6 चुनौतियों प्रबंधकों और संगठनों के साथ सामना डेटा

हम डेटा केंद्रित दुनिया में काम करते हैं। प्रबंधकों को रिपोर्ट, डैशबोर्ड और सिस्टम के माध्यम से डेटा के साथ बमबारी कर रहे हैं हमें नियमित रूप से डेटा-आधारित निर्णय लेने की याद दिला दी जाती है वरिष्ठ नेताओं ने प्रतिस्पर्धी बढ़त के विकास के लिए बिग डेटा के वादे से बचा लिया, फिर भी सबसे अधिक संभावना है कि क्या अपेक्षित मूर्त लाभ का वर्णन बहुत कम है।

डेटा वैज्ञानिक की भूमिका वर्षों से अपेक्षित इस उभरती, महत्वपूर्ण भूमिका में अनुमानित कमी के साथ गर्म मांग में है।

संगठन प्रत्येक वर्ष एक भाग्य खर्च कर रहे हैं जो डेटा को कैप्चर, स्टोर और विश्लेषण करने के लिए स्थापित करता है। विपणन विभाग रचनात्मक भूमिकाओं की कीमत पर तकनीकी, डेटा-समझ रखने वाले पेशेवरों से तेजी से भर रहे हैं।

व्यापार की दुनिया एक डेटा-केंद्रित दुनिया है, फिर भी यह समझना महत्वपूर्ण है कि डेटा स्वयं के अंत तक नहीं है। हम अपने काम में जो कुछ भी उठाते हैं, वैसे ही डेटा एक वादा से भरा हुआ उपकरण है उचित दृष्टिकोण के साथ सही हाथों में, निर्णय लेने में सहायता करने के लिए डेटा की क्षमता उल्लेखनीय है।

-2 ->

हालांकि, झूठी धारणा में फंसना नहीं है कि डेटा को प्राप्त करने और विश्लेषण करने के जोखिम के बिना है। आइए व्यापार उद्धारकर्ता के रूप में डेटा के विचार से पॉलिश बंद करें और हम सभी को इस नए संसाधन प्रस्तुत करने में कुछ संभावित नुकसान की पहचान करने में मदद करें।

पूर्ववर्ती अग्रमस्तिष्क है

6 बड़ी चुनौतियां प्रबंधकों और संगठनों का सामना डेटा के साथ:

1 डेटा की गुणवत्ता अक्सर खराब होती है जब हम भौतिक वस्तुओं या उत्पादों के संदर्भ में गुणवत्ता के बारे में सोचने के लिए आदी हो, तो यह हर गुणवत्ता के लिए हर गुणवत्ता के लिए डेटा की गुणवत्ता की समस्या है।

संरचित डेटाबेस या रिपॉजिटरी में संग्रहीत डेटा अक्सर अधूरा, असंगत या आउट-ऑफ-डेट है ऐसा लगता है कि आप डेटा गुणवत्ता वाले मुद्दे का एक सरल उदाहरण प्राप्त करने पर रहे हैं।

हम में से अधिकांश अपने असली नाम के थोड़ा अलग या मौलिक भिन्न संस्करणों को संबोधित विपणक से डुप्लिकेट मेलिंग प्राप्त करना याद कर सकते हैं

बाज़ारिया के डेटाबेस में हमारे पते और अलग-अलग, अक्सर गलत वर्तनी या हमारे नाम की भिन्नताओं के साथ डुप्लिकेट रिकॉर्ड होते हैं हम डुप्लिकेट मेल को जंक के रूप में रीसायकल करते हैं, और मार्केटर को सरल डेटा गुणवत्ता वाले मुद्दे के कारण प्रिंटिंग और मेलिंग के रूप में अतिरिक्त लागतें होती हैं। इस गलती को कई सैकड़ों या हजारों अभिलेखों से बढ़ाएं और यह छोटी सी डाटा गुणवत्ता त्रुटि महंगा हो जाती है।

