6 डेटा मैनेजर्स एंड ऑर्गनाइजेशन फेस को चुनौती देता है

हम डेटा केंद्रित दुनिया में काम करते हैं। प्रबंधकों को रिपोर्ट, डैशबोर्ड और सिस्टम के माध्यम से डेटा के साथ बमबारी की जाती है। हमें डेटा-संचालित निर्णय लेने के लिए नियमित रूप से याद दिलाया जाता है। वरिष्ठ नेता प्रतिस्पर्धात्मक बढ़त विकसित करने के बिग डेटा के वादे को सलाम करते हैं, फिर भी अधिकांश इस बात पर सहमत होने के लिए संघर्ष करते हैं कि यह कम अनुमानित लाभ का वर्णन करता है।

वर्षों से अपेक्षित इस महत्वपूर्ण भूमिका में अनुमानित कमी के साथ डेटा वैज्ञानिक की भूमिका गर्म मांग में है। संगठन डेटा को पकड़ने, स्टोर करने और विश्लेषण करने के लिए सॉफ़्टवेयर स्थापित करने के लिए हर साल एक भाग्य खर्च कर रहे हैं। विपणन विभाग तेजी से रचनात्मक भूमिकाओं की कीमत पर तकनीकी, डेटा-प्रेमी पेशेवरों से भरे हुए हैं।

व्यवसाय की दुनिया एक डेटा-केंद्रित दुनिया है, फिर भी यह पहचानना महत्वपूर्ण है कि डेटा अपने आप में एक अंत नहीं है। अपने काम में हमारे द्वारा खींची गई हर चीज़ की तरह, डेटा वादा से भरा एक उपकरण है। उचित दृष्टिकोण के साथ सही हाथों में, निर्णय लेने के समर्थन के लिए डेटा की क्षमता उल्लेखनीय है।

हालाँकि, झूठे विश्वास में मत फंसो कि डेटा प्राप्त करना और विश्लेषण करना जोखिम के बिना है। आइए डेटा के आइडिया को व्यापार रक्षक के रूप में थोड़ा सा रगड़ते हैं और कुछ संभावित नुकसान की पहचान करने में मदद करते हैं जो यह नया संसाधन हम सभी के लिए प्रस्तुत करता है।

सचेत सबल होता है।

खराब डाटा क्वालिटी

जब हम भौतिक वस्तुओं या उत्पादों के संदर्भ में गुणवत्ता के बारे में सोचने के आदी हैं, तो यह पता चलता है कि डेटा गुणवत्ता हर समय हर फर्म के लिए एक सामग्री मुद्दा है। संरचित डेटाबेस या रिपॉजिटरी में संग्रहीत डेटा अक्सर अधूरा, असंगत या आउट-ऑफ-डेट है। यह संभावना है कि आप डेटा गुणवत्ता के मुद्दे के एक सरल उदाहरण के प्राप्त होने वाले छोर पर हैं।

हम में से अधिकांश विपणक से डुप्लिकेट मेलिंग प्राप्त करने को याद कर सकते हैं जो हमारे वास्तविक नाम के थोड़े अलग या मौलिक रूप से अलग-अलग संस्करणों को संबोधित करते हैं। बाज़ार के डेटाबेस में हमारे पते के साथ डुप्लिकेट रिकॉर्ड होते हैं और अक्सर, हमारे नाम की गलत वर्तनी या विविधताएं होती हैं। हम डुप्लिकेट मेल को रद्दी के रूप में रीसायकल करते हैं, और मार्कर साधारण डेटा गुणवत्ता के मुद्दे के कारण मुद्रण और मेलिंग के रूप में अतिरिक्त लागत लगाते हैं। इस गलती को कई सैकड़ों या हजारों रिकॉर्डों द्वारा प्रवर्तित करें और यह छोटी डेटा गुणवत्ता त्रुटि महंगी हो जाती है।

जब हम वास्तविक समय में रणनीतियों, बाजारों और विपणन पर निर्णय लेने का प्रयास करते हैं, तो डेटा गुणवत्ता का मुद्दा महत्वपूर्ण रूप से बढ़ता है। जबकि सॉफ्टवेयर और समाधान संरचित (स्वरूपित) डेटा की गुणवत्ता की निगरानी और सुधार करने में मदद करने के लिए मौजूद है, वास्तविक समाधान डेटा को मूल्यवान संपत्ति के रूप में व्यवहार करने के लिए एक महत्वपूर्ण, संगठन-व्यापी प्रतिबद्धता है। व्यवहार में, यह हासिल करना मुश्किल है और असाधारण अनुशासन और नेतृत्व समर्थन की आवश्यकता है।

