Co dělat, když změny související s COVID způsobili, že vaše data jsou zastaralá – Thought Leaders

Pro lidi je nepředvídatelnost života existenčním problémem. Je to podobná hrozba i pro analytické modely. Stejně jako my se snažíme předpovídat budoucnost na základě generalizace minulých událostí. Čím více náhodná je historie, tím více se obě strany snaží vytvořit vzorec z chaosu.

Před měsícem jsme si mysleli, že COVID možná skončil. Nyní, s появou varianty Delta, je ekonomika v podivném tanci mezi otevřením a uzavřením. A kdybychom chtěli zjistit, co bude dál – řekněme, kdybychom nakrmili předpovědní model souhrnem minulého roku a půl – mohl by nám říci, že jsme na cestě k dalšímu lockdownu.

Data, stejně jako potraviny nebo módní trendy, mají expirační dobu. Pokud budete své modely zásobovat pouze omezenými historickými daty, nemohou vytvořit velmi přesný obraz toho, co se děje na trhu dnes, natož co se bude dít zítra.

Když se realita denního života mění každý týden a dokonce každý den, musíte své modely neustále obnovovat novými datovými assety a novými dimenzemi, které poskytují přehled o současném kontextu.

Když se realita mění, musíte se měnit s ní

Každá fluktuace v pokynech pro veřejnou bezpečnost spustila pozoruhodnou změnu v chování spotřebitelů. Bohužel, každá z těchto změn v chování spotřebitelů učinila velké části analytických modelů organizací zastaralými.

Teď si představte společnosti, které, navzdory stálým změnám, udržely a dokonce zvýšily svůj obchod během pandemie. Rychle našly správné datové sady, které jim mohly poskytnout přehled o měnících se zvyklostech zákazníků. Společnosti, které se pokusily setrvat u svých starých zdrojů dat, ačkoli se svět změnil úplně, ztratily svůj podíl na trhu.

Průmysl maloobchodu, například, musel přijmout masivní přechod k online nákupům na začátku pandemie, složitost kombinace online a offline transakcí (jako je odběr u silnice) a obnovení osobních zkušeností, když omezení COVID uvolnila.

Chytré maloobchodní společnosti hledaly alternativní zdroje dat, aby poskytly správný kontext pro každý krok procesu. Nejprve hledaly datové sady související s COVID – které zahrnovaly data CDC o šíření nemoci, například – aby upravily své prodejní předpovědní modely. Poté zkoumaly provozní dopravu versus online dopravu, aby určily svůj přístup k opětovnému otevření. Když pandemie pokračovala, maloobchodní společnosti zkoumaly prodejní a údaje o výdajích na kreditní karty proti demografickým atributům, aby porozuměly, jak se jejich typický zákaznický profil změnil.

Data deterioration déjà vu

Stejně jako všichni čekáme na opětovné otevření (kdykoli přijde), tato dramatická změna společnosti varuje před podobným výsledkem jako první globální uzávěra. Organizace, které vyškolily své analytické modely pomocí datových sad souvisejících s trhem z doby pandemie, budou muset znovu hledat nové zdroje.

Ale na rozdíl od prvního lockdownu máme nyní příležitost se připravit na významnou změnu, když přijde. Víme, že budeme muset najít alternativní zdroje dat a vytvořit modely, které mohou dát smysl nové realitě.

Tak co byste měli udělat, když víte, že vaše data budou zastaralá? Nejprve hledejte způsoby, jak rozšířit své zdroje dat mimo své historické údaje. Organizace s nejvýkonnějšími analytickými programy považují získávání dat stejně jako získávání zákazníků – budují škálovatelný přístup pro neustálé objevování, prověřování a implementaci nových datových assetů. Tento přístup se skládá ze tří komponent: lidí, systémů a procesů, v tomto pořadí.

Lidé

Existuje mnoho zdrojů dat. Jak víte, zda ty, které používáte, fungují? Jak víte, co chybí? Postavením týmu, který se věnuje získávání správných dat, spolupráci s dodavateli a správou svých vlastních datových assetů. Role, které je třeba najmout, zahrnují Head of Data Acquisition, Data Architekti, Data Strategist a Data Scientists.

Systémy

Pamatujete, jak některé společnosti bojovaly s přechodem na vzdálenou práci, protože neměly centralizovanou IT? Je to lekce, které si stále musíme připomínat, když se jedná o analytické modely. Viděl jsem velké organizace, které kupovaly a integrovaly stejná data dvakrát nebo třikrát v různých fázích. Centralizované místo, kde různé strany podniku mohou spolupracovat na datech vstupujících do organizace, je nezbytné.

Ještě důležitější je, že váš ekosystém pro získávání dat by měl umožňovat iteraci různých dat a urychlit vaše PLC, testy a obchodní iniciativy. Během několika dní byste měli být schopni nejen katalogizovat nové zdroje dat, ale také je nasadit do produkce. Čas je všechno, když se realita mění tak rychle.

Procesy

Mluvící o čase, pokud vaše organizace potřebuje dva nebo tři měsíce k prozkoumání jediného zdroje dat (natož ho integrovat), je to znamení, že jste недостатčně připraveni na absorpci nových dat. Vytvořte pracovní postup pro životní cyklus získávání dat, od testování po nákup a integraci. Tento proces by měl zahrnovat mezioborové partnerství složené z IT, nákupu, právního, compliance a bezpečnostního týmu, aby každý tým mohl řešit příslušné problémy se zdroji.

Závěr

Chytrí lídři dat znají, že zdroje dat jsou konkurenční výhodou pro rychlou reakci na tržní podmínky. Jakmile investujete do strategie získávání dat, již vám nebude záležet na tom, zda se vrátíme do lockdownu nebo se rychle zotavíme. Budete připraveni přistát na nohy uprostřed každé významné poruchy.