Co robisz, gdy zmiany COVID sprawiają, że Twoje dane stają się przestarzałe – Liderzy myśli

Dla ludzi nieprzewidywalność życia jest zagrożeniem egzystencjalnym. Jest to podobne zagrożenie dla modeli analitycznych. Podobnie jak my, algorytmy próbują przewidzieć przyszłość, uogólniając wydarzenia z przeszłości. Im bardziej losowe historia, tym bardziej obie strony mają trudności z tworzeniem wzoru z chaosu.

Miesiąc temu myśleliśmy, że COVID może się skończyć. Teraz, z pojawieniem się wariantu Delta, gospodarka tańczy w dziwny sposób między otwarciem a zamknięciem. A jeśli chcielibyśmy dowiedzieć się, co się wydarzy – powiedzmy, gdybyśmy nakarmili model predykcyjny podsumowaniem minionego roku i pół – bardzo możliwe, że powie nam, że zmierzamy ku kolejnemu lockdownowi.

Dane, podobnie jak trendy żywnościowe lub mody, wygasają. Jeśli dostarczasz swoim modelom tylko ograniczone dane historyczne, nie mogą one stworzyć bardzo dokładnego obrazu tego, co dzieje się na rynku dzisiaj, nie mówiąc już o tym, co się wydarzy jutro.

Kiedy rzeczywistość codziennego życia zmienia się tygodniowo, a nawet dziennie, musisz odświeżyć swoje modele, nieustannie, nowymi aktywami danych i nowymi wymiarami, które zapewniają wgląd w bieżący kontekst.

Gdy rzeczywistość się zmienia, musisz się zmienić

Każda fluktuacja w wytycznych dotyczących bezpieczeństwa publicznego spowodowała znaczną zmianę w zachowaniu konsumentów. Niestety, każda z tych zmian w zachowaniu konsumentów uczyniła duże części modeli analitycznych organizacji przestarzałymi.

Teraz pomyśl o firmach, które, pomimo ciągłych zmian, utrzymały i nawet rozwinęły swoją działalność podczas pandemii. Działały szybko, aby znaleźć odpowiednie zestawy danych, które mogłyby dać im wgląd w zmieniające się zwyczaje klientów. Firmy, które próbowały trzymać się swoich starych źródeł danych, chociaż świat zmienił się całkowicie, straciły swój udział w rynku.

Przemysł detaliczny, na przykład, musiał zaakceptować ogromną transformację w kierunku zakupów online na początku pandemii, złożoność transakcji online-offline (jak odbiór z parkingu) i odrodzenie się doświadczeń na żywo, gdy ograniczenia COVID zostały zniesione.

Rozsądne firmy detaliczne szukały alternatywnych źródeł danych, aby zapewnić odpowiedni kontekst na każdym etapie procesu. Na początku szukały zestawów danych związanych z COVID, które obejmowały dane CDC na temat rozprzestrzeniania się choroby, na przykład, aby dostosować swoje modele prognozowania sprzedaży. Następnie przeglądały ruch pieszy w porównaniu z ruchem online, aby określić swój podejście do ponownego otwarcia. Gdy pandemia trwała, firmy detaliczne analizowały dane sprzedaży i wydatków na karty kredytowe w odniesieniu do atrybutów demograficznych, aby zrozumieć, jak ich typowy profil klienta się zmienił.

Deja vu związane z pogorszeniem danych

Tak bardzo jak wszyscy spodziewamy się ponownego otwarcia (kiedykolwiek to nastąpi), ta dramatyczna zmiana społeczna zwiastuje podobny wynik, jak pierwsze globalne zamknięcie. Organizacje, które przeszkoliły swoje modele analityczne, używając zestawów danych związanych z rynkiem z czasów pandemii, muszą ponownie szukać nowych źródeł.

Ale w przeciwieństwie do pierwszego lockdownu, tym razem mamy okazję przygotować się do znaczącej zmiany, gdy nadejdzie. Wiemy, że będziemy musieli znaleźć alternatywne źródła danych i stworzyć modele, które mogą zrozumieć nową rzeczywistość.

Więc co powinieneś zrobić, gdy wiesz, że Twoje dane wygasną? Po pierwsze, szukaj sposobów na poszerzenie swoich źródeł danych poza danymi historycznymi. Organizacje z najbardziej potężnymi programami analitycznymi traktują pozyskiwanie danych w taki sam sposób, w jaki traktują pozyskiwanie klientów – budują skalowalne podejście do ciągłego odkrywania, weryfikowania i wdrażania nowych aktywów danych. To podejście sprowadza się do trzech składników: ludzi, systemów i procesów, w tym porządku.

Ludzie

Istnieje wiele źródeł danych. Jak wiesz, czy te, których używasz, działają? Jak wiesz, co brakuje? Budując zespół poświęcony pozyskiwaniu odpowiednich danych, współpracując z dostawcami, aby to zrobić, i zarządzając własnymi aktywami danych. Role do obsadzenia to: Dyrektor ds. Pozyskiwania Danych, Architekci Danych, Strateg Danych i Naukowcy Danych.

Systemy

Pamiętaj, jak niektóre firmy miały trudności z przejściem na pracę zdalną, ponieważ nie miały scentralizowanej infrastruktury IT? Jest to lekcja, której nadal musimy się uczyć, gdy chodzi o modele analityczne. Widziałem duże organizacje, które kupiły i zintegrowały te same dane dwa lub trzy razy na różnych etapach. Niezbędne jest scentralizowane miejsce, w którym różne strony biznesu mogą współpracować nad zestawami danych wprowadzanymi do organizacji.

Co więcej, Twoje środowisko pozyskiwania danych powinno umożliwić Ci iterację nad różnymi danymi i przyspieszenie Twoich PLC, testów i inicjatyw biznesowych. W ciągu kilku dni powinieneś być w stanie nie tylko skatalogować nowe źródła danych, ale także wdrożyć je do produkcji. Czas jest wszystkim, gdy rzeczywistość zmienia się tak szybko.

Procesy

Mówiąc o czasie, jeśli Twojej organizacji zajmuje dwa lub trzy miesiące, aby zbadać pojedyncze źródło danych (nie mówiąc już o integracji), to jest znak, że nie jesteś dobrze przygotowany do absorbowania nowych danych. Utwórz przepływ pracy dla cyklu życia pozyskiwania danych, od testowania do kupowania do integracji. Ten proces powinien obejmować partnerstwo międzyfunkcyjne składające się z IT, zakupów, prawa, zgodności i bezpieczeństwa, aby każdy zespół mógł rozwiązać odpowiednie problemy z pozyskiwaniem.

Podsumowanie

Rozsądni liderzy danych wiedzą, że źródła danych są atutem konkurencyjnym w reagowaniu szybko na warunki rynkowe. Gdy tylko zainwestujesz w strategię pozyskiwania danych, nie ma znaczenia, czy wrócimy do lockdownu, czy szybko odbijemy. Będziesz gotowy lądować na nogach wśród jakiegokolwiek dużego zakłócenia.