此内容是《基本指南》的一部分: 客户数据管理工具塑造个性化,提升CX
管理 学会应用最佳实践并优化您的操作。

如何浏览今天的业务分析治理挑战

不要让传统的分析心态引起高级分析治理时对你有自满。以下是最大的治理障碍以及如何避免它们。

对现代企业的先进分析重要性,不再有任何辩论。毫无疑问,数据质量对分析结果的准确性和可信度至关重要。

不幸的是,确保和维持这一点数据质量——通过适当的分析治理——通常是许多组织的分析链中的薄弱环节。原因有很多,包括当今先进分析技术的相对较新,这导致了缺乏通用最佳实践和定义的支持角色。

但是还有另一个,不太明显的原因,为什么分析治理往往缺乏:虚假的信心。实施先进的分析总是遵循更传统的分析实现,这需要非常直接——甚至简单——的治理。简单地说,当在企业中引入复杂模型时,很容易自满并低估密切关注数据治理的紧迫性。

以下是在业务分析治理过程中关注的一些最重要的观点,从如何改变。

治理发展

大多数组织实现分析在决策支持方面,是从互联网活动中挑选的数字开始的。研究客户行为为了预测客户,需要迅速成为标准的做法,并且分析的更复杂应用从该点演变。

在这方面,企业很容易,在管理方面数据收集和分析因为这种类型的分析相对简单且易于监控。获取数据的成本几乎为零,这并没有什么坏处。

有必要修剪花园中的植物的模型,修剪落下具有重要意义和促进影响力的植物的模型。

但随着分析变得越来越复杂,分析治理也变得越来越复杂。为什么?因为创建和支持复杂模型通常需要大量的输入,而这些输入之间的联系随着时间的推移可能在强度和相关性上有所不同。必须检测这些变化并将其合并到模型中,以保持其性能的完整性。

换句话说,模型中相互作用的变量之间的关系肯定会随着时间的推移而改变,有些变得更重要,有些变得不那么重要。有必要像修剪花园中的植物一样修剪模型,修剪掉那些失去意义的,并促进那些影响越来越大的。困难有两方面:在更新模式方面保持警觉,并意识到这一点错误的数据会导致修改模型会降低它们的性能。

构建新框架

如今,分析治理跨越了两者之间的鸿沟商业智能(BI)和商业分析(BA)而成功取决于理解两者之间的区别。BI向后看,BA向前看;BI是关于了解过去的事件和表现,而BA是关于预测接下来会发生什么。

作为供应链专家Robert Handfield北卡罗莱纳州立大学的教授说,BI需要运行业务,而英航必须改变这生意。而且,正如我们所知道的,在今天的数字时代,企业的生存往往依赖它可以适应的速度。

掌握和实现这些区别需要企业范围的能力和参与——以及一个新的业务分析治理框架。该框架需要包括以下组件。

通用数据质量标准那些负责的人很少想到仅仅雇佣是不够的数据分析师;数据质量分析师正变得越来越重要。随着物联网继续渗透到数据收集环境中,数据质量的维护本身正成为一种艺术。建立企业范围的质量标准,以及执行这些标准的人员,是一个必要的步骤。

分析治理委员会在企业中,假定分析是It的职责范围是一个常见的错误。这不是真的;它是it、执行人员、直线经理和现场人员之间的动态伙伴关系。为了使高级分析和模型部署具有战略意义,必须维护所有参与者之间的一致性,包括管理人员的支持和涉及到的每个业务线和部门的表示。

当企业部署组织范围的数据收集基础架构,方法和支持专业知识时,这变得尤其重要,以保持分析运行的成本。

永久监测和维护数据的持续流动不仅仅是使用预测模型但是对于它的维护也是如此。必须置于同样永久的机制以监测模型性能。模型维护也应频繁。

新角色除了数据质量分析师的新角色外,许多其他新工作——以及一些重新定义的旧工作——将在未来的业务分析治理中发挥作用。

数据管理员例如,负责维护在模型中使用的数据的适用性。数据管理员越来越多地出现在企业的业务和技术方面。的数据保管涵盖了数据的安全,运输和存储,并以保持其完整性。

业务分析师继续支配模型预测对战略规划的影响,但随着高级分析的快速增长,业务分析治理需要模型的详细知识。

最后,业务经理的角色也在变化,他通常负责实施战略,并向行政领导提供建议。这个角色现在比以往任何时候都更依赖于BA和质量数据。今天的企业经理必须学会抑制自己的直觉,相信客观的信息——这一点都很难做到,更不用说在当今商业环境中普遍存在的机会窗口迅速缩小的情况下了。

这样的信任往往很难获得,尤其是当经理是一位经验丰富的老手时。对企业来说,培养这种信任可能是最艰巨的挑战。

下一步

8大商业智能挑战以及如何处理它们

深入挖掘大数据分析

搜索数据管理
搜索AWS.
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