最大化数据分析价值的五种方法

时间:2022-05-28 07:27:31

数字时代使大多数企业追求数据驱动战略的成果,但确保获得回报比大多数人想象的要微妙得多。

许多企业都在收集大量数据并对其进行分析,而通过分析这些数据获得最佳商业价值完全是另一回事。

在分析工具上投入巨资的企业可能没有找到方法来确保其努力带来的实际业务价值。发生这种情况可能有多种原因。

以下一些方法可以通过提供有影响的洞察力来确保分析投资获得回报,而不仅仅是生成没有实质内容的报告。

最大化数据分析价值的五种方法

1. 使分析与业务目标保持一致

将IT工作与企业的业务目标更紧密地结合起来是IT领导者从数据中产生更多价值的关键任务。

技术咨询机构凯捷公司负责人工智能和分析的副总裁Dan Simion说,“数据分析需要解决实际的业务问题。从特定于业务的用例开始,可能是获得更多可能不在IT部门的利益相关者支持的一个好方法。”该公司致力于为客户提供建议,以最佳方式从他们的数据和分析中获得洞察力和价值。

这一战略有助于企业的其他部门看到各个职能领域和业务部门的价值,因为数据推动了清晰的结果,这些结果在业务方面是可以理解的。Simion说,“从业务问题开始,制定业务案例,然后跟进,对于从数据中发现价值至关重要。”他表示,作为这个过程的一部分,业务和IT之间的一致性至关重要。

金融服务提供商米德尔菲尔德银行首席信息官Gary Kern表示,IT和数据分析师需要与业务部门合作,以找到现实世界中的成功案例和内部使用案例。他说,“这有助于每个人了解实现目标的真正价值和团队合作的好处。”

米德尔菲尔德银行一直在努力让一些业务部门更积极地使用基于更详细信息的数据驱动决策和新流程。Kern说,“我们一直致力于在这些部门中寻找早期采用者,可以与他合作以获得胜利并将价值出售给其他人。”

医疗保健提供商UnityPoint Health公司首席信息官Laura Smith表示,该公司在几年前开始投资分析工具,他们继续为其区域和社区网络医院、诊所和家庭护理部门带来回报,帮助管理人口健康和解决未来问题。

与商业领袖的紧密合作是成功的一个重要原因。Smith说,“必须与企业合作以了解要解决的问题或要实现的机会,具体来说,想要完成什么?现在缺少哪些重要数据?”

开始与企业建立关系的一个好方法是通过与利益相关者会面并在现场进行观察来研究问题或机会。

Smith说,“例如,我们的分析团队建立了一个模型,试图减少不得不重新入院的患者数量。我们首先与医疗机构合作,了解模型需要回答哪些问题。其中包括:谁是干预目标的合适患者?应该采取什么行动,什么时候采取行动?”

由于采用了这种模式,一家医院在两年内将其30天再入院率降低了44%,超过了内部绩效目标。

2. 让关键的执行者加入董事会

拥有可以推动数据分析结果和洞察力的执行发起人或利益相关者可以帮助产生更大的价值。

Simion说,“企业高管通常推动了整个组织的采用,并且可以帮助塑造运营模式,让人们能够利用从分析中得出的见解采取行动。有了高水平的支持,企业可以开始激活调查结果并从中获得价值。如果只是根据调查结果构建报告,而没有人采取任何行动,企业就不会实现任何价值。数据将产生洞察力,这些洞察力将用于组织内各个级别的业务决策,从战术行动到战略决策。”

Kern说,米德尔菲尔德银行成立了一个数据治理委员会(DGC),其中包括首席信息官(CIO)、首席财务官(CFO)、首席营销官(CMO)和其他两到三名数据密集型部门的高级管理人员。

Kern说,“这个小组每月开会讨论‘单一版本的真相’问题、数据清理、数据质量、不断发展的分析工作,以及其他涉及信息分析和数据所有权的高层次问题。数据治理委员会(DGC) 可以监督数据安全,并确保有一个决策机构指导企业高层的工作。”

3. 更新运营模式并衡量其成功与否

尽管在数字业务时代,以数据为中心的驱动力在企业中很常见,但许多企业仍然没有掌握信息的真正价值。

Simion说,“企业需要摆脱基于‘直觉’的运营方式,转向成为洞察力和数据驱动的组织。”