डेटा की गुणवत्ता का मुद्दा महत्व में बढ़ता है क्योंकि हम निकट वास्तविक समय में रणनीतियों, बाजारों और विपणन पर निर्णय लेने का प्रयास करते हैं। जबकि सॉफ़्टवेयर और समाधान संरचित (स्वरूपित) डेटा की गुणवत्ता को मॉनिटर और बेहतर बनाने में सहायता के लिए मौजूद हैं, असली समाधान एक महत्वपूर्ण संपत्ति के रूप में डेटा के इलाज के लिए संगठन-व्यापी प्रतिबद्धता है।अभ्यास में, इसे प्राप्त करना मुश्किल है और असाधारण अनुशासन और नेतृत्व समर्थन की आवश्यकता होती है।

2। हम व्यावहारिक रूप से डेटा में डूब रहे हैं किसी संगठन में डेटा हर जगह होता है ग्राहक डेटा पर विचार करें ज्यादातर संगठन ग्राहकों और संभावनाओं के बारे में जानकारी हासिल करने में कुशल बन गए हैं

• मार्केटिंग उन लोगों से डेटा एकत्र करता है जो लाइव या वेब इवेंट में शामिल होते हैं या जो सामग्री डाउनलोड करते हैं
• कार्यकारियों ने नए रणनीतियों का समर्थन या परिभाषित करने के लिए डेटा का उपयोग किया है
• बिक्री बिक्री प्रक्रिया में शामिल ग्राहकों के बारे में डेटा एकत्र करती है।
• ग्राहक सहयोग कॉल और चैट इंटरैक्शन के बारे में जानकारी को कैप्चर करता है।
• प्रबंधन टीम स्कोरकार्ड के लिए आंकड़ों और महत्वपूर्ण मैट्रिक्स को आकर्षित करती है
• ग्राहक डेटा बिलिंग प्रयोजनों और ग्राहकों की संतुष्टि की निगरानी के लिए गुणवत्ता और ग्राहक अंतर्दृष्टि टीमों के लिए लेखांकन में उपयोग किया जाता है।

हम ग्राहक सूचनाओं को विभिन्न सॉफ़्टवेयर सिस्टमों में कब्जा करते हैं, और हम डेटा को विभिन्न प्रकार के डेटा रिपॉजिटरी में संग्रहीत करते हैं एक ग्लोबल फॉर्च्यून 100 फर्म को अपने ग्राहक डेटा के 10 प्रतिशत के बराबर माना जाता है, कर्मचारियों द्वारा स्प्रैडशीट्स में अपने कंप्यूटर पर स्थानीय रूप से आयोजित किया गया था। विपणन अभियान चलाने से पहले एक अन्य संगठन नियमित रूप से बिजनेस कार्ड डेटा के लिए अपने बिक्री प्रतिनिधियों का चुनाव करता है।

जहाज़ के डूबने के बाद सागर में जा रहे एक नाविक में फंसे समुद्र तट की तरह, पानी में हर जगह पानी है, लेकिन पीने के लिए कोई बूंद नहीं है

हमारे व्यवसायों में हमारे समान प्रसंग हैं डेटा हर जगह है, और वास्तविक समय में सामाजिक और खोज फ़ीड से तेजी से डेटा उपलब्ध है। यदि डेटा आसानी से सुलभ नहीं है या, अगर हमारे पास डुप्लिकेट या अपूर्ण डेटा है, तो हम इसका इच्छित उद्देश्य के लिए इसका लाभ उठाने में असमर्थ हैं।

तेजी से संगठन अपने अलग-अलग सॉफ़्टवेयर अनुप्रयोगों को एकीकृत कर रहे हैं और उद्यमों में डेटा एकत्र करने और एकत्र करने की प्रक्रिया को आसान बनाते हैं। डेटा की गुणवत्ता के साथ, हालांकि, यह प्रयास महंगा है, समय लेने वाली है और यह कभी समाप्त नहीं होता है।

3। डेटा संस्करण बढ़ रहे हैं हम उस गति से अधिक से अधिक डेटा बना रहे हैं जो समझना मुश्किल है। विशेषज्ञों का कहना है कि हर दो साल (और सिकुड़ते हुए) हम सभी सभ्यता के लिए ग्रह पृथ्वी पर मौजूद आंकड़ों की तुलना में अधिक डेटा का निर्माण कर रहे हैं।

