Τι να κάνετε όταν οι αλλαγές του COVID κάνουν τα δεδομένα σας ξεπερασμένα – Ηγέτες Σκέψης

Για τους ανθρώπους, η αβεβαιότητα της ζωής είναι ένα υπαρξιακό πρόβλημα. Είναι ένα παρόμοιο πρόβλημα και για τα αναλυτικά μοντέλα. Όπως και εμείς, οι αλγόριθμοι προσπαθούν να προβλέψουν το μέλλον με τη γενίκευση των παρελθόντων γεγονότων. Όσο πιο τυχαία είναι η ιστορία, τόσο περισσότερο αγωνιζόμαστε και να δημιουργήσουμε ένα μοτίβο από το χάος.

Πριν από einen μήνα σκεφτόμασταν ότι το COVID μπορεί να έχει τελειώσει. Τώρα, με την εμφάνιση της παραλλαγής Δέλτα, η οικονομία βρίσκεται σε μια περίεργη χορεύτρα μεταξύ ανοικτής και κλειστής. Και αν θέλαμε να μάθουμε τι θα συμβεί στο μέλλον — π.χ. αν ταΐζαμε ένα προβλεπτικό μοντέλο με μια περίληψη του τελευταίου ενάμιση χρόνου — θα μας έλεγε ότι πηγαίνουμε για άλλη μια φορά σε lockdown.

Τα δεδομένα, όπως η μόδα ή οι τροφικές τάσεις, λήγουν. Αν σας παρέχετε μόνο περιορισμένα ιστορικά δεδομένα, δεν μπορούν να ζωγραφίσουν μια ακριβή εικόνα για το τι συμβαίνει στην αγορά σήμερα, πολύ λιγότερο για το τι θα συμβεί αύριο.

Όταν η πραγματικότητα της καθημερινής ζωής αλλάζει κάθε εβδομάδα και ακόμη και κάθε μέρα, πρέπει να ανανεώσετε τα μοντέλα σας, συνεχώς, με νέα δεδομένα και νέες διαστάσεις που παρέχουν εποπτείες για το τρέχον контέκστ.

Όταν η πραγματικότητα αλλάζει, πρέπει να αλλάξετε μαζί της

Κάθε μεταβολή στις οδηγίες για την ασφάλεια του κοινού έχει προκαλέσει μια αξιοσημείωτη αλλαγή στη συμπεριφορά των καταναλωτών. Δυστυχώς, κάθε μια από αυτές τις αλλαγές στη συμπεριφορά των καταναλωτών έχει καταστήσει μεγάλες περιοχές των αναλυτικών μοντέλων των οργανισμών ξεπερασμένες.

Τώρα σκεφτείτε τις εταιρείες που, παρά την συνεχής αλλαγή, διατήρησαν και ακόμη μεγάλωσαν την επιχείρησή τους κατά τη διάρκεια της πανδημίας. Έδρασαν γρήγορα για να βρουν τα σωστά σύνολα δεδομένων που θα μπορούσαν να τους δώσουν ορατότητα στις αλλαγές των συνηθειών των πελατών. Οι εταιρείες που προσπάθησαν να παραμείνουν με τις ίδιες παλιές πηγές δεδομένων, mặc dù ο κόσμος είχε αλλάξει完全, έχασαν τη μερίδα τους της αγοράς.

Η βιομηχανία λιανικών πωλήσεων, για παράδειγμα, έπρεπε να ενστερνιστεί τη μαζική μετάβαση στο online ψώνια στην αρχή της πανδημίας, την πολυπλοκότητα των συνδυασμών online-offline συναλλαγών (όπως η παραλαβή στην αυλή) και την αναβίωση των προσωπικών εμπειριών καθώς οι περιορισμοί του COVID άρχισαν να ανυψώνονται.

Οι έξυπνες εταιρείες λιανικών πωλήσεων αναζήτησαν εναλλακτικές πηγές δεδομένων για να παρέχουν την κατάλληλη контέκστ με κάθε βήμα της διαδικασίας. Αρχικά, αναζήτησαν σύνολα δεδομένων σχετικά με το COVID — τα οποία περιελάμβαναν δεδομένα του Κέντρου Ελέγχου και Πρόληψης Νοσημάτων (CDC) σχετικά με τη διάδοση της νόσου, για παράδειγμα — για να điều chỉnh τα μοντέλα προβλέψεως πωλήσεων. Στη συνέχεια, εξέτασαν την κίνηση των ποδιών έναντι της online κίνησης για να καθορίσουν την προσέγγισή τους για την επαναλειτουργία. Όσο η πανδημία συνεχιζόταν, οι εταιρείες λιανικών πωλήσεων εξέτασαν τα δεδομένα πωλήσεων και δαπανών πιστωτικών καρτών έναντι δημογραφικών χαρακτηριστικών για να κατανοήσουν πώς είχε αλλάξει το τυπικό προφίλ του πελάτη τους.

Διασάλευση δεδομένων ντεζά βου

Όσο πολύ και αν αναμένουμε την επαναλειτουργία (όταν και αν έρθει), αυτή η δραματική κοινωνική αλλαγή προειδοποιεί για μια παρόμοια έκβαση με την πρώτη παγκόσμια απομόνωση. Οι οργανισμοί που έχουν εκπαιδεύσει τα αναλυτικά μοντέλα τους χρησιμοποιώντας σύνολα δεδομένων σχετικά με την αγορά της εποχής της πανδημίας θα πρέπει και πάλι να αναζητήσουν νέες πηγές.

