راهنمای تصمیم گیری داده محور: تصمیم گیری مبتنی بر داده چیست، اهمیت و نحوه اجرای آن

تصمیم‌گیری داده‌محور چیست؟

تصمیم‌گیری داده محور(DDDM) عبارت است از استفاده از واقعیت‌ها، معیارها و داده‌ها به منظور هدایت تصمیمات استراتژیک تجاری که با مأموریت‌ها، اهداف و نوآوری‌های شما هماهنگ است. وقتی سازمان‌ها ارزش کامل داده‌های خود را درک می‌کنند، این بدان معنا است که همه(چه تحلیلگر کسب و کار، مدیر فروش یا متخصص منابع انسانی) هر روز این اختیار را دارند که با داده‌ها تصمیمات بهتری اتخاذ کنند. با این حال، این مهم تنها با انتخاب فناوری تجزیه و تحلیل مناسب برای شناسایی فرصت‌های استراتژیک محقق نمی‌شود.

سازمان شما باید تصمیم‌گیری داده‌محور را به عنوان یک روال عادی در نظر بگیرد(ایجاد فرهنگی که تفکر انتقادی و کنجکاوی را تشویق می‌کند). افراد در هر سطح مکالمه‌هایی دارند که با داده شروع می‌شود و آن‌ها مهارت‌های داده خود را از طریق تمرین و به‌صورت کاربری، توسعه می‌دهند. اساساً، این نیاز به یک مدل سلف سرویس دارد که در آن افراد می‌توانند به داده‌های مورد نیاز خود(با رعایت امنیت و حاکمیت داده) دسترسی داشته باشند. همچنین مستلزم مهارتی برای ایجاد فرصت‌های آموزشی و توسعه برای کارمندان به منظور یادگیری و مهارت‌های داده است. در نهایت، داشتن حمایت اجرایی و فضایی که از تصمیمات داده‌محور حمایت می‌کند و تصمیم‌گیری داده‌محور دارد، دیگران را هم به انجام همین کار تشویق می‌کند.

ایجاد این قابلیت‌های اصلی به تشویق تصمیم‌گیری داده‌محور در تمام سطوح کسب و کار کمک می‌کند، بنابراین گروه‌های تجاری به طور مرتب اطلاعات را مورد سؤال و بررسی قرار می‌دهند تا بینش‌های قدرتمندی که باعث حرکت روبه‌جلو می‌شوند را کشف کنند.

اهمیت تصمیم‌گیری داده‌محور

حجم اطلاعات جمع‌آوری‌شده نه‌تنها بیشتر شده است بلکه پیچیده‌تر شده است. این امر مدیریت و تجزیه و تحلیل داده‌های شما را برای سازمان‌ها مشکل می‌کند. در واقع، NewVantage Partners اخیراً گزارش داده است که 98.6 درصد از مدیران نشان می‌دهند که سازمان آن‌ها به فرهنگ داده‌محوری تمایل دارند در حالی که فقط 32.4 درصد از این مدیران موفق بوده‌اند. یک مطالعه ISC در سال 2018 همچنین نشان داد که سازمان‌ها میلیاردها دلار برای مدرن‌سازی کسب و کار خود سرمایه‌گذاری کرده‌اند اما 70 درصد از آن‌ها شکست‌خورده‌اند چون آن‌ها سرمایه‌گذاری روی فناوری را(بدون ایجاد فرهنگ داده‌محور برای حمایت از آن) در اولویت قرار داده‌اند.

بسیاری از شرکت‌ها در راستای دستیابی به اطلاعات، سه قابلیت اصلی(مهارت داده، چابکی تجزیه و تحلیل و انجمن) را توسعه می‌دهند. تغییر نحوه تصمیم‌گیری شرکت شما کار ساده‌ای نیست، اما ترکیب داده‌ها و تجزیه و تحلیل در چرخه تصمیم‌گیری است که باعث می‌شود تأثیرگذارترین اثرگذاری را روی سازمان خود مشاهده کنید. این سطح از تحول نیاز به یک رویکرد اختصاصی برای توسعه و اصلاح برنامه تجزیه و تحلیل شما دارد.

