Bagaimana Menguasai Tantangan dalam Menerapkan Big Data Analytics | Berdasarkan Kisah Klien Kami

Dominasi pertumbuhan analitik data telah menjadikan penerapannya sebagai prioritas utama bagi organisasi global. Dengan tahun-tahun yang penuh gejolak di masa depan, kini menjadi lebih penting dari sebelumnya untuk memiliki pandangan menyeluruh tentang kinerja bisnis dan alokasi sumber daya. Namun, mendapatkan dampak besar dari big data sejalan dengan tantangan analitik data yang dapat menghambat upaya Anda jika tidak ditangani.

Kami telah mendedikasikan posting ini untuk hambatan umum menuju keunggulan analitik. Daftar tantangan analisis data berikut didasarkan pada pengalaman dunia nyata klien kami, dengan strategi mitigasi yang disediakan oleh konsultan BI kami.

Lima menakutkan dari analitik data besar

Klien kami adalah peritel mode yang ingin mendapatkan inisiatif data mereka melewati garis sasaran. Namun, transformasi digital perusahaan terhenti karena berjuang untuk mendapatkan strategi manajemen data dan alat BI yang tepat.

Berikut adalah tantangan yang disorot oleh klien kami dan tip pro untuk menyelesaikannya yang disarankan oleh para ahli kami.

1. Ketidakmampuan untuk mendefinisikan kebutuhan pengguna dengan benar

Perusahaan tersebut telah mencoba-coba potensi alat BI dan visualisasi data sejak lama. Namun, klien kami tidak memiliki pengalaman langsung dalam intelijen bisnis, sehingga tidak dapat menentukan persyaratan BI secara akurat.

Dengan persyaratan singkat, akan lebih mudah untuk menyarankan solusi teknologi. Tetapi spesialis BI kami melakukan pekerjaan luar biasa dalam menganalisis kebutuhan bisnis dan membuat penyesuaian teknis yang paling akurat sesuai dengan kebutuhan tersebut. Pada dasarnya mengubah tuntutan mereka menjadi tujuan yang jelas.

Kiat pro: Jika Anda baru mengenal ekosistem BI, pastikan untuk mendapatkan saran profesional dari mitra teknologi yang berpengalaman. Dalam hal ini, vendor Anda akan melakukan pengangkatan persyaratan yang berat, sementara Anda dapat memilih salah satu solusi teknis yang disarankan.

Ternyata, klien kami juga kesulitan untuk mengomunikasikan persyaratan karena mereka tidak memiliki area fokus untuk memulai. Sebaliknya, perusahaan mencoba untuk mencakup setiap aspek kinerja bisnis, mulai dari pendapatan hingga perputaran persediaan, dan memasukkan semua KPI ke dalam satu dasbor lengkap. Meskipun mungkin saja, berbagai metrik membuat laporan Anda kurang dapat dicerna.

Kiat pro: Mulai dari yang kecil dengan mengidentifikasi beberapa metrik inti untuk dilacak dan divisualisasikan. Dengan menggunakan satu area fungsional pada satu waktu, Anda meningkatkan kemungkinan proses adopsi BI yang lebih sukses dan konsisten serta menghilangkan tantangan analitik data terbesar.

2. Melakukan perubahan sistem tanpa mempertimbangkan dampak terhadap data departemen lain

Dalam banyak kasus, memetakan KPI untuk analisis dan pelacakan tidak cukup. Untuk tim lintas fungsi, penting juga untuk terlebih dahulu mengklarifikasi dan menentukan apa arti metrik ini. Karena departemen dapat melakukan penghitungan dengan cara yang berbeda, pemahaman bersama tentang KPI dan penghitungannya mencegah perbedaan nilai metrik.

Pada baris ini, tantangan analitik data klien kami lainnya adalah perspektif yang berbeda pada metrik yang sama di seluruh departemen bisnis. Dengan demikian, manajer penjualan offline memandang pendapatan penjualan sebagai semua yang diperoleh dari penjualan pakaian, termasuk biaya PPN yang ditambahkan di atasnya. Sebaliknya, departemen akuntansi dan keuangan menggunakan pendapatan bersih dari penjualan online dan offline sebagai metrik inti.

