Învățați cum să aliniați inițiativele Big Data cu strategia organizației dumneavoastră și cum să vă validați eforturile cu ajutorul indicatorilor cheie de performanță.

Subiecte cheie ale articolului:

• Ce este Big Data?
• Provocările Big Data
• KPI și Big Data
• Focalizați Big Data
• Faceți Big Data măsurabil
• Automatizare cu BSC Designer

.

Semnați…cu un plan gratuit pentru a accesa Big Data Scorecard, precum și alte 28 de modele de scorecard.
Sfârșitul de an este un moment bun pentru a vorbi despre tendințele emergente: mașinile care se conduc singure, inteligența artificială, realitatea virtuală și Internetul lucrurilor. Ce efect vor avea aceste tendințe asupra afacerii dumneavoastră? Cum puteți lua în considerare un posibil impact al acestor idei care schimbă regulile jocului? Toate tendințele menționate merită o analiză detaliată, dar există una care pare a fi legată de toate celelalte. Mă refer la Big Data. Inteligența artificială va avea nevoie de ele, mașinile care se conduc singure se bazează pe ele și, bineînțeles, sunt deja folosite de multe afaceri.

La BSC Designer vorbeam mult despre KPI-uri și strategie. În acest articol vă propun să discutăm despre modul în care o strategie bine descrisă și KPI-uri personalizate pot ajuta la concentrarea eforturilor în domeniul Big Data. Iată care este planul nostru pentru acest articol:

• Big data. Ce este? Care sunt principalele provocări?
• KPI-uri pentru big data. 4 niveluri de KPI-uri și realizarea alinierii strategice.
• Plan de acțiune. Implementarea măsurabilă a big data.

Ce este Big Data?

Big data se referă la analiza unor seturi de date mari, nestructurate.

Big data poate fi caracterizat prin 3 V:

• Volum. Seturile de date se presupune că sunt mari. Există unele estimări conform cărora ar trebui să fie de cel puțin 10 GB sau 1 TB, dar probabil că un criteriu mai bun ar fi să spunem că big data este ceva care trebuie distribuit (în ceea ce privește stocarea sau calculele). Dacă a trebuit să treceți la Hadoop sau la un cadru similar, atunci înseamnă că devine mare.
• Varietate. Gândiți-vă la diferite surse de date structurate și nestructurate. Acestea pot fi extrase din text, video, date de vânzări, social media, prognoza meteo sau orice are sens în contextul dumneavoastră.
• Viteză. Volumul mare al datelor este un rezultat al generării rapide a datelor. Gândiți-vă la mii de elemente de aeronave care sunt monitorizate în mod constant, sau la un flux constant al comentariilor din social media, sau la datele în timp real pe care le furnizează dispozitivele purtabile.

De multe ori (luați ca exemplu IBM sau EY), există, de asemenea, un al patrulea “V” care înseamnă “Veridicitate:”

• Veridicitate. Atunci când vorbim despre date, avem întotdeauna de-a face cu un anumit nivel de incertitudine. Cum au fost obținute datele? Am analizat toți factorii? Au fost manipulate? Putem avea încredere în aceste cifre?

Cum sunt utilizate datele?

Big data este utilizat pentru o gamă largă de analize predictive și comportamentale. Organizațiile aplică big data pentru a reduce costurile, pentru a înțelege mai bine nevoile clienților și pentru a diminua riscurile. Gândiți-vă la o afacere care folosește big data pentru a oferi o experiență personalizată pentru clienți; gândiți-vă la verificarea fraudelor unui furnizor de comerț electronic.

La începutul articolului am menționat câteva tendințe emergente – big data este implicat în toate acestea. Pentru a afla mai multe despre utilizarea practică a big data, vă recomand să continuați cu “7 Amazing Companies That Really Get Big Data” de Bernard Marr, expert recunoscut la nivel internațional.