इस नए डेटा का अधिकांश असंरचित है, उस प्रकार के डेटा की तरह जो हमारे सॉफ़्टवेयर और डेटाबेस अनुप्रयोगों में सुस्पष्ट रूप से दर्ज किया गया है। उदाहरण के लिए, आपके उत्पाद या ब्रांड के बारे में सभी ट्वीट्स अंतर्दृष्टि के एक संभावित खजाने की निगाह का प्रतिनिधित्व करते हैं, फिर भी यह डेटा असंरचित है, इसे कैप्चरिंग और विश्लेषण करने की जटिलता में वृद्धि। इस चुनौती में मदद करने के लिए कई सॉफ़्टवेयर प्रसाद हैं, जबकि इस लेख में चर्चा की गई निहित जटिलता और गुणवत्ता वाले सभी मुद्दों के साथ, असंरचित डेटा प्रसंस्करण के लिए कच्चे माल की एक नई धार का प्रतिनिधित्व करता है।

4। कचरा अंदर कचरा बाहर। डेटा विश्लेषणात्मक सॉफ़्टवेयर केवल उतना ही अच्छा है जितना डेटा खिलाया जाता है। लाभ के लिए डेटा का लाभ उठाने के इस मुद्दे पर आम धागा गुणवत्ता है जबकि कई कंपनियां शक्तिशाली नए डेटा-क्रंचिंग एप्लिकेशन में महत्वपूर्ण डॉलर का निवेश करती हैं, गंदे डेटा को कुचलने से दोषपूर्ण फैसले होते हैं।आँखें डेटा विश्लेषण के प्रयासों के उत्पादन पर विश्वास करते हुए सावधान रहें। आपको विश्वास होना चाहिए कि आप विश्लेषण में उपयोग किए गए डेटा पर भरोसा कर सकते हैं।

5। हम निष्कर्ष के रूप में डेटा विश्लेषण के उत्पादन को स्वीकार करते हैं, लेकिन ऐसा नहीं है। वास्तविकता में, डेटा विश्लेषण अक्सर सहसंबंध को दिखाता है, बयान नहीं होता! डेटा विश्लेषण के उत्पादन पर विश्वास रखने और जाति के साथ भ्रमित सहभागिता के जाल में गिरना आसान है।

सहसंबंध एक रिश्ते के बारे में बताता है, लेकिन यह किसी भी तरह से नहीं होता है कि ए का कारण बी। एक सार्थक संबंध स्थापित करना निर्वाण सटीक, व्यावहारिक निर्णय लेने के लिए है। यह साबित करना भी अविश्वसनीय रूप से कठिन है यदि आप बिना किसी आउटपुट पर विश्वास करते हैं और कोई कारण नहीं मानते हैं, जहां कोई भी मौजूद नहीं है, तो आपके फैसले खराब तरीके से दोषपूर्ण होंगे।

6। आंकड़ों के मूल्यांकन के बारे में जानकारी मिलने पर हमारे संज्ञानात्मक पूर्वाग्रहों को बढ़ा दिया जाता है। एक बार बुद्धिमान डेटा वैज्ञानिक एक बार लिप्त होकर, "डेटा के सबसे जटिल और संपूर्ण विश्लेषण के अंत में, एक इंसान को अभी भी एक अनुमान और एक निर्णय लेना है।" और जब हम पहुंचते हैं वह बिंदु जहां हमें डेटा विश्लेषण के अर्थ का आकलन करना पड़ता है, हमारे पूर्वाग्रह नाटक में आते हैं हम में से कई ऐसे डेटा पर भरोसा करते हैं या उनका भरोसा करते हैं जो हमारे पदों और उम्मीदों का समर्थन करता है और डेटा को दबाने पर विपरीत होता है। हम उन स्रोतों से डेटा पर भी भरोसा करते हैं जो हम पसंद करते हैं या, हम उस डेटा पर भरोसा करते हैं जो सबसे हालिया है इन सभी पूर्वाग्रहों से हमारे डेटा के विश्लेषण की गलतियों की चुनौतियों और क्षमता में योगदान होता है। प्रबंधक के रूप में आपके प्रयोग के लिए डेटा को कैसे निपटा जाए:

