Análisis de datos para una mejor estrategia

Simplifique su análisis de estrategias
Narendra Mulani - Harvard Business Review




Si bien los intereses de la analítica y los beneficios resultantes están aumentando día a día, algunas empresas tienen el reto por la complejidad y la confusión que pueden generar análisis. Las empresas pueden quedar atrapados tratando de analizar todo lo que es posible y todo lo que podían hacer a través de análisis, cuando deberían estar tomando el siguiente paso de reconocer lo que es importante y lo que deberían hacer - por sus clientes, interesados ​​y empleados. Descubriendo oportunidades reales de negocio y lograr los resultados deseados puede ser difícil de alcanzar.

Para superar esto, las empresas deben seguir un camino más simple para el descubrimiento de la visión en sus datos y tomar decisiones insight impulsado que agregan valor. Los siguientes son los pasos que hemos visto trabajar en una serie de empresas para simplificar su estrategia de análisis y generar una visión que lleva a los resultados reales:

Acelerar los datos: Datos rápidos = visión rápida = resultados rápidos. Liberate y acelerar los datos mediante la creación de una cadena de suministro de datos construida en un entorno de tecnología híbrida - una plataforma de servicios de datos en combinación con las tecnologías de datos grandes emergentes. Este entorno permite a las empresas para mover, gestionar y movilizar a la cantidad cada vez mayor de datos a través de la organización para el consumo más rápido que antes. Entrega en tiempo real de la analítica acelera la velocidad de ejecución y mejora la calidad del servicio de una organización. Por ejemplo, un banco de Estados Unidos adoptó un entorno de este tipo de tecnología para gestionar de manera más eficiente el aumento de los volúmenes de datos para sus proyectos de análisis de clientes. Como resultado, la firma experimentó mejora el tiempo de procesamiento por varias horas, generando ideas más rápidos y un tiempo de reacción más rápido.

Delegar el trabajo a sus tecnologías de análisis. El descubrimiento de ideas de datos no tiene que ser difícil. Estas son algunas maneras de delegar el trabajo a sus tecnologías de análisis:

• Next-Gen de Business Intelligence (BI) y la visualización de datos. En su esencia, la inteligencia empresarial de nueva generación está aportando datos y análisis a la vida para ayudar a las empresas a mejorar y optimizar su toma de decisiones y el desempeño organizacional. BI hace girando datos de una organización en un activo por tener los datos correctos, en el momento adecuado y el lugar (móvil, ordenador portátil, etc.), y se muestra en la forma visual derecha (mapa de calor, gráficos, etc) para cada decisión individual -maker, para que puedan utilizarlo para alcanzar los resultados deseados. Cuando los datos se presentan a los responsables de tal forma visualmente atractiva y útil, que están habilitados para perseguir y explorar oportunidades basadas en datos con más confianza.

Por ejemplo, una compañía de servicios financieros aplica BI y visualización de datos para ver los diferentes cubos de riesgo del conjunto de su cartera de préstamos. Después de analizar los datos clave y la visualización de los resultados a través de visualizaciones, la empresa identifica las áreas en los EE.UU., donde había altos índices de morosidad, exploró tramos basados ​​en los prestamistas, los fines de préstamos, y los canales de préstamo, y visto las carteras de préstamos bancarios. Los usuarios también pudieron interactuar con los resultados y consultar los datos en base a sus necesidades - seleccionar diferentes rangos de fechas, las puntuaciones FICO, comparar los prestamistas y los tipos de préstamos, etc. Debido a las capacidades de flexibilidad y de exploración de datos del BI interactivo y solución de visualización, decisiones Insight impulsada podrían hacerse y las acciones podrían llevarse a cabo que beneficiaría a la empresa.

• Descubrimiento de Datos. Descubrimiento de datos puede llevarse a cabo junto con los proyectos de datos de resultado específico. Mediante el uso de técnicas de descubrimiento de datos, las empresas pueden probar y jugar con sus datos para descubrir patrones de datos que no son claramente evidentes. Cuando más ideas y patrones se descubren, más oportunidades para impulsar el valor para el negocio se puede encontrar. Por ejemplo, una compañía de recursos fue capaz de predecir que las tuberías son de mayor riesgo tanto de las amenazas físicas y atípicos mediante técnicas de descubrimiento de datos. Debido a los conocimientos adquiridos, la empresa fue capaz de priorizar dónde deben invertir los fondos para las medidas de lucha contra el fracaso y las reparaciones de mantenimiento.

