Καθώς το οικονομικό περιβάλλον γίνεται πιο σκοτεινό, οι εταιρείες επικεντρώνονται στην επίτευξη κερδοφόρων ανάπτυξης και όχι μόνο στην ανάπτυξη. Οι αποφάσεις που βασίζονται σε δεδομένα μπορούν να επιταχύνουν αυτόν τον στόχο, αλλά οι οργανισμοί πρέπει να αναπτύξουν νέους μύες δεδομένων για να τους φτάσουν εκεί.
Οι τελευταίοι μήνες ήταν ένας ανεμοστρόβιλος για τον επιχειρηματικό κόσμο: επιβράδυνση της ανάπτυξης, πιο ζοφερές κεφαλαιαγορές, απολύσεις, πιθανότητα ύφεσης, μειωμένη διάθεση για ανάληψη κινδύνων από τους επενδυτές και γενικά αβέβαιο οικονομικό κλίμα. Αυτά έχουν αναγκάσει τις εταιρείες να επανεξετάσουν τις στρατηγικές τους και να διορθώσουν την πορεία τους. Μία από τις μεγαλύτερες διορθώσεις ήταν να ισορροπία της ανάπτυξης με την κερδοφορία. Αν και αυτό ήταν πιο εμφανές σε εταιρείες τεχνολογίας υψηλής ανάπτυξης, οι επιπτώσεις είναι ευρείες.
Καθώς αναδύονται νέες πραγματικότητες, η νοοτροπία πρέπει να εξελιχθεί και να αναπτυχθούν νέοι μύες δεδομένων. Ο φρενήρης ρυθμός ανάπτυξης την τελευταία δεκαετία σήμαινε ότι η κύρια εστίαση της ανάλυσης δεδομένων ήταν σε τομείς όπως η δημιουργία ζήτησης, τα μοντέλα cross-sell upsell, το μάρκετινγκ ανάπτυξης κ.λπ. Αν και αυτά θα παραμείνουν σημαντικά, ίσως ακόμη περισσότερο, τα νέα δεδομένα Οι μύες των αναλυτικών στοιχείων πρέπει να χτιστούν για να συμπληρώνουν τους υπάρχοντες – μύες που συμβάλλουν στην αύξηση της αποτελεσματικότητας και στη μεγιστοποίηση της απόδοσης της επένδυσης. Πολλά πράγματα δεν ήταν τομείς εστίασης για μεγάλο χρονικό διάστημα, αλλά τώρα πρέπει να είναι. Συγκεκριμένα, υπάρχουν πέντε τομείς στους οποίους οι εταιρείες καλό θα ήταν να εστιάσουν τώρα:
- Λιτή τεχνολογία και μοντέλα λειτουργίας για την εξάλειψη των αναποτελεσματικών: Υπάρχουν αρκετοί τομείς όπου τα αναποτελεσματικά μοντέλα έχουν γίνει συνηθισμένα. Ένα χαρακτηριστικό παράδειγμα είναι το τεχνολογικό μοντέλο του πολλαπλού λογισμικού και των προμηθευτών να κάνουν πολύ παρόμοια πράγματα ή να κάνουν πράγματα που δεν χρειάζονται. Στον κόσμο των δεδομένων, έχει εκδηλωθεί με τις μορφές μιας εταιρείας που διαθέτει πολλαπλές «πλατφόρμες δεδομένων», τεχνολογίες αποθήκευσης δεδομένων, εργαλεία BI κ.λπ. Η γένεση ήταν ότι οι ομάδες είχαν χρηματοδότηση για να αγοράσουν και να αναπτύξουν αυτό που θεωρούσαν ότι ήταν η πιο βολική τεχνολογία για τους. Και αυτό έχει αφήσει τους οργανισμούς με πολλαπλές στοίβες που δεν διαλειτουργούν. Παρόμοια θέματα υπάρχουν στην πλευρά των πόρων, όπου, για παράδειγμα, οι μηχανικοί δεδομένων και οι αναλυτές σε όλες τις ομάδες κάνουν επικαλυπτόμενες εργασίες. Και οι εταιρείες καταλήγουν σε πολλαπλές εκδόσεις «παρόμοιων αλλά διαφορετικών» προϊόντων δεδομένων που στη συνέχεια προκαλούν σύγχυση. Απαιτείται μια προσεκτική ματιά στο τι βελτιστοποιεί η εξορθολογισμένη στοίβα τεχνολογίας και η ανάπτυξη πόρων σε επίπεδο εταιρείας και όχι σε επίπεδο ομάδας.