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

1। पक्षपात के लिए संभावित पहचान और कम करने

आपके सामने डेटा के साथ चित्र या विरोध का विस्तार करने वाले डेटा खोजें डेटा के आसपास आपकी मान्यताओं का मूल्यांकन करने के लिए बाहरी पर्यवेक्षक को प्रोत्साहित करें 2। डेटा प्रबंधन की अपनी समझ को मजबूत करें

वेब पर अंतर्दृष्टि के पर्याप्त मुक्त स्रोत हैं, और कई संगठन डेटा विश्लेषिकी और व्यवसायिक खुफिया पर सेमिनार या कार्यशाला प्रदान करते हैं। कई विश्वविद्यालयों ने इस तेजी के क्षेत्र के लिए पाठ्यक्रम जोड़े हैं अपने कौशल को तेज़ रखें 3। अपने या अपनी टीम से पूछें,

"हमें यह निर्णय करने के लिए कौन से डेटा की आवश्यकता है?" बहुत बार, हम हाथों के डेटा पर भरोसा करते हैं और तस्वीर को पूरा करने के लिए अधिक डेटा प्राप्त करने की आवश्यकता को अनदेखा करते हैं। 4। सहसंबंध और कार्यकारण के बीच अंतर के बारे में गंभीर रूप से अवगत रहें

जैसा कि पहले बताया गया है, इन दोनों को भ्रमित करने से निर्णय लेने के लिए संभावित खतरनाक खतरा होता है। 5। गुणवत्ता-

अपने डेटा को देखें अगर आपकी फर्म में डेटा की गुणवत्ता या मास्टर डेटा प्रबंधन की 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 सॉफ्टवेयर अनुप्रयोग हैं या इस गतिविधि का समर्थन करने के लिए और कई कंपनियां डेटा विशेषज्ञों की विशेषज्ञता को आकर्षित करती हैं और आंकड़ों की गुणवत्ता का आकलन करती हैं।साथ ही, बाहरी सेवा प्रदाताओं पर विचार करें जो आपके लिए डेटा को शुद्ध करने में सहायता कर सकते हैं। महत्वपूर्ण बात, आपके डेटा की गुणवत्ता में लगातार सुधार करने पर ध्यान केंद्रित करें। 6। आपकी कंपनी में मजबूत डेटा गुणवत्ता और प्रबंधन प्रयासों के लिए एडवोकेट

यह काम अक्सर आईटी या तकनीकी पेशेवरों का डोमेन रहा है, फिर भी डेटा में रणनीतिक संपत्ति के रूप में सेवा करने की क्षमता है हर प्रबंधक को निर्णय लेने और रणनीति निष्पादन के लिए बेहतर लाभ उठाने वाले डेटा की उनकी फर्म की क्षमता के बारे में ध्यान रखना चाहिए। 7। अपनी टीम को तकनीकी और डेटा-समझी प्रतिभा जोड़ें।

बिक्री और विपणन विभाग नवीनतम तकनीकों में कुशल व्यक्तियों को आकर्षक बनाने की क्षमता और इस आलेख में उल्लिखित कई डेटा चुनौतियों पर नेविगेट करने में समर्थ हैं। टेक्नोलॉजी और डेटा अब एक एंटरप्राइज़ में एक फ़ंक्शन के डोमेन या ज़िम्मेदारी नहीं हैं। निचला रेखा:

बेहतर निर्णय लेने के लिए डेटा का लाभ उठाना सीखने वाली कंपनियों और प्रबंधकों ने बाज़ार में जीत हासिल की होगी। ये संगठन, मॉनिटर करने में सक्षम होंगे और बदलती परिस्थितियों का जवाब देंगे और उभरते हुए ग्राहकों की जरूरतों को उनके डेटा चुनौतीपूर्ण प्रतिद्वंद्वियों की तुलना में तेजी वे सोशल मीडिया संवाद से अंतर्दृष्टि को इकट्ठा करने वाले पहले होंगे, और वे एक गहरे स्तर पर ग्राहकों को जानने और संलग्न करने की लड़ाई जीतेंगे-ये सब डेटा के आधार पर। यह एक 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