Principalele provocări ale big data

Viziunea descrisă a big data sună foarte ambițioasă. De ce atunci companiile sunt lente în adoptarea acestei noi tendințe? Care sunt principalele provocări ale big data?

Exploatarea datelor nu mai este o provocare principală

La sfârșitul lunii octombrie, am luat cuvântul la o conferință organizată de SCIP (Strategic and Competitive Intelligence Professionals). Membrii acestei organizații se ocupă de big data în domeniile informațiilor de piață. Tema principală a conferinței nu a fost despre extragerea unor date CI/BI, așa cum s-ar putea aștepta, ci despre alinierea eforturilor de business intelligence cu strategia unei organizații. Cu alte cuvinte, odată ce o companie știe întrebările pe care vrea să le pună, restul este relativ ușor (a se vedea sondajele de mai jos pentru câteva date).

Dacă extragerea datelor nu mai este o problemă, care sunt principalele provocări?

Provocarea 1. Concentrarea big data

Principala provocare este concentrarea big data pe ceea ce contează, iar apoi livrarea lor în mâinile potrivite. Cu alte cuvinte, ar trebui să existe cineva în organizație care să înceapă să pună întrebările corecte.

Pentru a ilustra această idee, să luăm o poveste despre Target care a fost pe prima pagină a ziarelor în 2012. Acest retailer a folosit cu succes datele de analiză a cumpărătorilor pentru a prezice că unele dintre clientele lor erau însărcinate. Să analizăm povestea (fără a lua în considerare partea legată de confidențialitate) și să vedem ce s-a întâmplat de fapt. Andrew Pole, un statistician care lucra pentru Target, nu doar că livra toate datele posibile, ci a primit o sarcină foarte specifică din partea colegilor săi de la marketing – să identifice cumpărătoarele însărcinate în al doilea trimestru de sarcină.

Exista o concentrare și, exista o valoare comercială uriașă asociată cu această concentrare, deoarece noii părinți au tendința de a-și schimba obiceiurile de cumpărare și de a cumpăra totul de la un singur magazin de retail. Nu a fost vorba doar de a se juca cu datele, ci de a găsi date care să ajute să răspundă la o întrebare foarte specifică.

Provocarea 2. Alinierea cu strategia de afaceri

Big data va schimba jocul atunci când va oferi o valoare comercială tangibilă. Cu alte cuvinte, ar trebui să fie clar modul în care inițiativele big data sprijină strategia unei companii. NewVantage Partners, în cadrul Big Data Executive Survey, i-a întrebat pe respondenți despre impedimentele culturale în calea adoptării Big Data în afaceri. 42,6% dintre respondenți au ales răspunsul “Aliniere organizațională insuficientă”. Alte opțiuni au inclus lipsa de adoptare, lipsa unei strategii de date coerente și lipsa unei viziuni comune.

Revenind la cazul Target, aceștia au reușit să abordeze cu succes două componente importante:

1. Big data s-a concentrat pe o interogare specifică: Un cercetător de date a fost rugat să identifice cumpărătoarele însărcinate aflate în al doilea trimestru.
2. Alinierea cu o strategie de afaceri: A existat o valoare comercială clară pentru date – familiile în care s-a născut un copil au devenit clienți ai unui magazin de vânzare cu amănuntul pentru o perioadă lungă de timp.

Provocarea 3. Securitatea și confidențialitatea datelor

Această provocare nu este încă în uzul general, dar cred că este evident pentru oricine că colectarea și analiza datelor trebuie să fie etică și legală. Regulamentul general privind protecția datelor (GDPR) a devenit aplicabil începând cu 25 mai 2018 în Europa și există reglementări similare în alte țări. Companiile trebuie să fie mult mai serioase în ceea ce privește respectarea politicilor de date atunci când prelucrează date cu caracter personal.

Să discutăm despre KPI-uri în contextul big data.

