COVID Değişiklikleri Verilerinizi Eski Hale Getirdiğinde Neler Yapmalısınız – Düşünce Liderleri

İnsanlar için yaşamın öngörülemezliği varoluşsal bir endişe kaynağıdır. Bu, analitik modeller için de benzer bir tehdittir. Bizim gibi, algoritmalar da geleceği tahmin etmeye çalışırlar ve geçmiş olayları genelleştirerek bunu yapmaya çalışırlar. Tarih ne kadar rastgele olursa, hem biz hem de algoritmalar kaostan bir düzen çıkarmak için daha çok mücadele veririz.

Bir ay önce COVID’in possibly sona erdiğini düşündük. Şimdi, Delta varyantının ortaya çıkmasıyla birlikte ekonomi açılma ve kapanma arasında garip bir dans içinde. Ve eğer önümüzdeki gì olacak diye bir predictive modelimize son bir buçuk yılın özetini ve bir Zusammenfassungunu verirsek, bize possibly başka bir kapanma yaşayacağımızı söyleyebilir.

Veriler, gıda veya moda trendleri gibi, sona erer. Eğer sadece sınırlı historical verilerle modellerinizi beslerseniz, bugün neler olduğu veya yarın neler olacağı hakkında çok da doğru bir resim çizemezler.

Gerçeklik günlük yaşamda haftadan haftaya, hatta günden güne değiştiğinde, modellerinizi sürekli olarak yeni veri varlıkları ve yeni boyutlarla güncellemeniz gerekir, böylece güncel bağlam hakkında fikir edinebilirsiniz.

Gerçeklik Değiştiğinde Siz de Değişmelisiniz

Halk sağlığı rehberlerindeki her dalgalanma, tüketici davranışında önemli bir değişikliğe neden oldu. Maalesef, bu tüketici davranışındaki değişiklikler, analitik modellerinin büyük kısmını eski haline getirdi.

Şimdi, sürekli değişime rağmen işlerini sürdüren ve hatta büyüten şirketleri düşünün. Hızla doğru veri kümelerini bulmaya çalıştılar ve müşterilerin değişen alışkanlıklarına ilişkin görünürlük kazandılar. Veri kaynaklarını değiştirmeyen ve dünyanın tamamen değişmesine rağmen aynı veri kaynaklarına bağlı kalan şirketler ise pazar paylarını kaybettiler.

Perakende sektörü, örneğin, pandeminin başlangıcında online alışverişe geçmek, online ve offline kombinasyon işlemlerini (örneğin, curbside pickup) ve COVID kısıtlamalarının kaldırılmasıyla birlikte yüz yüze deneyimlerin canlanmasıyla başa çıkmak zorunda kaldı.

Akıllı perakende şirketleri, her adımda uygun bağlamı sağlamak için alternatif veri kaynakları aradılar. İlk olarak, satış tahmin modellerini ayarlamak için COVID ile ilgili veri kümelerine baktılar – örneğin, hastalığın yayılması hakkında CDC verileri gibi. Sonra, fiziksel trafik ile online trafiği karşılaştırarak yeniden açılma yaklaşımını belirlediler. Pandemi devam ederken, perakende şirketleri, satış ve kredi kartı harcama verilerini demografik özelliklerle karşılaştırarak tipik müşteri profillerinin nasıl değiştiğini anladılar.

Veri Bozulması Déjà Vu

Açılma (ne zaman olursa olsun) beklerken, bu büyük toplumsal değişim, ilk küresel kapanmanın benzer bir sonucunu önceden haber veriyor. Pandemi dönemi pazarına ilişkin veri kümeleriyle eğitim verilen analitik modelleri olan organizasyonlar, tekrar yeni kaynaklar aramak zorunda kalacaklar.

Fakat ilk kapanmadan farklı olarak, bu kez büyük değişim geldiğinde hazırlanma fırsatımız var. Yeni gerçeklik hakkında anlam çıkaran modeller oluşturmak için alternatif veri kaynakları bulacağımızı biliyoruz.

Verilerinizin geçerliliğini kaybettiğini bildiğinizde ne yapmalısınız? İlk olarak, historical verilerinizin dışına çıkarak veri kaynaklarınızı genişletmenin yollarını arayın. En güçlü analitik programlara sahip organizasyonlar, veri edinimini müşteri edinimi gibi ele alır ve sürekli olarak yeni veri varlıklarını keşfetmek, değerlendirmek ve entegre etmek için ölçeklenebilir bir yaklaşım geliştirir. Bu yaklaşım, people, sistemler ve süreçler olarak üç bileşene indirgenebilir.

İnsanlar

Çok fazla veri kaynağı var. Hangilerinin çalıştığını nasıl bileceksiniz? Eksik olanları nasıl bileceksiniz? Doğru verileri edinmek için bir ekip kurarak, satıcılarla çalışarak ve kendi veri varlıklarınızı yöneterek. İhtiyaç duyulan roller arasında Veri Edinme Müdürü, Veri Mimarları, Veri Stratejisti ve Veri Bilimciler bulunur.

Sistemler

Uzaktan çalışmaya geçişte bazı şirketlerin merkezi IT altyapısı olmadan mücadele ettiğini hatırlayın. Analitik modeller için de bu dersi hatırlamamız gerekiyor. Büyük organizasyonların aynı verileri iki veya üç kez farklı aşamalarda satın aldığını ve entegre ettiğini gördüm. İşin farklı taraflarının veri kümelerini organizasyona girerken işbirliği yapabileceği merkezi bir yer gerekli.

Daha da önemli olarak, veri edinme ekosisteminiz, çeşitli veriler üzerinde çalışmanıza ve PLC’lerinizi, testlerinizi ve iş girişimlerinizi hızlandırmanıza izin vermelidir. Sadece birkaç gün içinde, yeni veri kaynaklarını kataloglamakla kalmayıp bunları üretime dağıtabilmelisiniz. Gerçeklik bu kadar hızlı değiştiğinde zaman her şeydir.

Süreçler

Zamandan bahsetmişken, eğer bir organizasyonun tek bir veri kaynağını incelemesi iki veya üç ay sürerse, yeni verileri emmek için iyi hazırlanmadığının işaretidir. Veri ediniminin yaşam döngüsü için bir iş akışı oluşturun – testten satın almaya, entegrasyona kadar. Bu süreç, IT, satın alma, hukuk, uyum ve güvenlik gibi farklı ekiplerin katılımını gerektirir, böylece her ekip ilgili kaynak sorunlarını ele alabilir.

Sonuç

Akıllı veri liderleri, veri kaynaklarının pazar koşullarına hızlı tepki verme konusunda rekabet avantajı olduğunu bilir. Bir kez veri edinme stratejisi yatırım yaptığınızda, ister kapanmaya geri dönelim ister hızlı bir toparlanma yaşayalım, büyük bir aksama karşısında ayaklarınız üzerinde kalacaksınız.