Tim kami telah menghilangkan kesenjangan berbagi pengetahuan ini dengan memperkenalkan glosarium KPI untuk pembuat keputusan. Dengan cara ini, setiap departemen mendapatkan perbaikan pada metrik yang digunakan, sumber data terkait, dan rumus metrik. Pengambil keputusan juga menetapkan kepemilikan pribadi dari setiap ukuran kinerja dan menugaskan pemilik dasbor dalam suatu departemen untuk metrik tertentu.

Kiat pro: Pastikan Anda telah memilih metrik yang tepat untuk ditampilkan dan sepenuhnya menyadari bagaimana KPI berakhir di dasbor eksekutif dan operasional. Pertimbangkan untuk menggunakan dasbor terpisah untuk setiap departemen guna menghindari ambiguitas metrik dan tumpang tindih.

3. Kurangnya gambaran perusahaan yang terpadu

Sementara setiap unit bisnis harus mendapatkan gambaran mendetail tentang metrik internal, CEO memerlukan gambaran kinerja bisnis tingkat tinggi yang lebih tinggi. Cuplikan tingkat tinggi memberikan pandangan sekilas tentang kinerja perusahaan dan kemacetannya. Ini dapat dilakukan dengan memberikan ringkasan eksekutif KPI teratas di seluruh unit bisnis atau dengan menyediakan dasbor pelaporan tingkat tinggi untuk setiap departemen di perusahaan.

Metrik yang disertakan dalam dasbor eksekutif berbeda-beda menurut industri dan perusahaan. Pengecer mungkin ingin mengawasi laba dan pendapatan per kaki persegi, biaya logistik, saluran pemasaran yang menguntungkan, item dengan pendapatan kotor tertinggi, pengembalian margin kotor atas investasi, dan hal-hal vital lainnya.

Sedangkan untuk klien kami, perusahaan membutuhkan laporan pemantauan terpadu yang bersumber dan mengkonsolidasikan nilai-nilai yang telah ditetapkan pada kinerja perusahaan. Dasbor harus menawarkan pemeriksaan kesehatan cepat dengan kemungkinan menelusuri metrik tertentu. Untuk variabel, klien kami menggunakan tiga layar terpisah untuk analisis penjualan, dinamika laba, dan data pelanggan yang menunjukkan pertumbuhan YoY (tahun ke tahun).

Kiat pro: Bawa metrik oleh departemen tertentu ke pandangan umum yang diperlukan untuk ditindaklanjuti oleh eksekutif. Dasbor eksekutif harus menyertakan metrik inti tingkat tinggi yang dapat digunakan untuk bahasa strategi bisnis terpadu.

4. Mengumpulkan data yang bermakna sesuai standar yang telah disepakati

Sekitar 95% klien kami berpikir bahwa cukup mengumpulkan setiap data bisnis, mengirimkan timbunan ini ke alat BI, dan menghentikannya. Meskipun ini akan menjadi skenario yang sempurna, dalam banyak kasus, perusahaan dibanjiri dengan sumber data yang tersebar yang tidak memiliki administrasi. Ini adalah contoh buku teks tentang manajemen data yang salah.

Apa tantangan analitik data dalam kasus ini? Dengan tidak adanya arsitektur, pemodelan, dan administrasi data yang tepat, kualitas data Anda tidak memiliki peluang untuk menghasilkan wawasan yang akurat dan bermakna dari jarak jauh untuk pengambilan keputusan. Akibatnya, 77% perusahaan kesulitan mendapatkan data berkualitas tinggi, yang menyebabkan ketidakpercayaan pada data dan analitik organisasi.

