6 데이터 문제 관리자와 조직이 직면하는 문제

우리는 데이터 중심의 세계에서 일합니다. 관리자는 보고서, 대시 보드 및 시스템을 통해 데이터에 포격 당합니다. Google은 데이터 중심의 결정을 내리는 데 정기적으로 상기하고 있습니다. 고위 지도자들은 경쟁 우위를 발전시키기 위해 빅 데이터의 약속을 지키지 만, 그것이 무엇인지 동의하는 대부분의 투쟁은 기대되는 확실한 이점을 설명하지 못합니다.

데이터 과학자의 역할은 수년간 예상되는이 중요하고 중요한 역할에 대한 예상 부족으로 고조되고 있습니다. 조직은 매년 데이터를 캡처, 저장 및 분석하는 소프트웨어를 설치하는 데 많은 돈을 지출하고 있습니다. 마케팅 부서는 창조적 인 역할을 희생하면서 기술적이고 데이터에 능통 한 전문가로 점점 더 넘치고 있습니다.

비즈니스 세계는 데이터 중심의 세계이지만 데이터가 그 자체로 끝나지 않는다는 것을 인식하는 것이 중요합니다. 다른 모든 것들과 마찬가지로 데이터는 약속으로 가득 찬 도구입니다. 올바른 접근 방식을 갖춘 올바른 방법으로 의사 결정을 지원할 수있는 데이터의 잠재력은 놀라 울 정도입니다.

그러나 데이터를 수집하고 분석하는 것이 위험이 없다는 잘못된 믿음에 빠지지 마십시오. 비즈니스 구제자로서의 데이터 개념에 대해 약간의 비판을하고,이 새로운 리소스가 우리 모두에게 줄 수있는 몇 가지 함정을 발견하도록 도와주세요.

미리 경고한다.

불량 데이터 품질

우리가 물리적 인 물체 나 제품의 맥락에서 품질에 대해 생각하는 것은 익숙하지만 데이터 품질은 모든 회사의 중요한 문제입니다. 구조화 된 데이터베이스 또는 저장소에 저장된 데이터는 종종 불완전하거나 일관성이 없거나 오래되었습니다. 데이터 품질 문제에 대한 간단한 예를 들어 보셨을 것입니다.

우리 중 대부분은 실제 이름과 약간 다른 또는 근본적으로 다른 버전의 마케팅 담당자로부터 중복 된 우편물을받는 것을 상기 할 수 있습니다. 마케팅 담당자의 데이터베이스에는 Google 주소와 이름이 다른 맞춤법이나 맞춤법이 틀린 중복 기록이 포함되어 있습니다. 우리는 복제 된 메일을 쓰레기로 재활용하고 마케터는 단순한 데이터 품질 문제로 인해 인쇄 및 우편 발송의 형태로 초과 비용을 발생시킵니다. 수백 또는 수천 개의 레코드로이 실수를 증폭 시키십시오.이 작은 데이터 품질 오류로 인해 비용이 많이 듭니다.

데이터 품질 문제는 전략, 시장 및 마케팅에 대한 의사 결정을 거의 실시간으로 수행하는 데 중요성이 커집니다. 구조화 된 (형식화 된) 데이터의 품질을 모니터링하고 향상시키는 데 도움이되는 소프트웨어 및 솔루션이 존재하지만 실제 솔루션은 데이터를 중요한 자산으로 간주하는 데있어 조직 차원에서 중요하게 다룰 것입니다. 실제로 이것은 성취하기가 어렵고 특별한 징계와 지도력 지원이 필요합니다.

데이터 익사

데이터는 조직의 모든 곳에 있습니다. 고객 데이터를 고려하십시오. 대부분의 조직은 고객 및 잠재 고객에 대한 정보를 수집하는 데 숙련되어 있습니다.

• 마케팅은 실시간 또는 웹 이벤트에 참석하거나 콘텐츠를 다운로드하는 사람들로부터 데이터를 수집합니다.
• 경영진은 새로운 전략을 지원하거나 정의하기 위해 데이터를 사용합니다.
• 판매는 판매 프로세스와 관련된 고객에 대한 데이터를 수집합니다.
• 고객 지원부는 전화 및 채팅에 대한 정보를 수집합니다.
• 관리 팀은 스코어 카드에 대한 데이터 및 주요 지표를 사용합니다.
• 고객 데이터는 청구 목적을위한 회계 및 품질 및 고객 통찰 팀이 고객 만족도를 모니터링하는 데 사용됩니다.