डाटा में डूबना

डेटा एक संगठन में हर जगह है। ग्राहक डेटा पर विचार करें। अधिकांश संगठन ग्राहकों और संभावनाओं के बारे में जानकारी हासिल करने में कुशल हो गए हैं।

• विपणन उन लोगों से डेटा एकत्र करता है जो लाइव या वेब इवेंट में भाग लेते हैं या जो सामग्री डाउनलोड करते हैं।
• कार्यकारी अधिकारी नई रणनीतियों का समर्थन या परिभाषित करने के लिए डेटा का उपयोग करते हैं।
• बिक्री बिक्री प्रक्रिया में शामिल ग्राहकों के बारे में डेटा एकत्र करती है।
• ग्राहक सहायता कॉल और चैट के बारे में जानकारी प्राप्त करती है।
• प्रबंधन टीम स्कोरकार्ड के लिए डेटा और प्रमुख मीट्रिक पर आकर्षित होती है।
• ग्राहक डेटा का उपयोग बिलिंग उद्देश्यों के लिए लेखांकन में और ग्राहकों की संतुष्टि की निगरानी के लिए गुणवत्ता और ग्राहक अंतर्दृष्टि टीमों द्वारा किया जाता है।

हम विभिन्न सॉफ़्टवेयर सिस्टमों में ग्राहक जानकारी को कैप्चर करते हैं, और हम डेटा को विभिन्न प्रकार के डेटा रिपॉजिटरी में संग्रहीत करते हैं। एक ग्लोबल फॉर्च्यून 100 फर्म को अपने ग्राहकों के डेटा का 10 प्रतिशत स्थानीय स्तर पर अपने कंप्यूटर पर कर्मचारियों द्वारा स्प्रेडशीट में रखा गया था। एक अन्य संगठन विपणन अभियान चलाने से पहले नियमित रूप से बिजनेस कार्ड डेटा के लिए अपने बिक्री प्रतिनिधियों को मतदान करता है।

अपने जहाज के डूबने के बाद लाइफ-बोट में फंसे समुद्र में जाने वाले नाविक की तरह हर जगह पानी है, लेकिन पीने के लिए एक बूंद भी नहीं। हमारे व्यवसायों में हमारी समान घटना है। डेटा हर जगह है, और तेजी से डेटा वास्तविक समय में सामाजिक और खोज फ़ीड से उपलब्ध है। यदि डेटा आसानी से उपलब्ध नहीं है या, यदि हमारे पास डुप्लिकेट या अधूरा डेटा है, तो हम इसे इसके इच्छित उद्देश्य के लिए लाभ उठाने में असमर्थ हैं।

तेजी से संगठन अपने असमान सॉफ्टवेयर अनुप्रयोगों को एकीकृत कर रहे हैं और पूरे उद्यम में डेटा एकत्र करने और एकत्र करने की प्रक्रिया को सरल बना रहे हैं। डेटा गुणवत्ता के साथ, हालांकि, यह प्रयास महंगा है, समय लेने वाला है और यह कभी समाप्त नहीं होता है।

बढ़ते डेटा वॉल्यूम

हम अधिक से अधिक डेटा एक गति से बना रहे हैं जिसे समझना मुश्किल है। विशेषज्ञों का सुझाव है कि हर दो साल (और सिकुड़) हम सभ्यता के सभी के लिए ग्रह पृथ्वी पर मौजूद से अधिक डेटा बना रहे हैं।

इस नए डेटा का अधिकांश हिस्सा असंरचित है, इस प्रकार का डेटा जो बड़े करीने से हमारे सॉफ़्टवेयर और डेटाबेस अनुप्रयोगों में दर्ज किया गया है। उदाहरण के लिए, आपके उत्पाद या ब्रांड के बारे में सभी ट्वीट, अंतर्दृष्टि के संभावित खजाने का प्रतिनिधित्व करते हैं, फिर भी यह डेटा असंरचित है, जिससे कैप्चरिंग की जटिलता बढ़ जाती है और इसका विश्लेषण होता है। जबकि इस चुनौती में मदद करने के लिए कई सॉफ्टवेयर प्रसाद हैं, असंरचित डेटा प्रसंस्करण के लिए कच्चे माल की एक नई धार का प्रतिनिधित्व करता है, जिसमें सभी अंतर्निहित जटिलता और गुणवत्ता के मुद्दों पर चर्चा की गई है।