KPI-uri și Big Data

Vor înlocui big data KPI-urile? Nu chiar. Big data va alimenta KPI-urile cu informații mai precise și mai actualizate.

Să luăm ca exemplu NPS (Net Promoter Score):

• NPS acum. Cum se calculează NPS (Net Promoter Score) în organizația dvs. astăzi? Probabil că faceți un fel de sondaj trimestrial în rândul clienților. Astfel, acest indicator este întârziat în timp. Dacă se întâmplă ceva cu afacerea dvs., NPS-ul va arăta acest lucru câteva luni mai târziu.
• NPS alimentat de big data. Acum, imaginați-vă că folosiți un instrument big data care analizează emoțiile clienților în timp real (a se vedea referința Heedbook de mai jos). În acest caz, NPS-ul dvs. va deveni un KPI în timp real. Practic, veți putea vedea reacția unui anumit client la o anumită ofertă și la o anumită abordare de vânzare.

În unele cazuri, veți fi interesat să aprofundați datele și să ajungeți la situații specifice, iar în alte cazuri veți avea nevoie să vedeți datele agregate pentru o săptămână, o lună sau un an.

KPI pentru Big Data

În cazul big data, vorbim de investiții semnificative în noile instrumente și arhitectură, așa că are sens să monitorizăm aceste inițiative cu ajutorul unor date concrete. Inițiativele de big data ar trebui, de asemenea, să fie cuantificate și măsurate. Putem face acest lucru pe mai multe niveluri diferite.

Nivelul 1. Măsurători 3-V

Cele 3V (Volum, Varietate, Viteză) ale big data pot fi cuantificate cu ușurință:

• Volumul de date este o măsură de sine stătătoare (GB, TB, etc.)
• Varietatea poate fi cuantificată ca număr de tipuri diferite de surse de date
• Viteza este definită de volumul de date generate/analizate pe perioadă de timp

Cel de-al patrulea V – Veridicitatea ar putea fi mai dificil de cuantificat. Va trebui să definiți ceea ce echipa dvs. califică drept date exacte, iar acest lucru depinde de context. De exemplu, pentru mașinile cu motor cu combustie, măsurarea vitezei curente cu un nivel de eroare de +-5 km/h ar putea fi considerată drept date exacte, în timp ce pentru mașinile electrice, acest lucru nu este acceptabil. Definiți 1-2 măsurători care să dea o idee despre acuratețea datelor în cazul dumneavoastră.

Sunt utile măsurătorile 3-V? Depinde de contextul în care vă aflați. Să luăm ca exemplu mașina Google care se conduce singură. Mașina produce 1GB de date ale senzorilor pe secundă. Acest număr pare impresionant! Putem estima cât de mari sunt datele mari, dar aceste numere nu ne vor ajuta cu cele 3 provocări menționate anterior.

Înscrieți-vă cu un plan gratuit pentru a accesa Big Data Scorecard, precum și alte 28 de modele de scorecard.

Nivelul 2. Metricele procesului de big data

Să trecem la următorul nivel de abstractizare și să aruncăm o privire asupra procesului de big data. Modelul simplificat este următorul:

• Query
• Colectare
• Analiză
• Raportare

Metricele cele mai utile în acest caz sunt legate de timp:

• Frecvența colectării datelor
• Timp necesar pentru ca datele să fie disponibile pentru analiză
• Timp necesar pentru ca datele să fie raportate sub formă de KPI

Reperele pentru timp depind de contextul afacerii dumneavoastră. De exemplu:

• Mașina care se conduce singură trebuie să colecteze și să analizeze datele în timp real, iar milisecundele de diferență contează, dar
• În cazul NPS, managerii ar putea fi interesați să analizeze datele săptămânale agregate

În ceea ce privește eficiența procesului, putem urmări:

• Interogare pentru a raporta rata de conversie, %. În acest caz, trebuie să definim mai întâi conceptul de interogare calificată și apoi să urmărim procentul de interogări calificate la care cercetătorii noștri de date au reușit să răspundă
• Capacități de captare a datelor. Nivelul de acuratețe al datelor pe care le capturăm (ideile discutate mai sus în Veracity). Pentru unele companii, aceste capacități definesc avantajul lor competitiv sustenabil.