سازمان‌هایی که از تصمیم‌گیری داده‌محور استفاده می‌کنند

به لطف هوش تجاری مدرن، سازمان‌ها در حال درک ارزش تصمیم‌گیری داده‌محور در همه بخش‌ها و نقش‌ها هستند. در ادامه چند نمونه از سازمان‌هایی که به طور مؤثری از ارزش افراد و داده‌هایشان استفاده می‌کنند را لیست کرده‌ایم:

لوفت هانزا یک شرکت هواپیمایی جهانی است که در یک مقطع زمانی، هیچگونه همخوانی با گزارشات تجزیه و تحلیل در 550 شرکت زیر مجموعه خود نداشت. با استفاده از یک پلتفرم تجزیه و تحلیل، آن‌ها کارایی را تا 30 درصد افزایش دادند، انعطاف‌پذیری بیشتری در تصمیم گیری‌ها کسب کردند و خودمختاری دپارتمان‌ها را افزایش دادند. هایکو مرتن که سرپرست برنامه‌های هوش تجاری در فروش است اظهار می‌دارد که ما در موقعیتی قوی‌تر برای ایجاد و طراحی تجزیه و تحلیل خود به صورت مستقل هستیم، همچنین بسیاری از افراد اهمیت داده‌ها را برای موفقیت لوفت هانزا درک کرده‌اند.

 Providence St. Joseph Health یک سیستم 51 بیمارستانی با بیش از 100000 تخت، سالانه مراقبت‌های بهداشتی با کیفیت بالا و مقرون به صرفه را برای میلیون‌ها بیمار ارائه می‌دهد. داده‌های بیمار در بسیاری از سیستم‌ها وجود دارد، اما مدیریت و ادغام مقادیر فزاینده داده‌ها یک کار پیچیده است. Providence St. Joseph Health داشبوردهایی را برای بیمارستان در دسترس قرار داده است که داده‌های کیفی و هزینه را شفاف‌تر می‌کند، بنابراین ارائه دهندگان می‌توانند اقدامات کیفی را به میزان قابل توجهی بهبود بخشند و هزینه مراقبت را کاهش دهند. دکتر آری روبیچک، مدیر ارشد تجزیه و تحلیل پزشکی توضیح می‌دهد: ما برای بهبود نتایج با کیفیت، تغییرات سختی را در سراسر سیستم ایجاد کردیم و معتقدم بخشی از این بهبود به این خاطر بوده است که همه ما به یک زبان مشترک صحبت می‌کنیم.

شرکت چارلز شواب یکی از بزرگ‌ترین شرکت‌های خدمات مالی عمومی است که بر اساس دارایی‌های مشتری خرید و فروش انجام می‌دهد. داده‌ها برای افزایش تجربه مشتری، افزایش اهرم عملیاتی و کاهش ریسک مهم هستند. با افزایش علاقه کارکنان به داده‌ها و تجزیه و تحلیل، آن‌ها در برنامه‌ریزی ظرفیت و مدل پشتیبانی داده‌ها تجدید نظر کردند و یک پلتفرم هوش تجاری سازمانی را انتخاب کردند که از تحلیلگران و کاربران تازه کار تجاری پشتیبانی می‌کند.

دونالد لی مدیر ارشد هوش تجاری این شرکت بیان کرد که: بدون تجزیه و تحلیل بصری، ما در تجزیه و تحلیل حجم عظیمی از داده‌ها در صفحات گسترده دچار مشکل می‌شویم. در عوض، داشبوردهای ما بینش‌های واضح و قابل توجهی را ارائه می‌دهد که کسب و کار را به جلو سوق می‌دهد.

