто смотрели на цифры в формальных документах.
• CDO берет на себя роль центра всей «аналитики»: создает для каждого из потребителей данных в компании инфраструктуру самостоятельного доступа.
• Объедините всех единой целью изменения культуры работы с данными: необходимо тесно взаимодействовать с ИТ-специалистами и другими участниками С-круга вашей компании.

Учитывая все вышесказанное, можно сделать вывод, что переход к культуре data-driven необходим не всем.

Например, компании, основанные на сильном брендинге в качестве источника основного дохода, могут не видеть особой ценности в том, чтобы стать data-driven, поскольку решения по брендингу не требуют большого количества данных.

Отличным примером применения трансформации data-driven на уровне всей компании является Uber: обширно используются данные, которые компания получает от пассажиров и водителей.

Алгоритмы Uber рассчитывают стоимость поездки, оценивают потоки людей, меняют цены, дают рекомендации водителям, как больше заработать, основываясь на собранных данных.

В компании такого уровня вся работа с данными требовала бы найма огромного штата дата-сайентистов и их погружения в бизнес-контекст. Вместо этого компания пошла по пути построения платформы управления данными, которая позволила использовать продвинутые аналитические инструменты широкому кругу пользователей.

Но стоить помнить, что и к сотрудникам, даже высокоуровневым, в таких условиях предъявляются высокие требования. Как минимум ожидается владение базовым инструментарием аналитика:

• SQL;
• основы Python;
• BI-инструментов.

Подводя итог, можно сказать, что руководителям, «пощупавшим» данные, гораздо проще находить со своими аналитиками общий язык в дальнейшем.

Аналитик данных — это одна из важнейших ролей в компании. Глаза, ум и здравый смысл бизнеса.

Аналитик обязан «видеть цифру за каждым человеком и человека за каждой цифрой», а также уметь продать свое видение коллегам, которые могут иметь очень разный опыт и отношение к аналитике в целом. Эта роль даже в продуктовой компании предполагает максимальное количество общения с неаналитиками.

Елена Герасимова

Руководитель факультета « Аналитика и Data Science » в Нетологии

курс

Аналитика для руководителей

Узнать больше

• Научитесь использовать данные для стратегического планирования
• Сможете правильно формулировать задачи и ожидания и получать максимально полезные отчёты
• Научитесь с троить аналитические метрики, связывать их в систему и проектировать дашборды

Именно культура работы с данными помогает договориться о правилах игры, терминах, визуализации метрик, выводах и дальнейших рекомендациях. Но руководителю нужно учиться пониманию роли аналитики и ее результатов в бизнес-процессах компании.

Это будет происходить небыстро, даже если, на первый взгляд, культура data-driven близка компании. Менеджерам необходимо понимать, как интерпретировать данные в стратегии, строить работающие гипотезы на их основе и при этом контролировать работу специалистов по аналитике.

Изначально материал опубликован на Rusbase.

ЧИТАТЬ ТАКЖЕ

Хотите написать колонку для Нетологии? Читайте наши условия публикации. Чтобы быть в курсе всех новостей и читать новые статьи, присоединяйтесь к Телеграм-каналу Нетологии.

Источник: netology.ru

Бизнес-аналитика данных: как использовать данные для улучшения бизнеса

В наше время бизнес не может существовать без использования данных. Бизнес-аналитика – это процесс сбора, анализа и интерпретации данных с целью принятия решений для улучшения бизнеса. В этой статье мы рассмотрим, как использовать данные для улучшения бизнеса.

В первую очередь, нужно определить, какие данные важны для вашего бизнеса. Это может быть информация о продажах, клиентах, конкурентах, финансах и т.д. Чем больше данных вы соберете, тем точнее будут ваши выводы.

Анализ данных в бизнес-аналитике

Как только вы собрали достаточно данных, необходимо провести их анализ. Для этого можно использовать различные инструменты и системы, такие как Excel, Tableau, Power BI и другие. При анализе данных важно обращать внимание на их качество, достоверность и полноту. Неправильное аналитическое решение может привести к ошибкам и негативным последствиям для бизнеса.