Metricele de la acest nivel ne dau o idee mai bună despre cât de eficiente sunt big data, dar, în continuare, nu avem nicio idee despre impactul big data asupra obiectivelor reale de afaceri.

Nivelul 3. KPI-uri întârziate. KPI-uri pentru a valida succesul big data.

O altă întrebare este cum să validăm succesul inițiativelor big data în cadrul companiei. Pe de o parte, există unele investiții semnificative în infrastructură, iar pe de altă parte, big data ar trebui să se răsplătească sub forma unor informații de afaceri. Cum putem măsura o valoare în dolari a acestor insight-uri?

În acest caz, trebuie să urmărim îmbunătățirile care pot fi atribuite utilizării big data:

• Ce lecții am învățat din big data? Ce economii de costuri au fost realizate în urma implementării acestor idei?
• Cum s-a schimbat rata de retenție a clienților datorită furnizării unei experiențe personalizate? Cum se schimbă valoarea pe durata de viață a clienților?
• Ajută big data serviciul clienți să fie mai eficient? Cum s-a schimbat rata de rezolvare la primul apel?
• Cum s-au schimbat procesele de angajare după ce au început să utilizeze big data? Cum s-a schimbat metrica HR time to performance?

Cum vedeți la acest nivel folosim KPI-uri clasice pe care le foloseam înainte. Ceea ce încercăm să facem este să atribuim anumite îmbunătățiri implementării big data.

Această abordare ar putea fi părtinitoare:

• Am tendința de a socoti schimbările pozitive ca fiind realizările noastre și
• Vezi schimbările negative ca fiind fluctuații normale care se întâmplă întotdeauna.

Soluția este să urmărim obiective mai mari și mai tangibile.

Multe organizații se pricep la această parte de măsurare și pur și simplu cumpără “niște date mari”. Potrivit raportului realizat de Capgemini Consulting, 67% dintre companiile intervievate nu au un criteriu bine definit pentru a măsura succesul inițiativelor lor de big data. Având în vedere valoarea investiției, companiile ar trebui să fie mai sistematice în definirea obiectivelor și a criteriilor de succes ale implementării big data.

Înscrieți-vă cu un plan gratuit pentru a accesa Big Data Scorecard, precum și alte 28 de modele de scorecard.

Nivelul 4. KPI-uri de conducere. Asigurarea succesului big data.

Acum știm cum să măsurăm partea de rezultate a inițiativelor big data, dar cum rămâne cu partea de conducere? Ce ar trebui să facem pentru a asigura o implementare de succes a big data?

Partea grea a big data este destul de tangibilă, o putem măsura prin astfel de măsurători generice precum:

• Fonduri investite în inițiative big data
• Timp petrecut în inițiative big data

Obiectivele de afaceri se concentrează pe big data

Iată un scenariu real: o companie a investit milioane de dolari în infrastructură, instrumente și colectare de date mari cu clusterul Hadoop și nu s-a întâmplat nimic măsurabil. Despre asta vorbeam în provocarea 1: Big data nu este AI, nu poate vorbi, iar echipa dvs. trebuie să învețe să pună întrebări. Cum putem măsura rolul echipei atunci?