拥有数据驱动的运营模式可以创造更大的成功可能性,并使企业能够更快地从数据分析中看到价值,对如何实现目标有更清晰的路径和愿景。

Simion说,“通过洞察力,数据将为决策过程提供动力。通过新的运营模式,企业内的人员将有动力改变行为,并且数据的价值将以更快的速度实现。”

但要认识到特定洞察力或数据带来的价值,企业需要一个衡量成功的框架。Simion说,“这有助于企业评估他们当前的进展、做出调整,并优化他们追踪数据分析目标的方式,通过清晰的衡量能力展示数据分析驱动的价值和结果的数量,它将帮助数据领导者展示任何分析投资的回报。”

4. 建立具有商业价值的数据管道

从数据中获取价值不会在一夜之间或通过某种神奇的方式发生,这需要付出大量时间和精力。

大约20年前,医疗保健机构KVC Health Systems公司的首席信息官Lonnie Johnson决定在该公司开始制定一项长期分析战略,多年来,这一战略已经取得了成效。第一步是在关系数据库中组织数据,这使分析团队能够对现有数据点进行分类。

Johnson说,“我们通过对业务线、办公室、程序、时间标识符、交易类型以及关于我们患者的许多特征进行编目来规范信息,我们从许多独立的数据库和电子表格中收集并连接了信息。”

然后,该团队创建了数字表格、应用程序和用户界面来转换企业的纸质文档。它还为这些文件创建了接口,作为将信息输入数据库的一种方式。

Johnson说,“在我们的用户界面中,强制执行数据完整性,并学习尽可能多地自动填充字段。我们在这些数字界面的开发过程中大量地吸收了用户群体,以确保能够获取实际的业务价值。我们现在仍然在实践这一点。”

该团队在应用程序中创建了自定义查询构建器,使用户能够根据数据点的描述从选定字段中提取信息。Johnson说,“这让数据团队能够专注于更高级的分析。我们还鼓励用户提供有关查询构建器的反馈,以帮助我们更好地组织信息。”

该团队开始在NoSQL数据库中捕获大量文本和表单数据,以用于快速开发和未来的自然语言处理。Johnson说,“如果将数字表单用于调查、法律文件、客户信息或任何其他可能随时更改的文件,使用NoSQL可以加快数据捕获并让开发人员腾出时间从事其他更具创新性的任务。”

该公司投资于数据科学敏锐度和工具,目标是在内部开发这些所需的技能。Johnson说,“我们还找到了一个可以定期合作的合作伙伴,以帮助我们使用机器学习来制定用于预测分析的解决方案。这一系列的现场技能和深厚的外部经验已发展成为一项新服务,可以持续提供可操作的见解。”

5. 利用跨职能合作伙伴或团队来提高数据准确性

这跨越了之前涵盖的所有领域,尤其是将分析与业务保持一致并更新运营模式。分析团队应该与业务用户定期合作,通过更高质量的数据帮助确保价值,或者将业务用户作为其跨职能团队的一部分。

在线食品订购和交付平台DoorDash公司负责分析和数据科学的副总裁Jessica Lachs表示:“与企业中的业务团队密切合作,为数据准确性提供了额外的保护,从而改进了数据和业务团队如何利用他们看到的数据。当更多团队查看相同数据时,就会发现自动警报可能会遗漏的异常情况。密切的合作伙伴关系还确保数据团队建立业务直觉,以更好地了解他们管理的数据的实际应用。”

Lachs表示,这使团队能够自主并根据业务需求在可访问性、准确性和可扩展性方面做出更好的决策,他带领着一个由85人组成的分析团队。

另一个关键是将数据视为评估业务决策和权衡的货币。

Lachs说,“我们相信,通过量化尽可能多的事情,我们可以更好地评估和权衡,确定哪些是有效的,哪些是需要改进的,从而构建更好的产品。要做到这一点,我们必须对关键业务杠杆进行最新且准确的量化,这是我带领的团队路线图的关键部分。

在那里,我们可以使用数据来创建一种通用的内部货币,使我们能够以类似的方式评估和比较权衡——例如,将交付费用降低1美元或将交付时间缩短5分钟会更好吗?如果可以用类似的术语来构建问题,比如增量订单,那么其权衡就会变得更加清晰,对业务的价值也是如此。”