Kas teie organisatsioon on valmis suuri andmeid kasutama?

Big andmed

Big andmed on enamiku turundusorganisatsioonide jaoks pigem püüdlus kui tegelikkus. Laiapõhjaline üksmeel suurandmete strateegilise väärtuse osas annab võimaluse arvukatele mutrite ja poltidega seotud tehnilistele probleemidele, mis on vajalikud andmete ökosüsteemi ülesehitamiseks ja isikupärastatud teabevahetuses elavate andmete teravate teadmiste äratamiseks.

Saate hinnata organisatsiooni valmisolekut suurandmete kasutamiseks, analüüsides organisatsiooni võimalusi seitsmes põhivaldkonnas:

  1. Strateegiline visioon on suurandmete aktsepteerimine kriitilise panustajana ärieesmärkide saavutamisel. Esimene samm on mõista C-Suite'i pühendumust ja sisseostu, millele järgneb aja, fookuse, prioriteedi, ressursside ja energia jaotamine. Juttu on lihtne rääkida. Otsige strateegilisi valikuid tegevate tippjuhtide ja töötava taseme andmeteadlaste, andmeanalüütikute ja andmekesksete turundajate vahel, kes seda tööd tegelikult teevad, sagedast katkemist. Liiga sageli langetatakse otsuseid ilma piisava sisendi sisendita. Sageli on vaade ülevalt ja vaade keskelt radikaalselt erinev.
  2. Andmete ökosüsteem võib olla komistuskivi või võimaldaja. Paljud ettevõtted on pärandsüsteemide ja uppunud investeeringute lõksus. Kõigil ettevõtetel pole praeguse torustiku jaoks selge tulevikuvisioon. Sageli on hõõrumisi IT-maastiku tehniliste korrapidajate ja ärikasutajate vahel, kellel suurenevad seotud eelarved. Paljudel juhtudel on tulevikuvisioon lahenduste kogum. Segadust lisavad veel 3500 ettevõtet, kes pakuvad igasuguseid tehnilisi lahendusi, esitades sarnaseid väiteid, kasutades sarnast keelt ja pakkudes sarnaseid tehinguid.
  3. Andmete haldamine viitab andmeallikate mõistmisele, allaneelamise, normaliseerimise, turvalisuse ja prioriteetide seadmise plaani omamisele. Selleks on vaja kombineerida agaraid turvameetmeid, selgelt määratletud lubade andmise režiimi ning juurdepääsu ja kontrolli võimalusi. Halduseeskirjad tasakaalustavad privaatsust ja andmete paindliku kasutamise ja järgimise järgimist. Liiga sageli on need probleemid segased või kitsendatud olude poolt, mitte ei kajasta hästi koostatud poliitikat ja protokolle.
  4. Rakendatud Analytics on indikaator selle kohta, kui hästi organisatsioon on tööle asunud analytics ressursse ning on võimeline kandma tehisintellekti ja masinõpet. Kriitilised küsimused on järgmised: kas organisatsioonil on piisavalt analytics ressursse ja kuidas neid kasutatakse? Kas analytics kinnistada turundus- ja strateegilistesse töövoogudesse või kasutada seda ajutiselt? Kas analytics peamiste äriotsuste ja efektiivsuse suurendamine omandamise, hoidmise, kulude vähendamise ja lojaalsuse osas?
  5. Tehnoloogia infrastruktuur hindab tarkvara ja andmestruktuure, mida kasutatakse enamusesse ettevõtetesse voolavate andmete voolude sisestamiseks, töötlemiseks, puhastamiseks, turvamiseks ja värskendamiseks. Põhinäitajad on automatiseerituse tase ja võimalused andmekogumite normaliseerimiseks, individuaalsete identiteetide lahendamiseks, sisukate segmentide loomiseks ning uute reaalajas andmete pidevalt võtmiseks ja rakendamiseks. Teised positiivsed näitajad on liit ESP-dega, turundusautomaatika ja pilvandmetöötluse tarnijatega.
  6. Kasuta juhtumiarendust mõõdab ettevõtte võimet kogutud ja töödeldud andmeid reaalselt kasutada. Kas nad suudavad tuvastada parimad kliendid; ennustada järgmisi parimaid pakkumisi või kasvatada tõenäolisi lojaaliste? Kas neil on tööstuslikud mehhanismid isikupärastatud sõnumite loomiseks, mikrolainete segmentimiseks, käitumisele reageerimiseks mobiilses või sotsiaalmeedias või mitme sisukampaania loomiseks paljudes kanalites?
  7. Matemaatikameeste omaksvõtmine on ärikultuuri näitaja; organisatsiooni tõelise soovi uurida, omaks võtta ja omandada uusi lähenemisviise ja uusi tehnoloogiaid. Kõik õhutavad digitaalse ja andmete teisendamise retoorikat. Kuid paljud kardavad massihävitusrelvi (matemaatika häirimise relvi). Palju vähem ettevõtteid investeerib aega, ressursse ja raha, et muuta andmekesksus ettevõtte põhivaraks. Big Data valmisoleku saavutamine võib olla pikk, kulukas ja masendav. See nõuab alati olulisi muudatusi suhtumises, töövoogudes ja tehnoloogias. See näitaja mõõdab organisatsiooni tõelist pühendumust andmete edaspidistele eesmärkidele.

Big Data eeliste mõistmine on harjutus muudatuste juhtimisel. Need seitse kriteeriumi võimaldavad meil saada selge pilgu sellest, kuhu muundumisspektris antud organisatsioon langeb. Mõistmine, kus sa oled, võrreldes sellega, kus sa tahad olla, võib kainestamise korral olla kasulik.

 

Mis sa arvad?

Sellel saidil kasutatakse rämpsposti vähendamiseks Akismetit. Vaadake, kuidas teie andmeid töödeldakse.