• Aplicaciones de Google Analytics. Las aplicaciones pueden simplificar la analítica avanzada, ya que poner el poder de la analítica sencilla y elegante en manos de los usuarios de negocios para tomar decisiones empresariales basadas en datos. También pueden ser específicas de la industria, flexible y adaptado a las necesidades de los usuarios individuales a través de las organizaciones - desde el marketing a las finanzas, y los niveles de alta dirección a los mandos intermedios. Por ejemplo, una aplicación de análisis avanzado puede ayudar a un gerente de la tienda a optimizar su inventario y una OCM podría usar una aplicación para optimizar los gastos de marketing global de la compañía.

• El aprendizaje automático y la computación cognitiva. El aprendizaje automático es una evolución de la analítica que elimina gran parte del elemento humano en el proceso de modelado de datos para producir predicciones de comportamiento de los clientes y el rendimiento de la empresa. Como se describe en la tendencia inteligente para empresas en el 2015 informe de Accenture Tecnología Visión: Con una afluencia de grandes volúmenes de datos, y los avances en potencia de procesamiento, las máquinas de la ciencia y la tecnología cognitiva de datos, inteligencia de software está ayudando a tomar decisiones mejor informadas. A modo de ejemplo, un minorista combina datos de múltiples canales de venta (móvil, tienda, en línea, y más) en tiempo casi real y la máquina utilizada para aprender a mejorar su capacidad para hacer recomendaciones más personalizadas a los clientes. Con este enfoque impulsado por los datos, la compañía fue capaz de dirigirse a los clientes de manera más efectiva y aumentar sus ingresos.

Reconozca que cada camino a una visión de datos es única. El camino hacia la comprensión no viene en una sola forma. Hay muchos elementos diferentes en el juego, y siempre están cambiando - los objetivos de negocio, tecnologías, tipos de datos, fuentes de datos, y luego algunos se encuentran en un estado de flujo. Otro componente principal del análisis de la jornada de una empresa depende de la propia cultura de la empresa: ¿es más conservador o dispuesto a correr riesgos? ¿Tiene una gran cantidad de tecnologías de datos y análisis existentes para trabajar con, o está empezando a cabo con su primer proyecto de análisis? No importa qué combinación de la cultura y la tecnología existe para que una empresa, cada ruta de análisis visión debe ser individual pavimentado con una mentalidad resultado impulsada.

Para ello, las empresas pueden adoptar dos enfoques dependiendo de la naturaleza del problema de negocio. En primer lugar, por un problema conocido con una solución conocida - como la segmentación de clientes y la modelización propensión a campañas de marketing - la compañía podría adoptar un enfoque basado en la hipótesis partiendo de los resultados (por ejemplo, la venta cruzada / up-sell a los clientes existentes) , piloto y probar la solución con un grupo de control y luego escalar ampliamente a través de la base de clientes. En segundo lugar, por un problema conocido zona, el fraude por ejemplo, pero con una solución desconocida, la compañía podría adoptar un enfoque basado en el descubrimiento para buscar patrones en los datos para encontrar correlaciones interesantes que pueden ser predictiva-por ejemplo, un banco encontró que la velocidad a la que los campos estaban llenos a cabo en sus formularios en línea fue altamente correlacionado con el comportamiento fraudulento. Es de destacar que la hora de determinar cuál es el problema para abordar, las empresas deben primero centrarse en el que puede ofrecer el más alto valor, entonces puede optar por un enfoque basado en hipótesis o basado en el descubrimiento basado en el grado de conocimiento institucional que tiene que resolver ese tipo de problema.

Una vez que se descubren ideas, el siguiente paso es que el negocio, por supuesto, para tomar las decisiones basadas en datos que sitúan la acción detrás de los datos. Es posible descubrir las oportunidades de negocio en sus datos y mejorar la equidad de datos, simplemente.

Posted in: Big Data,estrategia comercial,planificación