कचरा अंदर कचरा बाहर

डेटा एनालिटिक सॉफ़्टवेयर केवल उतना ही अच्छा है जितना डेटा उसे खिलाता है। लाभ के लिए डेटा का लाभ उठाने के इस मुद्दे में सामान्य धागा गुणवत्ता है। जबकि कई फर्म शक्तिशाली नए डेटा-क्रंचिंग एप्लिकेशन में महत्वपूर्ण डॉलर का निवेश करते हैं, गंदा डेटा को क्रंच करने से त्रुटिपूर्ण निर्णय होते हैं। डेटा विश्लेषण प्रयासों के उत्पादन पर आँख बंद करके भरोसा करना। आपको विश्वास होना चाहिए कि आप विश्लेषण में उपयोग किए गए डेटा पर भरोसा कर सकते हैं।

डेटा विश्लेषण सम्‍मिलित नहीं हैं

हम डेटा विश्लेषण के आउटपुट को निर्णायक मानते हैं, लेकिन ऐसा नहीं है। वास्तव में, डेटा विश्लेषण सबसे अधिक बार सहसंबंध दिखाता है, कार्य-कारण नहीं! डेटा एनालिसिस के आउटपुट पर भरोसा करना और करणीय के साथ सहसंबंध को भ्रमित करना आसान है।

सहसंबंध एक रिश्ते को प्रदर्शित करता है, लेकिन यह किसी भी तरह से तात्पर्य नहीं करता है कि बी एक कारण संबंध स्थापित करता है सटीक, व्यावहारिक निर्णय लेने के लिए निर्वाण है। यह साबित करना भी अविश्वसनीय रूप से कठिन है। यदि आप किसी आउटपुट पर गलत तरीके से भरोसा करते हैं और एक कारण संबंध को मानते हैं, जहां कोई भी मौजूद नहीं है, तो आपके फैसले मोटे तौर पर त्रुटिपूर्ण होंगे।

प्रवर्धित जीविकाएँ

जब डेटा का मूल्यांकन करने की बात आती है तो हमारे संज्ञानात्मक पूर्वाग्रह बढ़ जाते हैं। जैसा कि एक बुद्धिमान डेटा वैज्ञानिक ने एक बार कहा था, "डेटा के सबसे जटिल और संपूर्ण विश्लेषण के अंत में, एक इंसान को अभी भी एक निष्कर्ष निकालना है और एक निर्णय लेना है।" और जब हम उस बिंदु पर पहुंचते हैं जहां हमें डेटा विश्लेषण के अर्थ का आकलन करना होता है, तो हमारे पक्षपात खेलने में आते हैं। हममें से बहुत से लोग उन आंकड़ों पर भरोसा या भरोसा करते हैं जो हमारी स्थिति और अपेक्षाओं का समर्थन करते हैं और विपरीत डेटा को दबाते हैं। हम उन स्रोतों से भी डेटा पर भरोसा करते हैं जिन्हें हम पसंद करते हैं या, हम उस डेटा पर भरोसा करते हैं जो सबसे हाल का है।

ये सभी पूर्वाग्रह हमारे डेटा विश्लेषणों से गलतियों के लिए चुनौतियों और क्षमता में योगदान करते हैं।

प्रबंधक के रूप में अपने उपयोग के लिए डेटा को कैसे शुरू करें

उद्यम-व्यापी डेटा रणनीति विकसित करना हर व्यवसाय के लिए महत्वपूर्ण है, फिर भी इस लेख के दायरे से परे है। इसके बजाय, यहां सात विचार हैं जिनका उपयोग आप अपने दैनिक निर्णय लेने में डेटा के अपने उपयोग को बेहतर बनाने के लिए एक प्रबंधक के रूप में कर सकते हैं।

बायजीद को पहचानो

पूर्वाग्रहों की क्षमता को पहचानें और इसे कम करें। डेटा की तलाश करें जो तस्वीर को विस्तारित करता है या आपके सामने डेटा के साथ संघर्ष करता है। डेटा के आसपास अपनी मान्यताओं का मूल्यांकन करने के लिए एक बाहरी पर्यवेक्षक को प्रोत्साहित करें।

