Những Việc Cần Làm Khi Dữ Liệu Của Bạn Trở Nên Lỗi Thời Do COVID – Các Lãnh Đạo Tư Duy

Đối với con người, sự không thể đoán trước của cuộc sống là một mối quan tâm về sự tồn tại. Đó cũng là một mối đe dọa tương tự đối với các mô hình phân tích. Giống như chúng ta, các thuật toán cố gắng dự đoán tương lai bằng cách tổng quát hóa các sự kiện trong quá khứ. Càng nhiều sự kiện ngẫu nhiên trong lịch sử, cả chúng ta đều gặp khó khăn hơn trong việc tạo ra một mẫu từ sự hỗn loạn.

Một tháng trước, chúng ta nghĩ rằng COVID có thể đã kết thúc. Nhưng bây giờ, với sự xuất hiện của biến thể Delta, nền kinh tế đang trong một điệu nhảy kỳ lạ giữa mở và đóng. Và nếu chúng ta muốn tìm hiểu điều gì sẽ xảy ra tiếp theo – chẳng hạn như nếu chúng ta cho một mô hình dự đoán tóm tắt về năm rưỡi qua và một nửa – nó rất có thể sẽ cho chúng ta biết rằng chúng ta đang hướng tới một lệnh đóng cửa khác.

Dữ liệu, giống như xu hướng thực phẩm hoặc thời trang, sẽ hết hạn. Nếu bạn chỉ cung cấp cho các mô hình của mình dữ liệu lịch sử hạn chế, chúng không thể描绘 một bức tranh chính xác về những gì đang xảy ra trên thị trường ngày nay, chứ chưa nói đến những gì sẽ xảy ra vào ngày mai.

Khi thực tế của cuộc sống hàng ngày thay đổi từng tuần và thậm chí từng ngày, bạn cần phải làm mới các mô hình của mình liên tục với các tài sản dữ liệu mới và các chiều mới cung cấp thông tin về bối cảnh hiện tại.

Khi Thực Tế Thay Đổi, Bạn Cần Thay Đổi Theo

Mỗi biến động trong các hướng dẫn an toàn công cộng đã kích hoạt một sự thay đổi đáng kể trong hành vi của người tiêu dùng. Thật không may, mỗi một trong những thay đổi trong hành vi của người tiêu dùng đã khiến cho một phần lớn các mô hình phân tích của các tổ chức trở nên lỗi thời.

Bây giờ hãy nghĩ về những công ty mà,尽管 sự thay đổi liên tục, vẫn duy trì và thậm chí phát triển kinh doanh của họ trong đại dịch. Họ đã hành động nhanh chóng để tìm các tập dữ liệu phù hợp có thể cung cấp cho họ khả năng nhìn thấy sự thay đổi trong thói quen của khách hàng. Những công ty cố gắng gắn bó với cùng một nguồn dữ liệu cũ, mặc dù thế giới đã thay đổi hoàn toàn, đã mất thị phần của mình.

Ngành bán lẻ, ví dụ, đã phải chấp nhận sự chuyển đổi lớn sang mua sắm trực tuyến vào đầu đại dịch, sự phức tạp của các giao dịch kết hợp trực tuyến và ngoại tuyến (như nhận hàng tại cửa) và sự phục hồi của các trải nghiệm trực tiếp khi các hạn chế COVID được dỡ bỏ.

Các công ty bán lẻ thông minh đã tìm kiếm các nguồn dữ liệu thay thế để cung cấp bối cảnh phù hợp với từng bước trong quá trình. Ban đầu, họ tìm kiếm các tập dữ liệu liên quan đến COVID – bao gồm dữ liệu của CDC về sự lây lan của bệnh – để điều chỉnh các mô hình dự báo bán hàng của họ. Sau đó, họ xem xét lưu lượng chân và lưu lượng trực tuyến để xác định cách tiếp cận của họ để mở cửa lại. Khi đại dịch tiếp tục, các công ty bán lẻ đã kiểm tra dữ liệu về doanh số và chi tiêu thẻ tín dụng so với các thuộc tính nhân khẩu học để hiểu cách hồ sơ khách hàng典型 của họ đã thay đổi.