우리는 다양한 소프트웨어 시스템에서 고객 정보를 수집하고 다양한 데이터 저장소에 데이터를 저장합니다. 하나의 Global Fortune 100 기업이 고객 데이터의 10 %를 스프레드 시트로 컴퓨터에서 직원들이 로컬로 보유하고 있음을 인정했습니다. 다른 조직에서는 정기적으로 마케팅 캠페인을 실행하기 전에 영업 담당자에게 명함 데이터를 조사합니다.

배가 가라 앉은 후 구명정에 좌초 된 선원이 그랬듯이 물이 도처에 있지만 마실 곳은 없습니다. 우리는 사업에서 동일한 현상을 보입니다. 데이터는 어디 에나 있으며 소셜 및 검색 피드에서 점점 더 많은 데이터를 실시간으로 이용할 수 있습니다. 데이터에 쉽게 액세스 할 수 없거나 데이터가 중복되거나 불완전한 경우이를 의도 된 용도로 활용할 수 없습니다.

점차적으로 조직에서는 서로 다른 소프트웨어 응용 프로그램을 통합하고 전사적으로 데이터를 수집하고 집계하는 프로세스를 단순화합니다. 그러나 데이터 품질과 함께 이러한 노력은 많은 비용과 시간을 필요로하며 결코 끝나지 않습니다.

데이터 볼륨 증가

우리는 이해하기 어려운 속도로 점점 더 많은 데이터를 만들고 있습니다. 전문가들은 매 2 년마다 우리는 모든 문명의 지구에 존재했던 것보다 많은 데이터를 창출하고 있다고 제안합니다.

이 새로운 데이터의 대부분은 소프트웨어 및 데이터베이스 응용 프로그램에 깔끔하게 입력되는 데이터 유형과 비교하여 구조화되지 않았습니다. 예를 들어, 제품 또는 브랜드에 대한 모든 트윗은 통찰력의 보물을 나타낼 수 있지만이 데이터는 구조화되어 있지 않으므로 캡처 및 분석의 복잡성이 커집니다. 이 문제를 해결하는 데 도움이되는 많은 소프트웨어가 있지만 구조화되지 않은 데이터는 고유 한 복잡성 및 품질 문제를 모두 다루면서 처리를위한 새로운 토렌트를 나타냅니다.

쓰레기통, 쓰레기통

데이터 분석 소프트웨어는 데이터를 제공하는 데이터만큼이나 우수합니다. 이점을 위해 데이터를 활용하는 이슈의 공통점은 품질입니다. 많은 기업들이 강력한 새로운 데이터 처리 응용 프로그램에 상당한 비용을 투자하지만 더러운 데이터를 처리하면 결함있는 결정이 내려집니다. 데이터 분석 노력의 결과를 맹목적으로 신뢰하는 것에주의하십시오. 분석에 사용 된 데이터를 신뢰할 수 있다고 확신해야합니다.

데이터 분석은 결론적이지 않습니다.

우리는 데이터 분석 결과를 결정적으로 받아들이지 만, 그렇지 않습니다. 실제로, 데이터 분석은 종종 인과 관계가 아니라 상관 관계를 보여줍니다! 데이터 분석의 결과를 신뢰하고 인과 관계를 혼동하는 것을 포착하는 것이 쉽습니다.

상호 관계는 관계를 보여 주지만, A가 B를 일으킨다는 것을 의미하는 것은 아닙니다. 인과 관계를 수립하는 것은 정확하고 통찰력있는 결정을 내리기위한 열반입니다. 또한 증명하기가 매우 어렵습니다. 당신이 과도하게 산출물을 신뢰하고 존재하지 않는 인과 관계를 가정한다면, 당신의 결정에 치명적인 결함이있을 것입니다.

증폭 된 편향

우리의인지 적 편향은 데이터를 평가할 때 증폭됩니다. 한때 현명한 데이터 과학자가 한때 털어 놓은 것처럼, "가장 복잡하고 철저한 데이터 분석의 끝에, 인간은 여전히 ​​추론을 이끌어 내고 결정을 내려야 만합니다." 그리고 데이터 분석의 의미를 평가해야하는 시점에 이르면 편견이 생깁니다. 우리 중 많은 사람들이 우리의 입장과 기대를 뒷받침하는 데이터를 신뢰하거나 의존하는 경향이 있으며 그 반대 인 데이터는 표시하지 않습니다. 우리는 또한 우리가 좋아하는 출처의 데이터를 신뢰하거나 가장 최근의 데이터에 의존합니다.

