6数据挑战经理和组织面临的挑战

我们在以数据为中心的世界中工作。管理人员通过报告，仪表板和系统对数据进行轰炸。我们经常被提醒做出数据驱动的决策。高级领导者对大数据承诺发展竞争优势垂涎三尺，但大多数人都在努力就其本身达成一致，更不用说描述预期的实际利益了。

数据科学家的作用是热门需求，预计这种新兴的重要角色预计会出现短缺。组织每年花费大量资金安装软件来捕获，存储和分析数据。营销部门越来越多地以技术，数据精通的专业人员为代表，牺牲了创造性角色。

商业世界是一个以数据为中心的世界，但重要的是要认识到数据本身并不是目的。就像我们在工作中使用的所有其他内容一样，数据是充满希望的工具。在采用适当方法的正确手中，支持决策的数据潜力是显着的。

但是，不要误解为获取和分析数据是没有风险的错误信念。让我们稍微考虑一下数据作为商业救星的想法，并帮助确定这种新资源给我们所有人带来的一些潜在缺陷。

有备则无患。

数据质量差

虽然我们习惯于在物理对象或产品的背景下考虑质量，但事实证明，数据质量始终是每个公司的重要问题。存储在结构化数据库或存储库中的数据通常不完整，不一致或过时。您可能已经接收过一个数据质量问题的简单示例。

我们大多数人都记得收到营销人员的重复邮件，这些邮件是针对我们实际名称略有不同或根本不同的版本。营销人员的数据库包含重复记录，其中包含我们的地址以及我们名称的不同，通常是错误的拼写或变体。我们将重复的邮件作为垃圾回收，由于简单的数据质量问题，营销人员以打印和邮寄的形式产生了超额费用。通过数百或数千条记录放大这个错误，这种小的数据质量错误变得昂贵。

随着我们努力近乎实时地制定战略，市场和营销决策，数据质量问题变得越来越重要。虽然存在有助于监控和提高结构化（格式化）数据质量的软件和解决方案，但真正的解决方案是将组织数据视为有价值资产的重大组织承诺。在实践中，这很难实现，需要非凡的纪律和领导支持。

淹没在数据中

数据无处不在组织中。考虑客户数据。大多数组织已经熟练掌握有关客户和潜在客户的信息。

• 营销部门从参加现场或网络活动或下载内容的人员那里收集数据。
• 高管使用数据来支持或定义新策略。
• 销售人员收集有关销售流程中涉及的客户的数据。
• 客户支持捕获有关呼叫和聊天的信息。
• 管理团队利用记分卡的数据和关键指标。
• 客户数据用于计费目的，并由质量和客户洞察团队用于监控客户满意度。

我们在各种不同的软件系统中捕获客户信息，并将数据存储在各种数据存储库中。一家全球财富100强公司认可其客户数据的10％是由员工在电脑上的电脑上本地持有的。在开展营销活动之前，另一个组织会定期向销售代表推荐名片数据。

就像在他的船沉没后被困在救生艇上的远洋水手一样，到处都是水，但不是一滴水。我们的业务也有同样的现象。数据无处不在，越来越多的数据可以从社交和搜索源实时获得。如果数据不易访问，或者如果我们有重复或不完整的数据，我们无法将其用于其预期目的。

越来越多的组织正在整合其不同的软件应用程序，并简化了跨整个企业收集和聚合数据的过程。然而，除了数据质量之外，这种努力是昂贵的，耗时的并且永远不会结束。

不断增长的数据量

我们正在以难以理解的速度制作越来越多的数据。专家建议，每两年（和缩小）我们创造的数据比地球上存在的所有文明都要多。

大多数新数据都是非结构化的，而这种数据整齐地输入到我们的软件和数据库应用程序中。例如，有关您的产品或品牌的所有推文都代表了潜在的宝贵见解，但这些数据是非结构化的，增加了捕获和分析数据的复杂性。虽然有许多软件产品可以帮助应对这一挑战，但非结构化数据代表了新的处理原材料，并讨论了所有固有的复杂性和质量问题。

垃圾进垃圾出

数据分析软件与提供数据的数据一样好。本期利用数据获取优势的共同点是质量。虽然许多公司在强大的新数据处理应用程序上投入大量资金，但处理脏数据会导致错误的决策。谨防盲目信任数据分析工作的输出。您必须确信您可以信任分析中使用的数据。

数据分析尚无定论

我们接受数据分析的输出是结论性的，但事实并非如此。实际上，数据分析最常表现出相关性，而不是因果关系！很容易陷入信任数据分析输出和混淆与因果关系相关的陷阱。

相关性表明了一种关系，但它绝不意味着A导致B.建立因果关系是做出准确，富有洞察力的决策的必然之举。证明这一点也非常困难。如果你过分信任一个输出并假设一个不存在的因果关系，你的决定将是致命的缺陷。

放大偏差

在评估数据时，我们的认知偏差会被放大。正如一位聪明的数据科学家曾经说过的那样，“在最复杂和详尽的数据分析结束时，人类仍然需要做出推论并做出决定。”当我们达到我们必须评估数据分析意义的那一点时，我们的偏见就会发挥作用。我们中的许多人倾向于信任或依赖支持我们的立场和期望的数据，并抑制相反的数据。我们也信任来自我们喜欢的数据的数据，或者我们依赖于最新的数据。

所有这些偏见都会导致数据分析中的挑战和潜在错误。

如何开始驯服数据供您作为经理使用

制定企业范围的数据战略对每个企业都至关重要，但超出了本文的范围。相反，这里有七个想法，您可以将其用作经理，以改善您在日常决策中的数据使用。

承认偏见

认识并减轻偏见的可能性。寻找扩展图片的数据或与您面前的数据冲突。鼓励外部观察者评估您对数据的假设。

数据管理

加强您对数据管理的理解。网上有大量免费的见解来源，许多组织都提供有关数据分析和商业智能的研讨会或研讨会。许多大学都为这个蓬勃发展的领域增加了课程。不断提高你的技能。

完整数据

问问自己或你的团队， “做出这个决定需要哪些数据？” 我们常常依赖手边的数据而忽略了寻找更多数据来完成图片的需要。

相关与因果关系

要批判性地意识到相关性和因果关系之间的区别。如前所述，混淆这两者是决策的潜在危险陷阱。

质量检查您的数据

如果您的公司没有数据质量或主数据管理承诺，请花时间评估您的数据是否存在明显错误，包括重复，不完整或错误的记录。有许多商用软件应用程序或支持此活动，许多公司利用数据专家的专业知识来查询和评估数据质量。另外，请考虑可以帮助您清理数据的外部服务提供商。重要的是，专注于不断提高数据质量。

数据质量

倡导整个公司更强的数据质量和管理工作。这项工作通常是IT或技术专业人员的领域，但数据有可能成为战略资产。每个经理都必须关心公司更好地利用数据进行决策和战略执行的能力。

技术和数据精明的人才

为您的团队添加技术和数据精通人才。销售和营销部门了解吸引最新技术的熟练技术人员的能力，并能够驾驭所述的许多数据挑战。技术和数据不再是企业中单个功能的领域或责任。

底线

学会利用数据改进决策的公司和经理将在市场上获胜。这些组织将能够比数据挑战的竞争对手更快地监控和响应不断变化的条件和新兴客户需求。他们将是第一个从社交媒体对话中收集见解的人，他们将赢得在更深层次上了解和吸引客户的战斗 - 所有这些都基于数据。这不是一种时尚，而是在当今世界中管理和竞争的新现实。

请注意这次旅程中的陷阱。