Infographic: 7 måder at opbygge tillid til data og analyse hos din virksomhed

Data og analyse bør være en "ikke-forhandlingsrig forretningsprioritet", ifølge en rapport fra KPMG, der blev frigivet i denne uge. Alligevel rapporterer 60% af organisationerne, at de ikke er meget sikre på deres data- og analytiske indsigt. Kun 10% sagde, at de udmærker sig i at styre kvaliteten af ​​data og analyse, og 13% sagde, at de udmærker sig i privatlivets fred og etiske brug af data og analyser, viser rapporten.

Endvidere rapporterede 49% af beslutningstagere inden for data og analyse, at deres ledere på C-niveau ikke fuldt ud understøtter virksomhedens data- og analysestrategi.

Mere om Big Data

  • Datastyring: Et snyderi
  • Sådan integreres robotprocesautomatisering i big data-projekter
  • Programmerer Hadley Wickham præsenterer mangfoldigheden i R-samfundet
  • Sådan vælges de rigtige dataanalyseværktøjer: 5 trin

I nogle tilfælde kan denne mangel på tillid skyldes en mangel på forståelse for, hvordan virksomheden bruger analytics, sagde Bill Nowacki, administrerende direktør for beslutningsvidenskab ved KPMG i USA.

"Hvis jeg tænker på en detailhandler, gør de prognoser, anbefalinger, flådeoptimering - analyse er kernen i alt, " sagde Nowacki. ”Når en direktør taler om en mangel på tillid, er der en vis uoverensstemmelse her. Man må undre sig over, hvor det kommer fra - er de ikke klar over, at de allerede gør dette i spar?”

SE: Hvorfor big data-ledere skal bekymre sig om IoT-sikkerhed

I andre tilfælde kan ledere være bange efter en dårlig erfaring med analyser, hvor en forudsigelse var forkert og en mulighed blev savnet, sagde Nowacki. Frygten for, at analyse og automatisering eventuelt kan overtage deres job, kan også være en faktor i den rapporterede mistillid, tilføjede han.

For rapporten, Bygning af tillid til analytik, opfordrede KPMG Forrester Consulting til at undersøge 2.165 beslutningstagere, der er ansvarlige for styring af forretningsinformation, dataanalyse, datalagring og big data management-initiativer. Respondenterne arbejdede på tværs af forskellige brancher i 10 lande.

Cirka halvdelen af ​​virksomhederne bruger data- og analyseværktøjer til at finde nye kunder, analysere eksisterende kunder og udvikle nye produkter og tjenester, viser rapporten. Alligevel sagde beslutningstagere af data og analyser, at de mangler tillid til den indsigt, de får gennem disse metoder. Kun 38% af de adspurgte sagde, at de er meget sikre på de oplysninger, de får i kundeindsigt, og 34% er sikre på deres indsigt i forretningsdrift.

På trods af denne mangel på tillid sagde 77% af organisationerne, at deres kunder stoler på deres brug af data og analyse.

"Der er ikke en administrerende direktør, der ville være uenig i, at analyser er grundlæggende for den måde, vi gør forretning i dag, og den måde, vi gør forretninger på i fremtiden, " sagde Nowacki. "Men der er meget individuelt arbejde, der skal gøres."

Tillidshuller vokser gennem data- og analyseprocessen. Mens 38% af de adspurgte sagde, at de har mest tillid til data sourcing, er det kun 21%, der har mest tillid til det næste trin i analyse og modellering. Kun 11% af beslutningstagerne sagde, at de har mest tillid til faktisk at bruge analytics, og kun 10% udtrykte tillid til målinger af effektiviteten af ​​deres analytiske brug.

"Hovedpointen er, at folk overvejende er følelsesladede beslutningstagere, og dette hæmmer en kvantitativ, analytisk og evidensbaseret tilgang, " sagde Alan Duncan, forskningsdirektør for data og analyse ved Gartner. "Faktisk er følelser en motiverende kraft bag alle menneskelige beslutninger og domme. Uden følelser kan mennesker ikke tage beslutninger."

Virksomhedsledere, der ønsker at udvikle deres organisations datadrevne kultur, skal derfor finde måder at overvinde den psykologiske modstand, sagde Duncan.

KPMG-rapporten tilbyder syv anbefalinger til opbygning af data og analytisk tillid til din organisation:

1. Vurder dine tillidshuller

Udfør en første vurdering for at se, hvor din virksomhed har brug for pålidelige analyser mest, og fokuser på disse områder.

2. Opret formål ved at afklare og justere mål

Sørg for, at formålet med at indsamle data og køre analyser er klart for alle involverede. Mål data og analyseres ydelse og virkning, og del dem med brugerne, så de kan se ROI.

3. Bevidstgør dig for at øge det interne engagement

Skab forståelse af data og analyse blandt forretningsbrugere, og skab et team af beslutningstagere af data og analytikere og it- og forretningsledere til at samarbejde om projekter. CIO er perfekt positioneret til at hjælpe med disse bestræbelser og kan fungere som en forbindelse, så der sikres regeringsførelse er på plads, og at hold samarbejder, sagde Nowacki.

4. Opbyg ekspertise

Udvikle en intern data- og analysekultur ved at sikre, at du har medarbejdere med ekspertise inden for analytics kvalitetssikring. medarbejdere inden for data og analyse er kritiske for at skabe forståelse for data og analyse i hele virksomheden.

5. Fremme gennemsigtighed

Forbedre gennemsigtighed ved at etablere tværfunktionelle teams, anmeldelser fra tredjepart, peer reviews, wiki-stil-websteder og stærkere kvalitetssikringsprocesser. "I det væsentlige skal alle data- og analyserudfordringer gennemgås uafhængigt, " anførte rapporten.

6. Tag en 360-graders udsigt ved at bygge økosystemer

Se ud over organisatoriske strukturer og siloer for at undersøge den værdi og risiko, som data og analyse kan bringe virksomheden som helhed. Opret hold på tværs af afdelinger for at opbygge data og analysefællesskaber.

7. Stimulere innovation og eksperimentering

Udvikle en model til data- og analytisk innovation, og lad data- og analyseteam eksperimentere med forskellige metoder uden frygt for fiasko. Hvis det er muligt, kan du tilskynde medarbejderne til at innovere med data- og analyseprocesser.

Billede: KPMG

Data, Analytics og AI-nyhedsbrev

Få eksperttips til at mestre de grundlæggende elementer i big data-analyse, og følg med den seneste udvikling inden for kunstig intelligens. Leveres mandage

Tilmeld dig i dag

© Copyright 2021 | pepebotifarra.com