5 wegversperringen die uw gegevensgestuurde doelen tegenhouden?



<div _ngcontent-c14 = "" innerhtml = "

Getty

Big data is een wonderwerker. Rechts?! Data biedt ons zoveel competitieve voordelenTijdwinst, klantinzichten, verhoogde efficiëntie. Het helpt ons onze klanten beter te richten, onze marketinginspanningen te personaliseren en nieuwe producten te maken die onze klanten echt willen. Dus, waarom is het dat van 95 procent van de Fortune 1000-ondernemers die big data-projecten hebben ondernomen, heeft minder dan 50 procent van hen daadwerkelijk een voordeel gezien? Blijkt dat er serieuze obstakels zijn voor het bereiken van datagedreven doelen.

Als u op weg bent geweest naar gegevensgestuurde besluitvormings- en gegevensgestuurde cultuur binnen uw bedrijf, weet u dit waarschijnlijk al. De enorme hoeveelheid gegevens die op een bepaalde dag is gemaakt, is voldoende om zelfs de meest behendige zakelijke professional te overweldigen. Inderdaad, er wordt gezegd dat de hoeveelheid informatie op computers verdubbelt om de twee jaar. Dat zou prima zijn als de gegevens op de juiste manier zijn getagd, georganiseerd, toegankelijk en opgeschoond. Maar de meeste gegevens zijn eigenlijk ongestructureerde foto's, informatie en "dingen" die moeilijk te organiseren zijn, laat staan ​​dat ze waarde creëren. Daarom is het niet genoeg om datagedreven doelen te hebben. Het is essentieel om gegevensuitdagingen aan te pakken terwijl u bezig bent.

Data-driven doelen: dagelijks beheer

Eerst en vooral, als u begint met het implementeren van datagedreven besluitvorming binnen uw bedrijf, moet u een duidelijk en samenhangend programma lanceren om die gegevens onder controle te houden. Zoals we steeds weer hebben geleerd, zijn meer gegevens niet altijd een goede zaak. Het systeem kan uw systeem overbelasten, het raakt snel verouderd en dit vormt een enorm veiligheidsrisico. Met andere woorden: hoe minder gegevens je moet je veilig houden, hoe veiliger je bedrijf zal zijn. En, hoe minder gegevens u nodig hebt om te updaten / organiseren / openen / en op te slaan op een permanente basis. Uw datamanagementprogramma moet dingen omvatten als deduplicatie, compressie, tiering, centrale toegankelijkheid, en natuurlijk alle gegevens die niet 100 procent relevant zijn voor de betreffende taak, als een gek te zuiveren.

Een stap in het dagelijkse gegevensbeheer omvat het inhuren van de juiste teamleden – gegevensanalyses, technici, enz. – die de gegevens georganiseerd en nuttig kunnen houden. Een andere stap, en net zo belangrijk, is om zorg ervoor dat u AI gebruikt om u te helpen bij het beheren en gebruiken van de gegevens zelf. Met zoveel gegevens op de huidige dag, is er geen manier om het zonder AI te begrijpen. Als u niet bereid bent om AI-systemen in uw gegevensbeheer te implementeren, kunt u net zo goed big data overslaan.

Gegevensgestuurde doelen: realtime gebruik

Het ding over gegevens is dat het verouderd is zodra het is gemaakt. Daarom is er nu zoveel nadruk op realtime gegevensverwerking. Het maakt niet uit hoeveel gegevens u verzamelt als u er slechts één keer per week, maand of kwartaal naar kijkt. De enige manier om vandaag betekenisvolle gegevens te gebruiken, is in realtime. Dit onderstreept het bovenstaande punt over het gebruik van AI om uw gegevens snel te verwerken. Als u niet weet waar u moet beginnen, overweeg dan AI-routekaarten. Hiermee kunt u ervoor zorgen dat u over de infrastructuur, mensen en gegevens beschikt om AI op een zinvolle manier te gebruiken om uw datagedreven doelen te bereiken.

Data-driven doelen: gebruik verschillende bronnen

Zijn uw gegevens scheef? Tenzij je het uit een breed scala aan bronnen haalt, is het dat waarschijnlijk wel. Stel je voor dat alles wat je wist over je klanten, bijvoorbeeld de vrolijke dingen waren die ze op sociale media plaatsten. Of, als het enige dat u wist over uw klanten, was wat Alexa toevallig hoorde en doorstuurde naar uw gegevenssysteem. U krijgt nooit inzicht in de problemen waarmee zij worden geconfronteerd en de opportunitygebieden in hun leven, waar u proactief kunt reiken om te helpen. (En je zou nooit weten of de gegevens waar je naar keek juist waren.) Dat is de reden waarom het verzamelen van gegevens uit verschillende bronnen je helpt om de informatie die je kent over je klanten te voltooien. Het zal u helpen ervoor te zorgen dat uw inzichten niet bevooroordeeld zijn, en het zal u ook een dieper inzicht in hen geven. Dit is natuurlijk gemakkelijker gezegd dan gedaan en vereist de samenwerking tussen branche, data science en IT. Tot nu toe is gebleken dat het moeilijk is om die drie groepen samen te laten werken.