Αλλά αντίθετα με την πρώτη απομόνωση, αυτή τη φορά έχουμε την ευκαιρία να προετοιμαστούμε για την σημαντική αλλαγή όταν έρθει. Ξέρουμε ότι θα πρέπει να βρούμε εναλλακτικές πηγές δεδομένων και να δημιουργήσουμε μοντέλα που μπορούν να δώσουν νόημα στην καινούρια πραγματικότητα.

Έτσι, τι πρέπει να κάνετε όταν ξέρετε ότι τα δεδομένα σας θα λήξουν; Πρώτα, αναζητήστε τρόπους να διευρύνετε τις πηγές δεδομένων σας εκτός των ιστορικών δεδομένων. Οι οργανισμοί με τα πιο ισχυρά αναλυτικά προγράμματα αντιμετωπίζουν την απόκτηση δεδομένων με τον ίδιο τρόπο που αντιμετωπίζουν την απόκτηση πελατών — κατασκευάζουν μια ανα.scalable προσέγγιση για τη συνεχής ανακάλυψη, έλεγχο και ενσωμάτωση νέων δεδομένων. Αυτή η προσέγγιση συνοψίζεται σε τρία συστατικά: άνθρωποι, συστήματα και διαδικασίες, με αυτή τη σειρά.

Άνθρωποι

Υπάρχουν πολλές πηγές δεδομένων εκεί. Πώς να ξέρετε ότι αυτές που χρησιμοποιείτε λειτουργούν; Πώς να ξέρετε τι σας λείπει; Κατασκευάζοντας μια ομάδα αφοσιωμένη στην απόκτηση των σωστών δεδομένων, συνεργαζόμενη με προμηθευτές για να το κάνουν και διαχειριζόμενη τις δικές σας πηγές δεδομένων. Ρόλοι για να προσλάβετε περιλαμβάνουν einen Αρχηγό Απόκτησης Δεδομένων, Αρχιτέκτονες Δεδομένων, Στρατηγούς Δεδομένων και Επιστήμονες Δεδομένων.

Συστήματα

Θυμάστε πώς κάποιες εταιρείες αγωνίστηκαν με τη μετάβαση στη τηλεργασία επειδή δεν είχαν κεντρική IT; Είναι ένα μάθημα που ακόμη πρέπει να μας θυμίζουν όταν πρόκειται για αναλυτικά μοντέλα. Έχω δει μεγάλες εταιρείες που αγοράζουν και ενσωματώνουν τα ίδια δεδομένα δύο ή τρεις φορές σε διαφορετικά στάδια. Ένα κεντρικό σημείο όπου διαφορετικές πλευρές της επιχείρησης μπορούν να συνεργαστούν στα σύνολα δεδομένων που εισέρχονται στην εταιρεία είναι απαραίτητο.

Ακόμη πιο σημαντικά, το οικοσύστημα απόκτησης δεδομένων σας πρέπει να σας επιτρέψει να επαναλάβετε σε μια ποικιλία δεδομένων και να επιταχύνετε τους PLC, τους ελέγχους και τις επιχειρηματικές πρωτοβουλίες σας. Μέσα σε quelques ημέρες, πρέπει να можете να καταλογραφήσετε nicht μόνο νέα σύνολα δεδομένων αλλά και να τα αναπτύξετε σε παραγωγή. Ο χρόνος είναι όλα όταν η πραγματικότητα αλλάζει τόσο γρήγορα.

Διαδικασίες

Μιλάνοντας για χρόνο, αν σας παίρνει δύο ή τρεις μήνες για να εξετάσετε μια seule πηγή δεδομένων (πολύ λιγότερο για να την ενσωματώσετε) αυτό είναι ένα σημάδι ότι δεν είστε πολύ καλά προετοιμασμένοι να απορροφήσετε νέα δεδομένα. Δημιουργήστε μια ροή εργασίας για τον κύκλο ζωής της απόκτησης δεδομένων, από τον έλεγχο στην αγορά και την ενσωμάτωση. Αυτή η διαδικασία πρέπει να περιλαμβάνει μια δια-λειτουργική συνεργασία που αποτελείται από IT, προμήθεια, νομική, συμμόρφωση και ασφάλεια, ώστε κάθε ομάδα να μπορεί να αντιμετωπίσει τα αντίστοιχα ζητήματα προμήθειας.

Συμπέρασμα

Οι έξυπνοι ηγέτες δεδομένων ξέρουν ότι οι πηγές δεδομένων είναι ένα ανταγωνιστικό περιουσιακό στοιχείο για την ανταπόκριση γρήγορα στις συνθήκες της αγοράς. Μόλις επενδύσετε σε μια στρατηγική απόκτησης δεδομένων, δεν έχει σημασία αν θα επιστρέψουμε σε lockdown ή αν θα ανακάμψουμε γρήγορα. Θα είστε έτοιμοι να προσγειωθείτε στα πόδια σας εν μέσω οποιασδήποτε μεγάλης διαταραχής.