डाटा प्रबंधन

डेटा प्रबंधन की अपनी समझ को मजबूत करें। वेब पर अंतर्दृष्टि के पर्याप्त मुक्त स्रोत हैं, और कई संगठन डेटा एनालिटिक्स और बिजनेस इंटेलिजेंस पर सेमिनार या कार्यशालाओं की पेशकश करते हैं। कई विश्वविद्यालयों ने इस तेजी के क्षेत्र के लिए पाठ्यक्रम जोड़े हैं। अपने कौशल को तेज करते रहें।

पूरा डाटा

अपने या अपनी टीम से पूछें, "हमें यह निर्णय लेने के लिए किस डेटा की आवश्यकता है?" बहुत बार, हम हाथ में डेटा पर भरोसा करते हैं और चित्र को पूरा करने के लिए अधिक डेटा प्राप्त करने की आवश्यकता को अनदेखा करते हैं।

सहसंबंध और कारण

सहसंबंध और कारण के बीच के अंतर के बारे में गंभीर रूप से अवगत रहें। जैसा कि पहले वर्णित है, इन दोनों को भ्रमित करना निर्णय लेने के लिए संभावित खतरनाक नुकसान है।

क्वालिटी-चेक योर डेटा

यदि आपकी फर्म में डेटा गुणवत्ता या मास्टर डेटा प्रबंधन प्रतिबद्धता नहीं है, तो डुप्लिकेट, अपूर्ण या गलत रिकॉर्ड सहित स्पष्ट त्रुटियों के लिए अपने डेटा का मूल्यांकन करने के लिए समय का निवेश करें। कई व्यावसायिक रूप से उपलब्ध सॉफ़्टवेयर अनुप्रयोग हैं या इस गतिविधि का समर्थन करने के लिए, और कई फर्म डेटा विशेषज्ञों की विशेषज्ञता को क्वेरी और डेटा गुणवत्ता का आकलन करने के लिए आकर्षित करती हैं। इसके अलावा, बाहरी सेवा प्रदाताओं पर विचार करें जो आपके लिए डेटा को शुद्ध करने में मदद कर सकते हैं। महत्वपूर्ण रूप से, अपने डेटा की गुणवत्ता में लगातार सुधार पर ध्यान दें।

आँकड़े की गुणवत्ता

अपनी फर्म में मजबूत डेटा गुणवत्ता और प्रबंधन प्रयासों के लिए वकील। यह काम अक्सर आईटी या तकनीकी पेशेवरों का क्षेत्र रहा है, फिर भी डेटा में एक रणनीतिक संपत्ति के रूप में काम करने की क्षमता है। हर प्रबंधक को निर्णय लेने और रणनीति के निष्पादन के लिए डेटा का बेहतर लाभ उठाने के लिए फर्म की क्षमता के बारे में ध्यान रखना चाहिए।

तकनीकी और डेटा-प्रेमी प्रतिभा

अपनी टीम में तकनीकी और डेटा-प्रेमी प्रतिभा जोड़ें। बिक्री और विपणन विभाग नवीनतम तकनीकों में कुशल व्यक्तियों को आकर्षक बनाने की शक्ति को समझते हैं और उल्लिखित कई डेटा चुनौतियों को नेविगेट करने में सक्षम हैं। प्रौद्योगिकी और डेटा अब किसी उद्यम में एक ही कार्य का डोमेन या जिम्मेदारी नहीं हैं।

तल - रेखा

फर्म और प्रबंधक जो बेहतर निर्णय लेने के लिए डेटा का लाभ उठाना सीखते हैं, वे बाज़ार में जीत हासिल करेंगे। ये संगठन बदलती परिस्थितियों की निगरानी और प्रतिक्रिया करने में सक्षम होंगे, और उभरते हुए ग्राहकों को अपने डेटा को चुनौती देने वाले प्रतियोगियों की तुलना में तेजी से आवश्यकता होगी। वे सोशल मीडिया संवाद से अंतर्दृष्टि प्राप्त करने वाले पहले व्यक्ति होंगे, और वे एक गहन स्तर पर ग्राहकों को जानने और संलग्न करने के लिए लड़ाई जीतेंगे - सभी डेटा पर आधारित हैं। यह कोई सनक नहीं है, बल्कि आज की दुनिया में प्रबंधन और प्रतिस्पर्धा की एक नई वास्तविकता है।

बस इस यात्रा पर नुकसान के लिए बाहर देखो।