6 مرحله برای تصمیم‌گیری داده‌محور مؤثرتر

این مراحل می‌تواند به شما کمک کند “چه کسی، چه چیزی، کجا، چه وقت و چرا” برای استفاده بیشتر از داده‌ها(هم برای شما، هم همکاران و هم کسب و کار) پیدا کنید. اما به خاطر داشته باشید که چرخه تجزیه و تحلیل بصری خطی نیست. یک سؤال اغلب به سؤال دیگری منجر می‌شود که ممکن است به این معنا باشد که شما باید به یکی از این مراحل برگردید یا از مرحله دیگری بگذرید، در نهایت منجر به بینش‌های ارزشمندی می‌شود.

مرحله 1: شناسایی اهداف

این مرحله مستلزم درک اهداف سازمان از رده‌های بالای مدیریتی تا سطوح اجرایی سازمان است. این امر می‌تواند به افزایش تعداد فروش و ترافیک وبسایت یا به مبهمی افزایش آگاهی برند باشد. این امر بعداً به شما در انتخاب شاخص‌های کلیدی عملکردی(KPI) و معیارهایی که بر تصمیمات داده‌محور تأثیر می‌گذارد کمک می‌کند و این‌ها به شما کمک می‌کند تعیین کنید که کدام داده‌ها را تجزیه و تحلیل کنید و چه سؤالاتی را بپرسید تا تجزیه و تحلیل شما از اهداف کلیدی کسب و کار پشتیبانی کند. به عنوان مثال، اگر یک کمپین بازاریابی بر افزایش ترافیک وب‌سایت متمرکز باشد، یک KPI می‌تواند مقدار تکمیل فرم تماس با ما باشد.

مرحله 2: نظرسنجی از تیم‌ها برای شناسایی منابع کلیدی داده‌ها

برای اطمینان از موفقیت، دریافت اطلاعات از افراد سراسر سازمان به منظور درک اهداف کوتاه مدت و بلند مدت بسیار مهم است. این ورودی‌ها به سؤالاتی که مردم در تجزیه و تحلیل خود می‌پرسند و نحوه اولویت‌بندی منابع داده کمک می‌کند. ورودی‌های ارزشمند از سراسر سازمان به شما کمک می‌کند تا تجزیه و تحلیل بهتری داشته باشید، وضعیت آینده خود(از جمله نقش‌ها، مسئولیت‌ها، معماری و فرایندها) را پیش‌بینی کرده و همچنین اندازه‌گیری موفق از پیشرفت پروژه داشته باشید.

مرحله 3: جمع‌آوری و آماده‌سازی داده‌های مورد نیاز

اگر داده‌های کسب و کار شما در منابع داده غیر متصل و غیرقابل دسترسی قرار گرفته باشند، دسترسی به داده‌های با کیفیت و قابل اعتماد می‌تواند یک چالش بزرگ باشد. هنگامی که ایده‌ای درباره وسعت منابع داده در سازمان خود پیدا کردید می‌توانید آماده‌سازی داده‌ها را شروع کنید.

از منابع داده با تأثیر زیاد و پیچیدگی کم شروع کنید. منابع داده با بیشترین مخاطبان را در اولویت قرار دهید تا بتوانید تأثیر سریع‌تری داشته باشید. از این منابع برای داشبوردهای مهم و تاثیرگذار استفاده کنید.

آژانس بازاریابی Tinuiti بیش از 100 منبع داده را با یک پلتفرم تجزیه و تحلیل که از آماده‌سازی سریع‌تر داده‌ها پشتیبانی می‌کند، متمرکز کرد تا داشبوردهای سفارشی برای بیش از 500 مشتری ایجاد کند و داستان کامل تلاش‌های برندینگ را به آن‌ها ارائه دهد.

مرحله 4: مشاهده و کشف داده‌ها

بصری‌سازی داده‌های شما برای DDDM بسیار مهم است. نمایش بینش‌های اکتشافی شما به صورت بصری به معنی شانس بیشتر برای تأثیرگذاری بر تصمیمات رهبران ارشد و سایر کارکنان خواهید بود.

