تحليل البيانات و أفضل 10 ممارسات

في العقد الماضي بدأت الشركات تتنافس فيا بينها على أساس تحليل البيانات بدلاً من السلع و الخدمات. في كتابها طرحت مجلة هارفرد عن كيفية التنافسية على تحليل البيانات على أنها العلم الجديد للفوز في السوق الحالية و المستقبلية.

تتفوق الشركات على أهمية التحليلات، فهي مقتنعة بأن البيانات هي شريان حياتها وأن الرؤى المستندة إلى البيانات هي مفتاح النجاح في المستقبل بطريقة سحرية. ولكن على الرغم من كل الحماس والميزانيات والموارد الموجهة إلى التحليلات، فإن الغالبية العظمى من المشاريع ببساطة غير قادرة على التوسع، مع فشل العديد في تلبية التوقعات بالكامل.

نشر معد ام اي تي عن أهمية البيانات:

لا يقتصر نجاح تحليل البيانات على جمع البيانات فحسب، بل يتعلق بإدارة البيانات والإحصاءات. فيما يلي 10 خطوات لأحد الخبراء لتحسين عملية اتخاذ القرارات التجارية.

وفقًا لبحث مؤسسة جارتنر، فإن 20٪ فقط من إحصاءات التحليلات ستحقق نتائج الأعمال حتى عام 2022. وذلك لأن معظم الشركات لا تتبع مجموعة من أفضل الممارسات الراسخة، وتعمل بدلاً من ذلك من دليل عشوائي وغير مثبت في الغالب. أي ان الشركات لا تمارس منهجية مثبتة في العمل.

ثلاث ممارسات هي حجر الأساس لتحليل البيانات

قم بإجراء عرض تحليلي للبيانات

أي لمعرفة الإجابات يجب تحديد الأسئلة و بمعنى آخر، لحل المشكلة يجب علينا تعريفها. بعبارات بسيطة، يعني هذا التوفيق بين الأسئلة التي تطرحها الشركة وأنواع البيانات اللازمة لتقديم الإجابات. ستحدد هذه الإجابة بدورها النموذج الذي يجب استخدامه لاكتساب الأفكار.

على سبيل المثال، قد تكون المؤسسة غارقة في المستندات والبيانات المفيدة لمبادرات الامتثال، ولكن إذا كان هدف العمل هو فهم العميل بشكل أفضل وتقديم منتجات وخدمات مصممة خصيصًا لاحتياجاتهم، فقد لا تكون مخازن المستندات الالكترونية وجداول البيانات ذات صلة.

يضمن تصنيف بيانات الأعمال حسب النوع إمكانية جذبها بسهولة أكبر إلى جهود التحليلات متى وأينما كان ذلك منطقيًا. حدد ساوثهيكل ثلاثة أنواع رئيسية من البيانات:

• البيانات المرجعية (Reference data)، التي تغطي فئات الأعمال مثل المصانع والعملات ومجال الأعمال؛
• البيانات الرئيسية (master data) حول الكيانات مثل الموردين والمنتجات والعملاء؛ و
• بيانات المعاملات (transactional data)، التي تُفصل الأحداث مثل أوامر الشراء والفواتير وتشغيل كشوف المرتبات.

اقترح أيضًا أن تقوم الشركات بتطوير مجموعة أخرى من المعلمات وقواعد التحويل لتحويل بياناتها إلى حالة ملائمة للتحليلات. وأوضح أن “اختيار نموذج التحليلات يعتمد على شيئين رئيسيين – الأسئلة التي أطرحها ونوع البيانات لدينا”.

بيانات المصدر كعامل استراتيجي

تضع الكثير من الشركات قيودًا على التحليلات لأنها لا تمتلك بيانات كافية أو بيانات صحيحة، أو ربما تعتقد أن جودة بياناتها سيئة. لكن ساوثهيكل قال إن انتظار الحالة المثالية للبيانات خطأ. يقول: “وحيد القرن غير موجود عندما يتعلق الأمر بالتحليلات في الأعمال التجارية”. “الأمر لا يتعلق بالكمال – التحليلات هي كل شيء عن التقدم. أنت بحاجة إلى الاستمرار في التحرك “.

هناك طرقًا للتعويض إذا كانت المنظمات تفتقر إلى حجم البيانات أو الجودة. يمكن الحصول على البيانات، إما من خلال مزودي الخدمة أو من مصادر مجانية مفتوحة المصدر. ويجب على المؤسسات أن توازن بين تكلفة الاكتساب والقيمة التي تجلبها البيانات لجهود التحليلات. بالإضافة إلى ذلك، يمكن لأخذ العينات أن يجعل البيانات أكثر قابلية للاستخدام ويقلل من وقت الدورة. هناك خيار آخر وهو هندسة الميزات، التي تستخدم أساليب التعلم الآلي لاستغلال مجموعة البيانات الحالية وخبرة المجال والحدس في بيانات أكثر ذكاءً مضبوطة للتحليلات.