Iată câteva idei pentru a începe:

• Eficacitatea formării în Big Data. Asigurați-vă că membrii cheie ai echipei dvs. au beneficiat de o formare în domeniul big data. Nu este necesar ca aceștia să devină cercetători de date, dar trebuie să știe ce întrebări pot pune și cum să formuleze aceste întrebări. În acest caz, metricile vor fi legate de eficiența formării.
• % din obiectivele strategice cu inițiative de big data. Am putea urmări numărul de interogări big data formulate de fiecare echipă, dar această abordare ar fi foarte formală și mai puțin utilă. O opțiune mai bună este de a urmări alinierea dintre obiective și interogările big data. Cereți echipei dumneavoastră să se uite la obiectivele lor strategice și apoi să discute despre ce date ar putea avea nevoie pentru a lua decizii mai bune în contextul acestor obiective.

Big Data ajută la formularea de noi obiective de afaceri

Procesul de potrivire a contextului de afaceri și big data este bidirecțional. Uneori avem în minte o provocare specifică și apoi căutăm instrumente specifice de big data (ca în cazul Target), alteori găsim un instrument interesant și apoi încercăm să îl potrivim cu obiectivele noastre. Iată câteva exemple:

• Cineva din echipa dvs. a găsit Heedbook, un serviciu care analizează emoțiile clienților în timp real. Serviciul este construit pe Azure de la Microsoft și este disponibil în cloud. Echipa dvs. de servicii pentru clienți ar putea veni cu o idee de a utiliza acest serviciu pentru a-și calcula mai bine NPS.
• Personalul dvs. IT a fost pus în dificultate cu găsirea unui software DLP (Data loss prevention). Au dat peste SearchInform care nu numai că poate analiza comunicațiile și fișierele transmise, dar poate, de asemenea, să aplice politici de securitate specifice. Strategia IT a organizației dumneavoastră poate fi actualizată prin luarea în considerare a posibilităților instrumentului DLP.

În orice caz, este o idee bună să se potrivească obiectivele specifice de afaceri cu cerințele pentru big data.

Plan de acțiune. Faceți ca Big Data să fie măsurabile.

Să formulăm câteva concluzii din acest articol. Prefer să o fac sub forma unui plan de acțiune.

1. Realizați big data. Cum sunt colectate datele acum, ce capacități de captare a datelor aveți (folosiți metricile procesului big data ca un cadru).
2. Faceți-vă temele. Aveți strategia dumneavoastră formulată pe harta strategică și transmisă în cascadă către unitățile de afaceri. Revizuiți KPI-urile actuale.
3. Îmbunătățiți capacitățile. Planificați inițiativele pentru a aborda capacitățile echipei în ceea ce privește big data. Membrii cheie ar trebui să înțeleagă ce întrebări pot pune și cum să formuleze aceste întrebări.
4. Concentrați eforturile de big data. Revizuiți harta strategiei, identificați oportunitățile în care big data poate sprijini obiectivele de afaceri. Formulați interogări big data.
5. Implementare. Analizați informațiile furnizate de big data, reflectați-le sub formă de KPI, acolo unde este necesar.

Un scurt ghid pentru utilizatorii software-ului BSC Designer

În calitate de utilizator al BSC Designer dispuneți de un software puternic care va automatiza multe dintre aspectele alinierii strategiei și KPI discutate în acest articol:

• Alinierea strategică și concentrarea big data. Creați o hartă a strategiei pentru a vă prezenta obiectivele de afaceri; aliniați KPI-urile cu obiectivele de pe hartă. Dacă nu aveți încă o hartă strategică, atunci folosiți un asistent pentru hartă strategică pentru a începe.

• Asigurați-vă că o echipă are capacități de big data. Utilizați un tablou de bord de formare (puteți începe cu acest exemplu) pentru a vă asigura că echipa dvs. are capacitățile necesare pentru a lucra cu big data.
• Alimentarea KPI-urilor cu big data. Urmăriți indicatorii de performanță pentru inițiativele big data; utilizați RESTFul API pentru a introduce rapoarte big data în timp real în indicatori.

Dacă nu sunteți încă utilizator, atunci puteți începe cu un plan gratuit al BSC Designer, care este disponibil online.

Mai multe exemple de Balanced Scorecard

.