با بسیاری از نمودارهای بصری مانند: گراف‌ها و نقشه‌ها، بصری‌سازی داده‌ها راهی برای مشاهده و درک ترندها، داده‌های پرت و الگوهای داده‌ها است. بسیاری از انواع نمودارها برای نمایش مؤثر اطلاعات وجود دارد: نمودار میله‌ای برای مقایسه، یک نقشه برای داده‌های فضایی، نمودار خطی برای داده‌های زمانی، نمودار پراکندگی برای مقایسه دو معیار و موارد دیگر.

مرحله 5: توسعه بینش‌ها

تفکر انتقادی با داده‌ها به معنای یافتن بینش و انتقال آن‌ها به روشی مفید و جذاب است. تجزیه و تحلیل بصری یک روش دیداری برای پرسش و پاسخ سؤالات از داده‌های شما است.

JPMorgan Chase از یک راهکار تجزیه و تحلیل مدرن برای تصمیم‌گیری‌هایی که برای سلامت بانک مهم است استفاده می‌کند. JPMC با مرور خط روابط کسب و کار(به طور مثال محصولات، فعالیت‌های بازاریابی و نقاط تماس خدمات) با داده‌های مشتری، دیدی جامع از سفر مشتری را به دست می‌آورد. به‌عنوان‌ مثال، تیم عملیات بازاریابی تجزیه و تحلیل‌هایی را انجام می‌دهد که بر تصمیمات طراحی وب‌سایت،محتواهای تبلیغاتی و محصولات مانند اپلیکیشن گوشی Chase تأثیر می‌گذارد.

مرحله 6: بینش‌های خود را اجرایی کنید و به اشتراک بگذارید

 هنگامی که بینشی را کشف کردید، باید اقدامی انجام دهید یا آن را برای همکاری با دیگران به اشتراک بگذارید. یک راه برای انجام این کار، اشتراک‌گذاری داشبورد است. برجسته ساختن بینش‌های مهم با استفاده از متن و تجسم تعاملی می‌تواند بر تصمیمات مخاطبان شما تأثیر بگذارد و به آن‌ها کمک کند اقدامات آگاهانه‌تری در کارهای روزانه خود بکار گیرند.

با یک پلتفرم تجزیه و تحلیل مانند ویترای می‌توانید داشبوردها را در یک محیط امن و تحت کنترل ایجاد کرده و به اشتراک بگذارید، جایی که دیگران می‌توانند داده‌ها را در جریان کار خود جستجو، مشاهده و ارجاع دهند. برای اطمینان از اینکه شما نیازهای سازمان خود را برآورده می‌کنید باید به طور مرتب مدل‌های حاکمیت و منابع داده را ارزیابی کنید تا افراد بتوانند داده‌های مورد نیاز خود را پیدا کنند.

تصمیم‌گیری مبتنی بر داده تحول آفرین است. وقتی تجزیه و تحلیل بصری توسط همه افراد در یک سازمان پذیرفته شود، داده‌ها به یک دارایی مهم سازمانی تبدیل می‌شوند. با یک راه‌حل مدرن هوش تجاری، تصمیم‌گیری داده‌محور به جای دردسر به یک مأموریت سازمانی تبدیل می‌شود. و در نتیجه این کار منجر به تصمیمات سریع‌تر و آگاه‌تر می‌شود. و این تصمیمات نتیجه قوی‌تر، خلاقیت بیشتر و موفقیت تجاری و تعامل و همکاری بیشتر کارکنان را ایجاد می‌کند.

یک قدم تا داده محوری

کافیست اطلاعات تماس خود را وارد کنید. ما با شما تماس خواهیم گرفت.

یک قدم تا داده محوری فاصله دارید

کافیست فرم زیر را تکمیل کنید.