Artikel ini disiapkan oleh Sergey Shopik, direktur dan pendiri Lab Pengalaman Klien. Berdasarkan bahan yang diterbitkan oleh Martha Bennett di situs web badan analisis internasional Forrester Research. Kami mengundang semua orang ke 18 Juni pukul 20:00 waktu Moskow. ke bengkel gratis "Visualisasi dari A ke Z". Anda dapat mendaftar di sini .
Terlalu sedikit data. Terlalu banyak data. Data tidak lengkap atau akses terbatas ke sana, laporan dan dasbor yang terlalu lama untuk dibentuk, yang seringkali tidak memenuhi tujuan Anda. Alat analisis yang hanya dapat digunakan oleh beberapa spesialis yang terlatih. Semua ini adalah daftar keluhan dari bidang data mining dan business intelligence (BI). Ini sangat panjang, dan otomasi, sayangnya, tidak berfungsi sebagai solusi untuk masalah ini. Pada saat yang sama, BI telah menjadi salah satu prioritas utama untuk implementasi dalam organisasi selama beberapa tahun, karena perusahaan mulai dengan jelas mengenali nilai data dan analitik ketika datang untuk mengoptimalkan solusi untuk mendapatkan hasil terbaik.
Jadi, apa yang dapat Anda lakukan untuk memastikan bahwa inisiatif BI Anda tidak berakhir pada dump proyek yang gagal? Menemukan jawaban untuk pertanyaan ini bukanlah sesuatu yang tidak biasa dan rumit, tetapi akan membutuhkan jawaban untuk pertanyaan yang jelas dan pemisahan "butir dari sekam". Cukup sering, orang dapat mendengar cerita tentang bagaimana proyek jutaan dolar di bidang ini gagal total. Seringkali ini adalah salah satu alasan berikut yang akan kami coba cari tahu.
Apa perbedaan antara proyek analitik BI yang sukses dan proyek yang macet di neraka produksi? Mempelajari praktik terbaik dari proyek yang sukses, perbedaannya mungkin tampak jelas, tetapi perbedaan itulah yang membedakan mereka yang proyek BI-nya tidak memenuhi kebutuhan bisnis (atau, pada prinsipnya, gagal), dari mereka yang proyeknya berhasil.
Dan yang paling penting: dalam kategori tugas apa kita akan menetapkan proyek serupa? IT Korporat atau salah satu unit bisnis yang pelaporannya ingin kamiotomatiskan dan data siapa yang ingin kami lihat? Biasanya seluruh masalahnya adalah bahwa implementasi proyek sepenuhnya bergantung pada TI perusahaan tanpa melibatkan pengguna bisnis dalam prosesnya. Pada apa yang sering terjadi ini justru atas inisiatif yang terakhir - biarkan mereka memperkenalkannya, dan kemudian kita akan menekan satu tombol dan "analisis" akan dimulai. Tidak juga. Inisiatif tersebut seharusnya berasal dari tugas-tugas bisnis dan bisnis, tetapi tidak sebaliknya. Jelas, tetapi pada saat yang sama rumit. Bagaimana kita melakukan ini?
- Bentuk tujuan yang jelas: BAGAIMANA bagi saya dasbor ini, untuk tujuan apa kita akan menggunakan indikator ini atau itu? Jawaban buruknya adalah untuk menenangkan pemegang saham / manajemen. ” Jawaban yang baik adalah mengevaluasi keefektifan tindakan tertentu dan, atas dasar ini, putuskan a, b, c.
- Jadilah fleksibel dan jangan mencoba untuk menutup semua tugas "pada suatu waktu". Kesalahan umum kedua adalah menulis TK yang sempurna. Otomatiskan satu tugas, periksa hasilnya, dan lanjutkan ke yang berikutnya. Jangan mencoba menggunakan proyek berskala besar selama setahun. Dapatkan tujuan dalam 12 langkah - satu langkah per bulan. Pada saat yang sama, jangan lupa tentang tujuan dan sasaran utama.