Data-driven doelen: beveilig die datapile

Hoe houd je je gegevens veilig? Hoe voorkom je dat je moerassig, vies en ongeorganiseerd bent? Hoe weet je dat de gegevens die je verzamelt de moeite en de kosten waard zijn om het te beveiligen? Onderdeel van het maken van gegevensondersteunde beslissingen, is beslissingen nemen over of de gegevens die u trekt nuttig zijn en of er een ROI is om zo veilig mogelijk te blijven. Als uw gegevens niet veilig zijn voor corruptie, is het waardeloos. En als het niet veilig is voor hackers, het kan ook kosten jij je hele merk en reputatie. Beveiliging heeft altijd invloed op het succes van uw gegevensgestuurde doelen. Nogmaals, een gebied waar samenwerking met IT belangrijk is, ongeacht hoeveel data-wetenschappers autonoom willen werken met hun eigen tools in hun eigen cloud.

Data-driven doelen: cultuur is belangrijk

Aan het einde van de gegevens maakt het niet uit hoeveel gegevens u verzamelt als niemand – inclusief uw leidinggevenden – bereid is om het te gebruiken om belangrijke bedrijfsbeslissingen te nemen. Cultuur is essentieel om elk project in digitale transformatie vooruit te helpen. Medewerkers moeten geloven in het vermogen van gegevens om nuttige inzichten te bieden en ze moeten bereid zijn een sprong te maken wanneer gegevens hen naar een nieuw territorium leiden. Als uw bedrijf geen datagedreven cultuur opbouwt in een lockstap met uw datagedreven projecten, zult u nooit succes zien in het realiseren van datagedreven doelen.

Ja, big data kan een game-changer zijn. Het kan verbluffende inzichten bieden, ontelbare uren aan menselijk werk besparen en talloze dollars schrappen uit uw winstcijfers. Maar legacy-tijdperk denken gaat niet alleen uit de weg om data-gedreven werkstijlen te laten overnemen. Je moet een bewuste poging doen om gegevens in je bedrijf te verwelkomen, en dat betekent een pad vrijmaken om te doen wat het doet: transformeren.

& Nbsp;

">

Big data is een wonderwerker. Rechts?! Data biedt ons zoveel concurrentievoordelen: tijdwinst, klantinzichten, hogere efficiëntie. Het helpt ons onze klanten beter te richten, onze marketinginspanningen te personaliseren en nieuwe producten te maken die onze klanten echt willen. Dus, waarom is het dat van 95 procent van de Fortune 1000-ondernemers die big data-projecten hebben uitgevoerd, minder dan 50 procent van hen een echt voordeel heeft gezien? Blijkt dat er serieuze obstakels zijn voor het bereiken van datagedreven doelen.

Als u op weg bent geweest naar gegevensgestuurde besluitvormings- en gegevensgestuurde cultuur binnen uw bedrijf, weet u dit waarschijnlijk al. De enorme hoeveelheid gegevens die op een bepaalde dag is gemaakt, is voldoende om zelfs de meest behendige zakelijke professional te overweldigen. Er wordt zelfs gezegd dat de hoeveelheid informatie op computers elke twee jaar verdubbelt. Dat zou prima zijn als de gegevens op de juiste manier zijn getagd, georganiseerd, toegankelijk en opgeschoond. Maar de meeste gegevens zijn eigenlijk ongestructureerde foto's, informatie en "dingen" die moeilijk te organiseren zijn, laat staan ​​dat ze waarde creëren. Daarom is het niet genoeg om datagedreven doelen te hebben. Het is essentieel om gegevensuitdagingen aan te pakken terwijl u bezig bent.

Data-driven doelen: dagelijks beheer

Eerst en vooral, als u begint met het implementeren van datagedreven besluitvorming binnen uw bedrijf, moet u een duidelijk en samenhangend programma lanceren om die gegevens onder controle te houden. Zoals we steeds weer hebben geleerd, zijn meer gegevens niet altijd een goede zaak. Het systeem kan uw systeem overbelasten, het raakt snel verouderd en dit vormt een enorm veiligheidsrisico. Met andere woorden: hoe minder gegevens u nodig heeft om veilig te blijven, hoe veiliger uw bedrijf zal zijn. En, hoe minder gegevens u nodig hebt om te updaten / organiseren / openen / en op te slaan op een permanente basis. Uw datamanagementprogramma moet dingen omvatten als deduplicatie, compressie, tiering, centrale toegankelijkheid, en natuurlijk alle gegevens die niet 100 procent relevant zijn voor de betreffende taak, als een gek te zuiveren.

