in

Qué hacer y cómo hacerlo

Data Qué hacer y cómo hacerlo

Cuando tengo la oportunidad de hablar con las organizaciones sobre sus implementaciones de análisis, a menudo se sienten abrumadas por la variedad de atributos que pueden medir sobre su negocio. Este escenario generalmente termina en un enfoque de «cualquier cosa y todo», dejando a las empresas con la carga de demasiada información y sin recursos suficientes para hacer algo al respecto. Para evitar caer en esta trampa, las organizaciones deben ser más decididas y selectivas sobre lo que hacen y no miden cuando se trata de análisis.

Al implementar una nueva estrategia de análisis, las organizaciones deben considerar cuál será el mejor uso estratégico de los datos y contribuir con el mayor valor al negocio. En mi experiencia, las organizaciones deberían centrarse en medir lo siguiente:

• Datos que son relativamente fáciles de recopilar.
• Métricas que brindan información directa o indirecta sobre el desempeño de su negocio.
• Métricas sobre las que tiene la capacidad de actuar e influir en un cambio.

Dado el riesgo de pérdida de tiempo y recursos, también es importante considerar algunas cosas que las organizaciones nunca deberían medir.

Primero, las organizaciones no deben medir cosas que son fáciles de observar pero difíciles de medir. Un buen ejemplo de esto es determinar por qué una persona ha decidido dejar una organización. En lugar de usar tiempo y energía valiosos para revisar una amplia gama de datos de encuestas u otros análisis que podrían explicar por qué alguien eligió dejar una organización, simplemente podría preguntarle y considerar los comportamientos y acciones observados del empleado. Al ir directamente a la fuente, las organizaciones ahorrarán recursos invaluables al obtener esta información. Los comentarios recopilados se pueden utilizar para realizar cambios y mejoras organizativos.

En segundo lugar, evite la tentación de crear métricas y proporciones complejas. Muchas organizaciones se ven envueltas en la construcción de conjuntos complejos de métricas que son difíciles de recopilar, interpretar y aplicar. Las organizaciones siempre deben considerar los costos y beneficios y decidir si los costos en la preparación, el monitoreo y la educación de los datos realmente superarán los beneficios. Si bien BI es una herramienta poderosa, hay algunas situaciones que simplemente no necesitan toda la fuerza de una solución de análisis. Considere un ejemplo simple de pronóstico de ventas. Si bien puede desarrollar un modelo detallado basado en una amplia gama de entradas de datos, es más eficiente y efectivo tomar una entrada clave, su canal de ventas, y usarla como un proxy para las ventas pronosticadas, con algunas suposiciones simples basadas en la conversión esperada. y el momento de las ventas a partir de la tubería.

En tercer lugar, las organizaciones no deben utilizar la analítica para medir cosas que no tienen la intención de abordar. Las encuestas de satisfacción de empleados y clientes, por ejemplo, son un método común que utilizan las organizaciones para averiguar qué quieren las personas de su empleador o proveedor. Sin embargo, las organizaciones no deben realizar este tipo de encuestas si no están dispuestas y preparadas para dedicar recursos a abordar los problemas planteados. Al solicitar comentarios, las organizaciones establecen una expectativa en las mentes de sus empleados y clientes de que sus comentarios serán abordados y potencialmente se preparan para la decepción. Si no hay potencial para la acción, es mejor que no mida en primer lugar.

Si bien estos puntos pueden parecer obvios, muchas organizaciones continúan luchando con la forma de abordar la analítica. También es importante que las organizaciones se den cuenta de que la medición tiene un costo inherente. Todo lo que se informa y rastrea crea una responsabilidad adicional y una carga potencial para que las organizaciones lo corrijan y mantengan. Determinar qué medir desde el principio hará que las organizaciones aprovechen al máximo la información comercial.

Otro factor importante que las empresas deben considerar es cómo están utilizando los datos que recopilan. Pueden medir los aspectos más relevantes de su negocio, pero sin las capacidades para interpretar, comprender y poner los datos en el contexto del negocio, incluso los mejores datos serán inútiles. Dar contexto a los datos y responder el «por qué» de los datos permitirá a las empresas tomar mejores decisiones comerciales y garantizará que los buenos datos no se desperdicien. Sin embargo, por lo general, los equipos de análisis o BI dedican la mayor parte de su tiempo a preparar datos y crear visualizaciones. Si bien es esencial descubrir las tendencias y los patrones que se esconden debajo de todos esos datos, al no interpretar los patrones, los analistas dificultan que los líderes empresariales hagan algo solo con los números brutos. En última instancia, no ven el verdadero valor de BI, ya que los datos no se presentan con el contexto y la comprensión necesarios para que sean realmente procesables.

Afortunadamente, los avances recientes en la automatización están haciendo posible que las organizaciones encuentren rápidamente patrones y valores atípicos sin todo el trabajo pesado de diseñar y realizar análisis manuales. En cambio, los equipos pueden reenfocar sus esfuerzos en interpretar y dar contexto a los datos, lo cual es esencial cuando se trata de agregar valor al negocio. Un equipo de análisis experimentado puede ver un patrón o anomalía y determinar lo que significa y, a partir de ahí, determinar las brechas, los posibles pasos siguientes y los cambios que deben realizarse. Una máquina no puede hacer eso todavía.

Si bien los desafíos son numerosos, la estrategia de análisis de datos más exitosa implica encontrar datos relevantes para medir y analizar, utilizar tecnologías innovadoras para reducir el esfuerzo y los recursos necesarios para ejecutar y, finalmente, gastar tiempo y recursos para dar el contexto de los datos y obtener el máximo valor de dentro del proceso de toma de decisiones.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Handshake duisenberg school of finance scaled e1578419151356 Haga preguntas, clasifique sus prospectos y escuche

Haga preguntas, clasifique sus prospectos y escuche

shutterstock 651460171 scaled e1579892140280 Las 20 mejores cosas para hacer en Lake Tahoe para principiantes

Las 20 mejores cosas para hacer en Lake Tahoe para principiantes