الانتقال من مشاريع التحليلات إلى منتجات التحليلات

بدلاً من توجيه الجهود نحو مشاريع تحليل البيانات، المحدودة والتكتيكية، يجب على المؤسسات أن تضع أنظارها على منتجات التحليلات. والتي تولد فائدة مالية قابلة للقياس من رؤى البيانات مع تحسين أداء الأعمال. إن منتجات البيانات قابلة للتطوير عادةً، وتلتزم الفرق بالتحسين المستمر، وهناك بطبيعتها المزيد من التعاون.

هذه سبع قواعد عامة للطريق

بالإضافة إلى مجموعة أفضل الممارسات التي يجب القيام بها، أوصى البحث بما يلي كدليل لرحلة تحليلات ناجحة:

أهداف أصحاب المصلحة وأهمية الأسئلة ومؤشرات الأداء الرئيسية

يعلم الجميع أنه يتعين عليك تجنيد أصحاب المصلحة في وقت مبكر في برنامج لبناء المشاركة والدعم، ولكن ليس من الواضح كيفية تحقيق ذلك بطريقة منطقية. المفتاح هو طرح الأسئلة الصحيحة، وليس فقط حول ما يريده أصحاب المصلحة أو المتطلبات المحددة. من المهم أيضًا توضيح الافتراضات كجزء من هذا التمرين لتوفير سياق إضافي. يجب أيضًا تجنيد أصحاب المصلحة مبكرًا لإنشاء مؤشرات أداء رئيسية متفق عليها بشكل متبادل لضمان تحقيق أهداف العمل.

تكوين فرق تحليل بيانات عالي الأداء

إن التحليلات الناجحة تتطلب أكثر من علماء بيانات متخصصين للغاية يعملون في صوامع – فهي تتطلب أن تزرع الشركات عقلية تنظيمية مختلفة، عقلية تتبنى المنهجيات القائمة على الفرضيات وحيث تتجاوز الخبرة التحليلية التقارير المالية أو التنظيمية لتشمل العمليات ونمو الإيرادات.

بناء معرفة البيانات من خلال التركيز على التحليلات الوصفية ومؤشرات الأداء الرئيسية

يقدر الخبراء أن 80٪ من العمل الحالي المنجز في التحليلات يشمل التحليلات الوصفية – أي نظرة تاريخية إلى الوراء لتحديد سبب حدوث شيء ما. على سبيل المثال، سبب انخفاض المبيعات خلال فترة معينة أو سبب توقف التنبؤات المحددة. إن توسيع هذه الجهود يساعد في تعويد أصحاب المصلحة على العقلية الجديدة ويمنحهم خبرة مباشرة مع فوائد التحليلات.

اجعل الامتثال جزءًا لا يتجزأ من التحليلات

بينما يمكن أن تكون البيانات أحد الأصول، إلا أنها يمكن أن تكون أيضًا مسؤولية. لموازنة المخاطر، يجب على المنظمات التركيز على الامتثال للوائح و القوانين، بما في ذلك اللوائح الحكومية وقواعد العمل الداخلية ومعايير الصناعة.

صقل و تحسين نماذج التحليلات بشكل مستمر

بناء نموذج تحليلي ليس تمرينًا فرديًا – تحتاج الشركات إلى تعديل جهود النمذجة لمواكبة تغييرات الأعمال، سواء كان ذلك بسبب عمليات الدمج والاستحواذ أو دخول أسواق جديدة.

“عندما تتغير الأشياء، تتغير بياناتك أيضًا، وعندما تتغير بياناتك، تتغير نماذجك”. “نماذج التحليلات ليست كيانًا ثابتًا”.

دعم التحليلات بالحوكمة

مع تكثيف جهود جمع البيانات، تصبح الحوكمة و ضبط البيانات عاملاً حاسمًا. يضمن إنشاء عمليات رسمية التقاط البيانات وإدارتها بشكل متسق، وتظل الجودة عاليةكي يكون هناك تعريف مشترك وفهم للبيانات عبر المؤسسة.

استخدم البيانات لسرد الرؤى

لن تكون نقاط البيانات المشفرة أو المربكة كافية لإثارة أنماط عمل جديدة أو تغيير السلوكيات. استفد من المرئيات والسياق والفوائد المالية للرؤى المستندة إلى البيانات لنسج سرد يثقف أصحاب المصلحة ويربط الرؤى بالمزايا المالية.