Когда вы проанализировали данные, вы можете использовать их для принятия решений. Например, вы можете определить, какие продукты наиболее популярны среди клиентов, и сосредоточиться на развитии этих продуктов. Или вы можете определить, какие рекламные каналы наиболее эффективны, и увеличить бюджет на эти каналы.

Также бизнес-аналитика может помочь вам предсказать будущие тенденции и сделать прогнозы на основе данных. Например, вы можете предсказать, как изменится спрос на определенный продукт в будущем и подготовиться к этому заранее.

Большие данные и бизнес-аналитика

Чтобы иметь возможность сделать полезные выводы для бизнеса и получить полезные зависимости и скрытые зависимости, которые можно использовать для извлечения выгодных для компании гипотез и получения прибыли, используют Большие данные.

Большие данные – это собранные со множества источников огромные массивы данных в любом виде в разнообразных форматах:

• Текстовый,
• Наборы чисел (бинарные данные),
• Изображения,
• Видео,
• удио,

Сегодня мы уже имеем различные потоки данных:

• Информацию с баз данных,
• Cтримы видеопотоков,
• Стримы аудиопотоков.

Что такое большие данные

Большие данные связывают с тремя V

• Volume (объем),
• Variety (разнообразие форматов),
• Velocity (скорость прироста).

Большие данные – это такие данные, которые нельзя обработать на одном компьютере.

Шуточное определение больших данных

Существуют 3 больших направления работы с большими данными:

1. Big Data,
2. Data Mining,
3. Mashine Learning.

Более подробно остановлюсь на втором направлении.

Data Mining

Позволяет доставать из всей всей этой информации полезную информацию, которую можно будет в последствии использовать для вычлинения полезных зависимостей и скрытых зависимостей, чтобы потом это можно было использовать в дальнейшей работе.

Структурирование разнообразных сведений, поиск скрытых и неочевидных связей для приведения к единому знаменателю. Data Mining можно отнести к одному из инструментов бизнес-аналитики.

Системы бизнес-аналитики (BI)

Чтобы качественно анализировать данные, бизнес-аналитики используют аналитические системы. Можем выяснить какие из существующих BI-инструментов самые популярные на сегодняшний день. Для этого обратимся к отчетам исследовательской консалтинговой компании Gartner.

Магический квадрант Гартнера – Поставщики BI

«Магический квадрант» компания Gartner называет отчет, с анализом какого-либо сегмента рынка, в котором представлены поставщики на графике с четвертями:

1. Лидеры,
2. Претенденты,
3. Дальновидные игроки, – Нишевые игроки.

Из квадранта Гартнера BI видно, что лидерами среди поставщиков BI систем являются:

1. Microsoft со своим инструментом – Power BI,
2. Tableau,
3. Qlik со своим продуктов – QlikView.

Российские популярные BI-системы

Среди российских наиболее популярных BI-систем, с которыми мне приходилось сталкиваться, я могу выделить две платформы, это:

1. Yandex DataLens. Приходилось делать дашборды в DataLens в сфере ритейла. Мне понравился сам факт специфического подхода в интерфейсе платформы, но возможности в гибкости инструментов, на мой взгляд, уступают привычному мне Power BI. Надеюсь, данная BI-система будет развиваться.
2. Visiology. Могу порекомендовать эту компанию и их платформу, так как сталкивался с ее представителями еще на первой стажировке в бизнес-аналитике.

Бизнес-аналитика для оптимизации бизнес-процессов и снижения рисков

Бизнес-аналитика также помогает снизить риски. Например, если вы планируете запустить новый продукт на рынок, вы можете провести исследование рынка, чтобы определить, насколько востребован этот продукт. Это поможет вам сократить риски и снизить возможные потери.