- Pahami data. Proyek tidak lepas landas karena kurangnya data. Dan ini juga terjadi. Saya ingat kasus ketika proyek segmentasi basis klien dihentikan karena fakta bahwa dalam program akuntansi perusahaan, data penjualan tidak terikat pada kartu diskon! Apakah ini berarti Anda perlu menaburkan abu di kepala Anda dan meninggalkan rencana Anda? Tidak mungkin! Ini hanya berarti bahwa perlu untuk menautkan data dan mulai menumpuknya, sehingga nantinya sesuai dengan rencana. Pada saat yang sama, mulailah membangun sistem indikator, yang nantinya akan diintegrasikan ke dalam proses. Periksa apakah semua data tersedia dan ulangi siklus.
- Pilih alat berdasarkan tugas, dan bukan sebaliknya. Lelucon lama: kami membeli sesuatu, dan sekarang kami mencoba untuk mendorong proses kami di sana. Tetapi harus sebaliknya. Alat untuk analisis BI dipilih untuk tugas-tugas tersebut, dan bukan sebaliknya. Ada baiknya jika semua departemen di perusahaan mengetahui teknologi yang digunakan di dalamnya. Kalau tidak, Anda akan memiliki 20 program di setiap departemen, masing-masing mempertimbangkan dengan caranya sendiri, tetapi tidak ada versi tunggal dari kebenaran. Yang bisa Anda lakukan adalah menerapkan alat ke-21.
- Jika perlu, jangan takut untuk menggunakan bantuan eksternal. Tidak ada yang istimewa untuk ditambahkan. Itu normal: untuk memanggil konsultan atau untuk melibatkan tim eksternal untuk menyelesaikan masalah yang diperlukan dalam waktu singkat. Tidak normal: lakukan sendiri dan lakukan selama dua tahun.
- Manajemen perubahan dan pembelajaran adalah proses yang berkelanjutan. Anda tidak dapat memperkenalkan sesuatu "selamanya". Pasar berubah, tujuan, indikator, situasi di perusahaan berubah. Penting untuk memantau relevansi keputusan dan mengembangkannya dengan cepat jika perlu. Pada akhirnya, apa yang berfungsi untuk toko yang berdiri sendiri tidak mungkin sepenuhnya relevan untuk jaringan federal yang besar.
Jika ada praktik terbaik, menurut definisi ada jebakan yang harus dihindari. Kami telah mengidentifikasi yang paling umum di antara mereka:
- Menggunakan TI dalam intelijen bisnis tampaknya lebih mudah daripada yang sebenarnya. Sampai Anda telah menerapkan pendekatan BI untuk analisis data, Anda biasanya memiliki 1 pertanyaan. Setelah implementasi, jumlah pertanyaan meningkat sepuluh kali lipat, seperti peluang untuk analisis jauh lebih besar. Seiring dengan teknologi, kembangkan budaya bekerja dengan data.
- Penolakan untuk melakukan tugas mereka setelah menarik mitra eksternal untuk memberikan bantuan. Jadi, sayangnya, itu tidak berhasil. Konsultan atau tim eksternal akan membantu Anda membangun proses. Tapi tanggung jawab untuknya dan bekerja dengannya adalah milikmu.
- Berfokus pada pengembangan dan implementasi teknologi, bukan perubahan manajemen dan pelatihan. Lebih baik menerapkan sistem pelaporan kecil pada Power BI dan secara efektif membuat keputusan operasional berdasarkan data daripada menghabiskan ratusan atau ribuan jam menerapkan SAP dan tidak menggunakan fungsinya bahkan sebesar 1%, tetapi terus mengirim piring satu sama lain di Excel.
Ikuti aturan sederhana ini dan Anda pasti akan berhasil. Dan transisi dari pengambilan keputusan berdasarkan dugaan, ke keputusan yang seimbang dan didigitalkan menggunakan analitik BI akan senyaman mungkin. Semoga beruntung, teman-teman!