Kiat pro: Menurut pakar data besar kami, masalah kualitas data tidak dapat diselesaikan di tingkat analitik. Itu harus dihilangkan dengan memperkenalkan strategi manajemen data terpadu dalam organisasi. Alat intelijen bisnis kemudian dapat digunakan sebagai uji asam untuk kualitas data Anda.

Kembali ke klien kami, organisasi memiliki masalah yang sama tentang nilai data yang hilang, input yang tidak lengkap, duplikat, dan hambatan lainnya. Selain itu, perusahaan tidak memiliki arsitektur integrasi untuk berbagi informasi antar berbagai subsistem secara otomatis.

Tim kami memberi saran kepada organisasi tentang praktik terbaik dalam mengumpulkan, menyimpan, dan mengubah data mereka serta mengambil alih aspek teknis pembagian data yang lancar di antara sistem bisnis. Insinyur data kami mengidentifikasi sumber data master dalam setiap unit bisnis (CRM, ERP, dan lainnya), memilih model data yang tepat, dan mengkalibrasi proses berbagi antara sumber master dan gudang data.

5. Penolakan staf untuk mengadopsi sistem baru

Tingkat adopsi BI yang rendah di antara karyawan Anda juga dapat menjadi hambatan yang signifikan bagi upaya analitik data Anda. Saat ini, batas atas adopsi analitik di antara pengguna akhirnya mencapai rata-rata 25%, sementara yang lain menyukai spreadsheet tradisional atau prediksi berbasis intuisi.

Akar penyebab masalah ini dapat berasal dari pelatihan keterampilan tingkat rendah, kerumitan alat BI, atau ketakutan bahwa otomatisasi dapat menggantikan seorang karyawan. Setiap jenis dasar pemikiran harus didekati secara individual, sedangkan nilai keseluruhan dari sistem pelaporan harus dikomunikasikan dengan jelas dan didemonstrasikan kepada setiap karyawan.

Pada awalnya, klien kami kesulitan mendapatkan dukungan karyawan untuk memiliki Power BI sebagai standar analitik. Alasan utama keengganan di antara karyawan tampaknya adalah penolakan alami orang untuk berubah.

Mengikuti kebutuhan pengguna yang unik dari setiap unit bisnis, spesialis BI kami telah menyesuaikan antarmuka ke departemen tertentu. Onboarding dilanjutkan dengan workshop internal untuk masing-masing departemen dan difasilitasi dengan membuat dokumen dengan panduan pada alat tersebut.

Berdasarkan pengalaman kami yang telah dicoba dan benar, kami tahu bahwa setiap inisiatif transformasi bisnis, termasuk penerapan analitik data besar, memberikan nilai paling tinggi hanya ketika pengoptimalan proses, penerapan teknologi mutakhir, dan perubahan budaya dalam pikiran orang bergerak ke arah masing-masing. lain, tidak terpisah lebih jauh.

Kiat pro: Adopsi kecerdasan bisnis yang rendah tidak dapat dihindari jika Anda mengabaikan peran orang-orang yang terlibat dalam proses Anda. Bangun antarmuka BI dengan mempertimbangkan pengguna akhir dan pastikan lepas landas dengan lancar dengan menyiapkan pelatihan orientasi tunggal.

Menavigasi perusahaan Anda melalui tantangan analitik data: cara mudah

Sama seperti setiap rumah dibangun di atas tanah yang kokoh, pembangkitan wawasan dibangun di atas fondasi data. Ironisnya, data itu sendiri adalah salah satu tantangan terbesar dalam analitik data yang dapat melumpuhkan manajemen BI Anda dan membawa Anda ke keputusan yang salah.

Kami membantu klien kami menyadari potensi penuh analitik data dan menggunakannya untuk keuntungan mereka. Dengan memiliki arsitektur data terpadu dan pijakan teknologi yang tepat, perusahaan sekarang dapat memperoleh tampilan operasi bisnis inti secara real-time dan bertindak berdasarkan data untuk tumbuh, berinovasi, dan beradaptasi dengan pasar ritel masa lalu yang cepat di depan para pesaing.

Artikel ini awalnya diterbitkan di sini.