- Εστίαση βελτιστοποίησης για συμπλήρωση της εστίασης μεγιστοποίησης. Μια πολιτισμική αλλαγή της εκτίμησης και του εορτασμού των νικών βελτιστοποίησης είναι απαραίτητη για να οξυνθεί αυτή η εστίαση. Μια βελτιωμένη διαδικασία, μια αυτοματοποιημένη ροή εργασιών, μια διαρροή περιθωρίου που εντοπίστηκε, όλα πρέπει να γιορτάζονται εξίσου με μια απόκτηση νέου πελάτη. Η ανάπτυξη στην κορυφή είναι υψίστης σημασίας, αλλά το ίδιο είναι και η τελευταία γραμμή σήμερα. Αυτό σημαίνει ότι τα μοντέλα τιμολόγησης πρέπει να είναι αυστηρότερα για να διασφαλίζεται ότι η δημιουργία εσόδων είναι κερδοφόρα, τα μοντέλα πρόβλεψης πρέπει να είναι πιο ακριβή για να προγραμματίζουν καλύτερα λειτουργικά έξοδα κ.λπ. Συνολικά, οι ομάδες δεδομένων πρέπει να αναπτύξουν νέα σύνολα δεξιοτήτων και να επικεντρωθούν σε νεότερους αλγόριθμους, π.χ. έναντι της ζήτησης και τα στελέχη πρέπει να έχουν πιο στοχευμένες ερωτήσεις από τις ομάδες δεδομένων.
- Λήψη μικρών σημάτων μέσω αναλυτικών στοιχείων για τον εντοπισμό ευκαιριών. Όταν το κεφάλαιο είναι φθηνό, είναι λογικό να εστιάζεις στις μεγαλύτερες ευκαιρίες και να επενδύεις πίσω από αυτές. Αυτό πρέπει τώρα να εξελιχθεί ώστε να μην επιδιώκονται κάποιες ελάχιστες ευκαιρίες διάλυσης, αλλά να εντοπιστούν αρκετές μικρότερες ευκαιρίες που αθροιστικά είναι μεγαλύτερες από το άθροισμα των μερών. Οι πολυπαραγοντικές τεχνικές μηχανικής μάθησης μπορούν να βοηθήσουν στον εντοπισμό του τι μπορεί να χάσει ο άνθρωπος. Ένα παράδειγμα αυτού στα μέσα ενημέρωσης θα ήταν να μην εστιάσετε απλώς στη σύναψη συμφωνιών που πωλούν νεότερο περιεχόμενο, αλλά και να εντοπίσετε ποιο από το παλιό περιεχόμενο θα έχει απήχηση στο κοινό του αγοραστή και να το πουλήσετε ως πακέτο. Τακτικά, για παράδειγμα, οι μηχανές συστάσεων πωλήσεων θα πρέπει να ενημερωθούν ώστε να περιλαμβάνουν παλαιότερο περιεχόμενο και όχι μόνο νέο.
- Φέρνοντας αποφάσεις και αποτελέσματα που βασίζονται σε δεδομένα στο επίκεντρο. Ένα από τα βασικά σημεία του νέου οικονομικού περιβάλλοντος είναι ότι τα στελέχη έχουν γίνει πιο σκόπιμα. Αυτό παρέχει στις ομάδες δεδομένων μια εξαιρετική πλατφόρμα για να προσθέσουν αξία χρησιμοποιώντας δεδομένα για τη δημιουργία πληροφοριών και, στη συνέχεια, την ώθηση προς τα αποτελέσματα. Οι εταιρείες που συγκεντρώνουν τα δεδομένα και τις επιχειρηματικές ομάδες και μπορούν να επινοήσουν μια αποτελεσματική διεπαφή ανθρώπου-AI θα έχουν αποφασιστικό πλεονέκτημα έναντι εκείνων που δεν το κάνουν. Ένα από τα πιο ισχυρά εργαλεία για αυτό είναι τα τελετουργικά συναντήσεων, π.χ., τα στελέχη μπορούν να ξεκινήσουν όλες τις συναντήσεις με μια ανασκόπηση μετρήσεων και να ζητήσουν από τις ομάδες να παρουσιάσουν μετρήσεις για όποιες αποφάσεις θέλουν να υποστηριχθούν.
- Τέλος, ένας κρίσιμος μυς που χρειάζεται είναι η άνεση με την επένδυση βασικά στοιχεία δεδομένων. Για αρκετά χρόνια, οι αναλύσεις και οι αναφορές σε επίπεδο επιφάνειας αρκούν στο περιβάλλον „το αυξανόμενο κύμα ανυψώνει όλα“. Οι περισσότερες εταιρείες δεν έχουν επενδύσει σε θεμελιώδεις δυνατότητες, όπως βελτιστοποιημένες στοίβες τεχνολογίας δεδομένων, διακυβέρνηση δεδομένων και δημιουργία των σωστών οργανωτικών μοντέλων για ομάδες δεδομένων. Αυτό πρέπει να αλλάξει για να αφαιρεθεί η ευθραυστότητα από το σύστημα και να γίνουν τα δεδομένα ισχυρό παράγοντα διαφοροποίησης για κερδοφόρα ανάπτυξη.
Οι μύες των οργανωτικών δεδομένων μοιάζουν πολύ με τους ανθρώπινους μύες: αυτοί που δεν ασκούνται γίνονται αδύναμοι. Και ένα νέο περιβάλλον απαιτεί νέους για να κερδίσουν – παρόμοιο με έναν σπρίντερ που χρειάζεται διαφορετικό πρόγραμμα προπόνησης για να γίνει κολυμβητής. Οι νικητές τα επόμενα χρόνια θα είναι οι εταιρείες που θα στραφούν γρήγορα στο να κάνουν πράγματα με νεότερους τρόπους καθώς θα βαδίζουν στο ταξίδι τους προς την κερδοφόρα ανάπτυξη.
