Allineamento della strategia dei dati agli obiettivi aziendali

AWSi clienti ci dicono che la mancanza di allineamento tra i progetti relativi ai dati e gli obiettivi della loro azienda di solito porta a una piattaforma di dati utilizzata in modo improprio e troppo ingegnerizzata che offre poco valore per il business. La scarsa riutilizzabilità degli asset di dati, l'incoerenza dei dati, la scarsa rilevazione dei dati, i lunghi tempi di attesa e la scarsa qualità dei dati sono i reclami tipici.

Gli errori più comuni nella creazione di una strategia basata sui dati includono concentrarsi troppo sugli strumenti tecnici e sulle tendenze, utilizzare strumenti all'avanguardia e perdere l'occasione di accelerare le opportunità di business fornendo agli utenti aziendali dati che utilizzano la propria terminologia, automatizzando le attività manuali per la reportistica delle metriche chiave, fornendo visibilità sulla qualità dei dati e dando agli utenti autonomia per l'esplorazione dei dati.

La tua strategia in materia di dati dovrebbe concentrarsi sulla risoluzione dei problemi aziendali, ad esempio una migliore segmentazione dei clienti per aumentare i tassi di conversione, migliorare la soddisfazione dei clienti con la personalizzazione, ridurre il tasso di abbandono dei clienti anticipando le azioni di fidelizzazione, testare nuovi prodotti e nuove funzionalità più velocemente con test A/B per migliorare l'esperienza del cliente e qualsiasi altra strategia che possa migliorare l'impatto sul business o sul marchio.

Le aziende spesso sottovalutano la governance dei dati. La maggior parte degli sforzi in quest'area riguarda il livello di analisi e pochissimi processi sono automatizzati. Ciò genera un sovraccarico per i team di ingegneria dei dati che devono comprendere i dati e tradurli ai consumatori di dati senza comprendere il dominio aziendale associato ai dati. La governance dei dati, se applicata dall'ingestione al consumo dei dati, può potenziare la strategia dei dati. I processi che supportano la standardizzazione, la classificazione e la qualità dei dati consentono alle persone di interagire facilmente con i dati e di accedervi in modo automatizzato.

Alla scoperta della fase attuale della tua azienda

Il passaggio di un'azienda da una fase iniziale di maturità nell'utilizzo dei dati a una fase basata sui dati è difficile, perché richiede capacità, processi e ruoli che possono richiedere tempo per essere implementati. Il diagramma seguente presenta diverse fasi della maturità dell'utilizzo dei dati.

Fase 1 (transazionale). Nella fase 1, le aziende si concentrano sulle loro operazioni principali. Non traggono vantaggio dai dati relativi a tali operazioni, perché non misurano o utilizzano indicatori di performance finanziaria e operativa per la loro attività. Oggi vediamo pochissime aziende in questa fase. La maggior parte di queste sono startup nelle prime fasi della loro attività.

Fase 2 (informata dai dati). Nella fase 2, le aziende utilizzano i dati per monitorare la salute aziendale in termini di dati operativi, finanziari e dipartimentali che vengono analizzati all'interno di ciascun reparto in modo isolato. La maggior parte delle aziende che si trovano in questa fase dispone di sistemi proprietari locali, in cui la condivisione dei dati può essere complessa e costosa. 

Spostamento delle aziende della fase 2 aAWSdi solito implica consentire loro di estrarre, catalogare e condividere dati tra aree aziendali e iniziare a utilizzare analisi interattive avanzate.

Fase 3 (in base ai dati). La fase 3 include le aziende che hanno già ottimizzato l'utilizzo dei dati. Queste aziende utilizzano i propri dati in modi diversi, a seconda del settore:

• Le società di servizi come i servizi finanziari, i servizi sanitari, i servizi di e-commerce e i servizi di beni di consumo confezionati conoscono il comportamento dei propri clienti. Utilizzano i dati per creare raccomandazioni e offerte tempestive basate su questi comportamenti.

• Le aziende manifatturiere utilizzano spesso analisi previsionali avanzate per ottimizzare le operazioni di produzione e fornitura.

• Le aziende agricole e manifatturiere utilizzano i dati per ottimizzare le operazioni logistiche, migliorare l'efficienza dei processi e implementare l'agricoltura di precisione.

Tuttavia, sebbene le aziende della fase 3 utilizzino ampiamente i dati, richiedono l'analisi manuale dei dati per intraprendere queste azioni.

La maggior parte delle aziende oggi si trova nella fase 3, sebbene alcune utilizzino tecniche più avanzate come i modelli di machine learning (ML) e alcune stiano iniziando a sperimentare analisi avanzate.

Fase 4 (basata sui dati). Le aziende nella fase 4 stanno già prendendo decisioni, spesso automaticamente, sulla base dei propri dati. Tuttavia, questo può essere difficile. È necessaria la fiducia nei dati e nei meccanismi in atto affinché le applicazioni possano utilizzarli e reagire ai dati. La fase 4 richiede inoltre che i dati siano disponibili per un processo decisionale tempestivo.  

Automazione delle decisioni relative alle porte bidirezionali

Reversibile (porta a due vie) le decisioni sono ottime candidate per azioni basate sui dati. Ad esempio, un'azienda potrebbe decidere di mettere in quarantena un prodotto (smettere di venderlo) dopo aver ricevuto recensioni negative che rappresentano una probabilità statisticamente elevata di resi o reclami da parte dei clienti. La quarantena è reversibile dopo la risoluzione del problema e il prodotto può essere rimesso in vendita.

Il rilevamento delle frodi è un altro esempio di azione bidirezionale basata sui dati. Le aziende potrebbero introdurre meccanismi per evitare perdite per i propri clienti e la propria piattaforma, anche se riscontrano alcuni falsi positivi che devono essere affrontati. Possono introdurre miglioramenti misurando i risultati dei meccanismi attuali e valutandone l'efficacia. Dopo che i falsi positivi sono stati attenuati o convalidati dai clienti, le transazioni possono essere confermate o riprovate utilizzando l'autenticazione a due fattori o un processo simile.

Tuttavia, alcune azioni non sono facilmente reversibili e richiedono ulteriori discussioni e approvazioni da parte di un consiglio di amministrazione. Questi si chiamanoporta a senso unicodecisioni. Ad esempio, le azioni che comportano la costruzione di strutture o ingenti investimenti di denaro sono generalmente difficili da annullare. Questi non sono buoni candidati per azioni automatiche basate sui dati.

Un'azione basata sui dati dovrebbe essere valutata per la visibilità del suo impatto attraverso misurazioni costanti. Queste misurazioni ti aiutano a decidere di ripristinare una funzionalità o di testare e coinvolgere un team per un'analisi più approfondita di comportamenti distinti.