이러한 모든 편향은 데이터 분석의 실수와 잠재적 인 문제를 야기합니다.

관리자로 사용하기 위해 데이터 길들이기 시작하는 방법

전사적 데이터 전략을 개발하는 것은 모든 비즈니스에 필수적이지만이 기사의 범위를 벗어납니다. 대신, 일일 의사 결정에서 데이터 사용을 향상시키기 위해 관리자로 사용할 수있는 7 가지 아이디어가 있습니다.

편견 인식

편견의 잠재력을 인식하고 완화하십시오. 그림을 확장하거나 사용자 앞에있는 데이터와 충돌하는 데이터를 찾으십시오. 외부 관찰자가 데이터에 대한 가정을 평가하도록 격려하십시오.

자료 관리

데이터 관리에 대한 이해를 강화하십시오. 웹에 대한 충분한 통찰력을 확보하고있는 많은 기관들이 있으며 데이터 분석 및 비즈니스 인텔리전스에 관한 세미나 또는 워크샵을 제공하는 조직이 많습니다. 많은 대학들이이 급성장 분야에 대한 과목을 추가했습니다. 당신의 기술을 연마하십시오.

완전한 데이터

자신이나 팀에게 물어보십시오. "이 결정을 내리기 위해 필요한 데이터는 무엇입니까?" 너무 자주 우리는 현재의 데이터에 의존하고 그림을 완성하기 위해 더 많은 데이터를 찾아야 할 필요성을 무시합니다.

상호 관계 및 원인

상관과 인과 관계의 차이에 대해 비판적으로 인식하십시오. 앞에서 설명한 것처럼이 두 가지를 혼동하는 것은 의사 결정에 잠재적으로 위험한 함정입니다.

품질 - 데이터 확인

귀사에 데이터 품질 또는 마스터 데이터 관리 약정이없는 경우 중복, 불완전하거나 오류가있는 기록을 포함하여 분명한 오류가 있는지 데이터를 평가할 시간을 투자하십시오. 많은 상업적으로 사용 가능한 소프트웨어 응용 프로그램이 있거나이 활동을 지원하기 위해 많은 기업들이 데이터 전문가의 전문 지식을 활용하여 데이터 품질을 쿼리하고 평가합니다. 또한 데이터를 정리할 수있는 외부 서비스 제공 업체를 고려하십시오. 중요한 것은 지속적으로 데이터의 품질을 향상시키는 데 집중하는 것입니다.

데이터 품질

회사 전반에 걸친보다 강력한 데이터 품질 및 관리 노력을지지하십시오. 이 작업은 IT 또는 기술 전문가의 영역 이었지만 데이터는 전략적 자산의 역할을 할 수 있습니다. 모든 관리자는 의사 결정 및 전략 실행을 위해 데이터를보다 잘 활용할 수있는 회사의 역량에 관심을 기울여야합니다.

기술 및 데이터 관련 인재

팀에 기술 및 데이터에 익숙한 인재를 추가하십시오. 판매 및 마케팅 부서는 최신 기술에 능숙하고 개개인이 직면 한 많은 데이터 문제를 해결할 수있는 능력을 알고 있습니다. 기술 및 데이터는 더 이상 기업에서 단일 기능의 영역 또는 책임이 아닙니다.

결론

향상된 의사 결정을 위해 데이터를 활용하는 법을 배우는 기업과 관리자는 시장에서 승리 할 것입니다. 이러한 조직은 변화하는 상황을 모니터링하고 대응할 수 있으며 경쟁이 치열한 경쟁 업체보다 빠르게 부상하는 고객 요구를 처리 할 수 ​​있습니다. 그들은 소셜 미디어 대화를 통해 가장 먼저 통찰력을 얻을 것이며, 데이터를 기반으로 한 더 깊은 수준에서 고객을 파악하고 참여시키기위한 전투에서 승리 할 것입니다. 이것은 유행이 아니라 오히려 오늘날 세계에서 관리하고 경쟁하는 새로운 현실입니다.

이 여행의 함정을 조심하십시오.