Een stap in het dagelijkse gegevensbeheer omvat het inhuren van de juiste teamleden – gegevensanalyses, technici, enz. – die de gegevens georganiseerd en nuttig kunnen houden. Een andere stap, en net zo belangrijk, is ervoor te zorgen dat u AI gebruikt om u te helpen bij het beheren en gebruiken van de gegevens zelf. Met zoveel gegevens op de huidige dag, is er geen manier om het zonder AI te begrijpen. Als u niet bereid bent om AI-systemen in uw gegevensbeheer te implementeren, kunt u net zo goed big data overslaan.

Gegevensgestuurde doelen: realtime gebruik

Het ding over gegevens is dat het verouderd is zodra het is gemaakt. Daarom is er nu zoveel nadruk op realtime gegevensverwerking. Het maakt niet uit hoeveel gegevens u verzamelt als u er slechts één keer per week, maand of kwartaal naar kijkt. De enige manier om vandaag betekenisvolle gegevens te gebruiken, is in realtime. Dit onderstreept het bovenstaande punt over het gebruik van AI om uw gegevens snel te verwerken. Als u niet weet waar u moet beginnen, kunt u AI-routetoewijzingen overwegen. Hiermee kunt u ervoor zorgen dat u over de infrastructuur, mensen en gegevens beschikt om AI op een zinvolle manier te gebruiken om uw datagedreven doelen te bereiken.

Data-driven doelen: gebruik verschillende bronnen

Zijn uw gegevens scheef? Tenzij je het uit een breed scala aan bronnen haalt, is het dat waarschijnlijk wel. Stel je voor dat alles wat je wist over je klanten, bijvoorbeeld de vrolijke dingen waren die ze op sociale media plaatsten. Of, als het enige dat u wist over uw klanten, was wat Alexa toevallig hoorde en doorstuurde naar uw gegevenssysteem. U krijgt nooit inzicht in de problemen waarmee zij worden geconfronteerd en de opportunitygebieden in hun leven, waar u proactief kunt reiken om te helpen. (En je zou nooit weten of de gegevens waar je naar keek juist waren.) Dat is de reden waarom het verzamelen van gegevens uit verschillende bronnen je helpt om de informatie die je kent over je klanten te voltooien. Het zal u helpen ervoor te zorgen dat uw inzichten niet bevooroordeeld zijn, en het zal u ook een dieper inzicht in hen geven. Dit is natuurlijk gemakkelijker gezegd dan gedaan en vereist de samenwerking tussen branche, data science en IT. Tot nu toe is gebleken dat het moeilijk is om die drie groepen samen te laten werken.

Data-driven doelen: beveilig die datapile

Hoe houd je je gegevens veilig? Hoe voorkom je dat je moerassig, vies en ongeorganiseerd bent? Hoe weet je dat de gegevens die je verzamelt de moeite en de kosten waard zijn om het te beveiligen? Onderdeel van het maken van gegevensondersteunde beslissingen, is beslissingen nemen over of de gegevens die u trekt nuttig zijn en of er een ROI is om zo veilig mogelijk te blijven. Als uw gegevens niet veilig zijn voor corruptie, is het waardeloos. En als het niet veilig is voor hackers, kan het ook je hele merk en reputatie kosten. Beveiliging heeft altijd invloed op het succes van uw gegevensgestuurde doelen. Nogmaals, een gebied waar samenwerking met IT belangrijk is, ongeacht hoeveel data-wetenschappers autonoom willen werken met hun eigen tools in hun eigen cloud.

Data-driven doelen: cultuur is belangrijk

Aan het einde van de gegevens maakt het niet uit hoeveel gegevens u verzamelt als niemand – inclusief uw leidinggevenden – bereid is om het te gebruiken om belangrijke bedrijfsbeslissingen te nemen. Cultuur is essentieel om elk project in digitale transformatie vooruit te helpen. Medewerkers moeten geloven in het vermogen van gegevens om nuttige inzichten te bieden en ze moeten bereid zijn een sprong te maken wanneer gegevens hen naar een nieuw territorium leiden. Als uw bedrijf geen datagedreven cultuur opbouwt in een lockstap met uw datagedreven projecten, zult u nooit succes zien in het realiseren van datagedreven doelen.

Ja, big data kan een game-changer zijn. Het kan verbluffende inzichten bieden, ontelbare uren aan menselijk werk besparen en talloze dollars schrappen uit uw winstcijfers. Maar legacy-tijdperk denken gaat niet alleen uit de weg om data-gedreven werkstijlen te laten overnemen. Je moet een bewuste poging doen om gegevens in je bedrijf te verwelkomen, en dat betekent een pad vrijmaken om te doen wat het doet: transformeren.