Исследования рынка

Можно найти уже проведенные исследования рынка. Среди платных российских исследований выделю такие ресурсы, как:

• РБК Магазин исследований
• BusinesStat Готовые обзоры рынков
• Индексбокс Маркетинг Готовые исследования

Но можно так же найти достаточно информативные бесплатные готовые исследования рынка. Среди бесплатных российских исследований отмечу такой ресурс, как:

Кроме того, бизнес-аналитика помогает увеличить эффективность бизнеса. Например, если вы заметили, что некоторые процессы в вашей компании занимают слишком много времени и ресурсов, вы можете провести анализ, чтобы определить, какие из этих процессов можно оптимизировать, чтобы увеличить эффективность и снизить затраты.

Кроме того, бизнес-аналитика может помочь улучшить взаимодействие с клиентами. Например, вы можете использовать данные о клиентах для создания персонализированных продуктов и услуг, увеличивая тем самым лояльность клиентов и улучшая их опыт взаимодействия с вашим бизнесом.

Наконец, бизнес-аналитика может помочь вам конкурировать на рынке. Анализ данных конкурентов может помочь вам определить их слабые места и преимущества, что поможет вам разработать стратегию, которая позволит конкурировать на равных условиях.

Инструменты бизнес-аналитики

К инструментам Business Intelligence можно отнести интерактивную аналитическую обработку OLAP. Для реализации целей бизнес-аналитики используют BI-системы, о которых мы писали выше.

С помощью, например, того же Power BI можно относительно быстро найти полезные закономерности в датасетах с данными, которые предоставила компания.

С помощью BI-инструментов можно создать стратегический дашборд для руководства компании, инвесторов или учредителей, опираясь на который они будут корректировать свои решения, благодаря обнаружению скрытых зависимостей.

Дашборды могут быть разных уровней:

• Стратегические отчеты,
• Аналитический отчет,
• Оперативный отчет.

Целевая аудитория стратегических дашбордов, как мы уже выяснили, является ТОП-менеджмент. Например, аналитические дашборды предназначены для руководителей отделов и формируются на основе оперативных данных.

Благодаря дашбордам руководители на местах удобно отслеживают эффективность работы отдела на основе оперативных данных, отслеживают метрики и имеют возможность принимать более обоснованные решения.

В заключение

В целом, бизнес-аналитика является необходимым инструментом для улучшения бизнеса. Она помогает в таких направлениях, как:

• Принятие обоснованных решений на основе данных,
• Снижение рисков,
• Повышение эффективности,
• Оптимизация расходов и бизнес-процессов,
• Улучшение взаимодействия с клиентами,
• Успешное конкурирование на рынке.

Кроме того, бизнес-аналитика позволяет увидеть бизнес в целом, помогает выявить проблемные области и потенциальные возможности для улучшения.

Однако, необходимо учитывать, что бизнес-аналитика может быть дорогой и сложной. Она требует квалифицированных специалистов, соответствующих инструментов и технологий, а также значительных затрат на обработку и хранение данных.

Поэтому, перед тем как приступить к бизнес-аналитике, необходимо оценить ее целесообразность и определить, какие данные и аналитические инструменты необходимы для достижения поставленных целей.

“Бизнес-аналитика – это неотъемлемая часть современного бизнеса, которая помогает улучшать работу бизнес-процессов, снижать риски, улучшать взаимодействие с клиентами и конкурировать на рынке. Без использования данных и аналитических инструментов на основе современных технологий, бизнес не может быть эффективным и конкурентоспособным.”

Список литературы и источники:

1. Годовой отчет в Excel 2022 Интерактивный дашборд, Институт Бизнес Аналитики
2. Искусственный интеллект: создайте свою первую нейросеть, Нетология

Соавтор статьи: Андрей Рудик, Специализация: BI-аналитика, Портфельное инвестирование, Создание сайтов, Техническое SEO, Опыт: 9 лет.

Полезна ли была статья?

Дайте нам знать, понравился ли вам этот пост. Это единственный способ, которым мы можем совершенствоваться.

Источник: analyticsinvest.ru