Apa yang Harus Dilakukan Ketika Perubahan COVID Membuat Data Anda Usang – Pemimpin Pikiran

Bagi manusia, ketidakpastian kehidupan adalah ancaman eksistensial. Ini adalah ancaman serupa untuk model analitik. Seperti kita, algoritma mencoba memprediksi masa depan dengan menggeneralisasi peristiwa masa lalu. Semakin acak sejarah, semakin kita berdua berjuang untuk menciptakan pola dari kekacauan.

Sebulan yang lalu kita pikir COVID mungkin sudah berakhir. Sekarang, dengan munculnya varian Delta, perekonomian berada dalam tarian aneh antara terbuka dan tertutup. Dan jika kita ingin mengetahui apa yang akan terjadi selanjutnya — katakanlah, jika kita memberi makan model prediktif dengan ringkasan tahun dan setengah terakhir — itu sangat mungkin memberitahu kita bahwa kita menuju ke penguncian lain.

Data, seperti tren makanan atau mode, memiliki tanggal kedaluwarsa. Jika Anda hanya memasok model Anda dengan data historis terbatas, mereka tidak dapat memberikan gambaran yang akurat tentang apa yang terjadi di pasar hari ini, apalagi apa yang akan terjadi besok.

Ketika kenyataan kehidupan sehari-hari berubah setiap minggu dan bahkan setiap hari, Anda perlu memperbarui model Anda, terus-menerus, dengan aset data baru dan dimensi baru yang memberikan wawasan tentang konteks saat ini.

Ketika Kenyataan Berubah, Anda Perlu Berubah Bersamanya

Setiap fluktuasi dalam pedoman keamanan publik telah memicu perubahan luar biasa dalam perilaku konsumen. Sayangnya, setiap perubahan tersebut dalam perilaku konsumen membuat sebagian besar model analitik organisasi menjadi usang.

Sekarang pikirkan tentang perusahaan yang, meskipun perubahan konstan, telah mempertahankan dan bahkan tumbuh bisnis mereka selama pandemi. Mereka bertindak cepat untuk menemukan kumpulan data yang tepat yang dapat memberikan visibilitas ke dalam kebiasaan konsumen yang berubah. Perusahaan yang mencoba untuk tetap menggunakan sumber data lama, meskipun dunia telah berubah sepenuhnya, kehilangan bagian dari pasar.

Industri ritel, misalnya, harus menerima transisi besar-besaran ke belanja online di awal pandemi, kompleksitas transaksi online-offline (seperti pengambilan di tepi jalan) dan kebangkitan kembali pengalaman langsung ketika pembatasan COVID dicabut.

Perusahaan ritel yang cerdas mencari sumber data alternatif untuk memberikan konteks yang tepat dengan setiap langkah dalam proses. Awalnya, mereka mencari kumpulan data terkait COVID — yang mencakup data CDC tentang penyebaran penyakit, misalnya — untuk menyesuaikan model peramalan penjualan mereka. Kemudian, mereka meninjau lalu lintas kaki vs lalu lintas online untuk menentukan pendekatan mereka untuk membuka kembali. Ketika pandemi berlanjut, perusahaan ritel memeriksa data penjualan dan pengeluaran kartu kredit terhadap atribut demografis untuk memahami bagaimana profil pelanggan mereka telah berubah.

Deja Vu Penurunan Data

Sebanyak kita semua menantikan pembukaan kembali (kapanpun itu terjadi), perubahan sosial yang dramatis ini memperingatkan hasil yang serupa dengan penguncian global pertama. Organisasi yang telah melatih model analitik mereka menggunakan kumpulan data terkait pasar era pandemi harus sekali lagi mencari sumber baru.

Tapi tidak seperti penguncian pertama, kali ini kita memiliki kesempatan untuk mempersiapkan diri untuk perubahan besar ketika itu terjadi. Kita tahu kita perlu menemukan sumber data alternatif dan membuat model yang dapat memahami kenyataan baru.

Jadi, apa yang harus Anda lakukan ketika Anda tahu data Anda akan kedaluwarsa? Pertama, cari cara untuk memperluas sumber data Anda di luar data historis. Organisasi dengan program analitik paling kuat memperlakukan akuisisi data dengan cara yang sama seperti akuisisi pelanggan — mereka membangun pendekatan yang dapat diskalakan untuk terus-menerus menemukan, memverifikasi, dan memasang aset data baru. Pendekatan ini dapat dibagi menjadi tiga komponen: orang, sistem, dan proses, dalam urutan itu.

Orang

Ada banyak sumber data di luar sana. Bagaimana Anda tahu bahwa sumber yang Anda gunakan efektif? Bagaimana Anda tahu apa yang Anda lewatkan? Dengan membangun tim yang didedikasikan untuk mengakuisisi data yang tepat, bekerja dengan vendor untuk melakukannya, dan mengelola aset data Anda sendiri. Peran untuk dipekerjakan termasuk Kepala Akuisisi Data, Arsitek Data, Strategi Data, dan Ilmuwan Data.

Sistem

Ingat bagaimana beberapa perusahaan bergelut dengan transisi ke kerja jarak jauh karena mereka tidak memiliki IT terpusat? Ini adalah pelajaran yang masih perlu kita ingat ketika datang ke model analitik. Saya telah melihat perusahaan besar membeli dan mengintegrasikan data yang sama dua atau tiga kali pada tahap yang berbeda. Tempat terpusat di mana berbagai sisi bisnis dapat berkolaborasi pada kumpulan data yang memasuki organisasi sangat diperlukan.

Lebih penting lagi, ekosistem akuisisi data Anda harus memungkinkan Anda untuk mengulang berbagai data dan mempercepat PLC, tes, dan inisiatif bisnis. Dalam beberapa hari, Anda harus dapat tidak hanya mengatalogkan sumber data baru tetapi juga menggunakannya ke produksi. Waktu adalah segalanya ketika kenyataan berubah sangat cepat.

Proses

Berbicara tentang waktu, jika membutuhkan waktu dua atau tiga bulan bagi organisasi Anda untuk memeriksa satu sumber data (apalagi mengintegrasikannya) itu adalah tanda bahwa Anda tidak sangat siap untuk menyerap data baru. Buat alur kerja untuk siklus hidup akuisisi data, dari pengujian hingga pembelian hingga integrasi. Proses ini harus melibatkan kemitraan fungsional lintas yang terdiri dari IT, pengadaan, hukum, kepatuhan, dan keamanan sehingga setiap tim dapat mengatasi masalah sumber yang bersangkutan.

Kesimpulan

Pemimpin data yang cerdas tahu bahwa sumber data adalah aset kompetitif untuk bereaksi cepat terhadap kondisi pasar. Setelah Anda berinvestasi dalam strategi akuisisi data, tidak peduli apakah kita kembali ke penguncian atau pulih dengan cepat. Anda akan siap untuk mendarat di kaki Anda di tengah gangguan besar apa pun.