Sự Lặp Lại Của Sự Hư Hỏng Dữ Liệu

Mặc dù chúng ta đều mong đợi việc mở cửa lại (dù khi nào), nhưng sự thay đổi xã hội đáng kể này báo trước một kết quả tương tự như lần đóng cửa toàn cầu đầu tiên. Các tổ chức đã đào tạo các mô hình phân tích của họ bằng cách sử dụng các tập dữ liệu liên quan đến thị trường thời kỳ đại dịch sẽ phải tìm kiếm các nguồn mới một lần nữa.

Nhưng không giống như lần đóng cửa đầu tiên, lần này chúng ta có cơ hội chuẩn bị cho sự thay đổi đáng kể khi nó đến. Chúng ta biết rằng chúng ta sẽ cần phải tìm các nguồn dữ liệu thay thế và tạo ra các mô hình có thể hiểu được hiện thực mới.

Vậy, bạn nên làm gì khi bạn biết rằng dữ liệu của mình sẽ hết hạn? Đầu tiên, tìm cách mở rộng nguồn dữ liệu của bạn ngoài dữ liệu lịch sử. Các tổ chức có chương trình phân tích mạnh nhất coi việc thu thập dữ liệu như cách họ thu hút khách hàng – họ xây dựng một cách tiếp cận có thể mở rộng để liên tục khám phá, đánh giá và tích hợp các tài sản dữ liệu mới. Cách tiếp cận này bao gồm ba thành phần: con người, hệ thống và quy trình, theo thứ tự đó.

Con Người

Có rất nhiều nguồn dữ liệu ngoài kia. Làm thế nào bạn biết rằng những nguồn bạn đang sử dụng đang hoạt động? Làm thế nào bạn biết những gì bạn đang thiếu? Bằng cách xây dựng một đội ngũ chuyên về việc thu thập dữ liệu phù hợp, làm việc với các nhà cung cấp để làm như vậy và quản lý các tài sản dữ liệu của riêng bạn. Các vai trò cần tuyển dụng bao gồm Trưởng bộ phận Thu thập Dữ liệu, Kiến trúc sư Dữ liệu, Chiến lược gia Dữ liệu và Nhà khoa học Dữ liệu.

Hệ Thống

Hãy nhớ lại cách một số công ty gặp khó khăn khi chuyển sang làm việc từ xa vì họ không có IT tập trung? Đó là một bài học chúng ta vẫn cần được nhắc nhở khi nói đến các mô hình phân tích. Tôi đã thấy các tổ chức lớn mua và tích hợp cùng một dữ liệu hai hoặc ba lần tại các giai đoạn khác nhau. Một nơi tập trung nơi các bên khác nhau của doanh nghiệp có thể cộng tác về các tập dữ liệu进入 tổ chức là cần thiết.

Quan trọng hơn, hệ sinh thái thu thập dữ liệu của bạn nên cho phép bạn lặp lại nhiều loại dữ liệu và tăng tốc các vòng đời sản phẩm, thử nghiệm và sáng kiến kinh doanh của bạn. Trong vài ngày, bạn nên có thể không chỉ lập danh mục các nguồn dữ liệu mới mà còn triển khai chúng đến sản xuất. Thời gian là mọi thứ khi thực tế thay đổi nhanh chóng.

Quy Trình

Nói về thời gian, nếu nó mất hai hoặc ba tháng để tổ chức của bạn kiểm tra một nguồn dữ liệu duy nhất (chưa kể đến việc tích hợp nó) thì đó là một dấu hiệu cho thấy bạn không chuẩn bị tốt để hấp thụ dữ liệu mới. Tạo một quy trình làm việc cho vòng đời của việc thu thập dữ liệu, từ thử nghiệm đến mua đến tích hợp. Quy trình này nên bao gồm một quan hệ đối tác xuyên chức năng bao gồm IT, mua sắm, pháp lý, tuân thủ và bảo mật để mỗi đội có thể giải quyết các vấn đề nguồn dữ liệu tương ứng.

Kết Luận

Các nhà lãnh đạo dữ liệu thông minh biết rằng các nguồn dữ liệu là một tài sản cạnh tranh để phản ứng nhanh với các điều kiện thị trường. Một khi bạn đã đầu tư vào một chiến lược thu thập dữ liệu, nó không quan trọng liệu chúng ta có quay lại phong tỏa hay phục hồi nhanh chóng. Bạn sẽ sẵn sàng để hạ cánh trên chân của mình giữa bất kỳ sự gián đoạn lớn nào.