Eduka ümberkujundamise organisatsiooni DNA (5. osa)

Anekdata asendamine tõelise ülevaatega

Iiri matemaatik, füüsik ja insener Lord Kelvin jättis meile arvukalt teaduslikke leiutisi ja need rabavad tarkusesõnad: „Mis pole määratletud, seda ei saa mõõta. Mida ei mõõdeta, seda ei saa parandada. Mida ei parandata, see alati halveneb.

Eelmises neljas osas püüdsime edukat ümberkujundamist vaadelda mitte lineaarse, ühekordse muudatusena, vaid tsükliliste ettevõtmistena, mis annavad täiendava ja mõõdetava väärtuse ning on piisavalt paindlikud, et muutuvate tingimustega kurssi korrigeerida. Viimases osas vaatleme, kuidas struktureeritud ja tahtlikku lähenemist andmetele, aruandlusele ja empiirilisele otsuste tegemisele saab kasutada organisatsiooni tegelikkuse kooskõlla viimiseks strateegiliste vajadustega ja ümberkujundamiskava juhtimiseks.

Paljud finantsasutused on formaliseerinud strateegilise planeerimise ja eesmärkide seadmise infrastruktuuri, eelarve, investeeringute planeerimise protsessid ja paindlikud tarneraamistikud. Kuid nad võivad siiski kannatada nende protsesside ebapiisavuse all ja neil puudub ühine tugisammas, mis neid ühendaks.

See sammas mõõdab organisatsiooni tervist, kasutades kõvasid andmeid võimalikult väikese viivitusega. Vaatamata laialdasele arusaamale andmete tähtsusest organisatsiooni strateegia jaoks, kogutakse otsuste tegemiseks vajalikku teavet tavaliselt kahel viisil:

• Anekdaat. Organisatsioone juhib sageli klientide või sisemiste sidusrühmade tekitatud surve. Kuigi klienditeenindus on imetlusväärne eesmärk, võib korratu või killustatud lähenemine sellele, keda esimesena teenindada, sageli põhjustada häireid. Need organisatsioonid eelistavad ruumis kõige valjemaid hääli, mitte abivajajaid. Algatused tehakse halvasti määratletud eesmärkidega ja halvasti mõistetavate ROI-dega. Kui see on lõpule viidud, eeldatakse võitu verstapostide või projektijuhtimise tasuliste väravate edukal täitmisel, mitte aga äritulemuste ja toimivusandmete objektiivsel hindamisel.

• Ad-hoc andmed. Finantsteenuste puhul on tavaline, et juhtidel palutakse kiiresti koostada esitlusi, mis arutlevad viimast päevanumbrit või teemat. Kuid ees on võimalikud probleemid. Tuginedes kiirustades kogutud ajahetkel andmetele, ei suuda need esitlused ära tunda kahjulikku mõju, mida mittetäielikud või kontekstivälised andmed võivad avaldada otsuste tegemisele ja strateegilisele planeerimisele. Seda tüüpi andmed on tavaliselt kahel kujul:

1. Rakendusmeeskondade pakutavad tootmisandmete väljavõtted, mis näitavad konkreetse süsteemi, toote või kasutaja teekonna hetkeseisu. Seda tüüpi andmetega kaasnevad oma riskid ja lüngad, sealhulgas ärikonteksti puudumine, milles andmeid tuleks arvesse võtta, kõnealuse andmekogumi suurus ja valimi omadused, lähteandmete hägustamine ja latentsusaeg. Need põhjustavad õige andmestiku tuvastamisel ja kogumisel märkimisväärset segadust ja tähelepanu hajutamist.
2. Tootmise tugimeeskondadelt pärinevad juhtumite või probleemide andmed, mis kujutavad ajaloolist ülevaadet sündmustest, mis vastavad teatud töökriteeriumidele. Seda teavet vaevab sageli täielikkuse puudumine, samuti oht, et ellujäämise ja kinnituse kallutatuse tõttu võidakse seda kaunistada. Andmed näitavad, kus tootmisprobleemide lahendamiseks on investeeritud aega ja ressursse, kuid sageli varjatakse algpõhjust.

Mõlemad lähenemisviisid toovad kaasa ressursside ebatõhusa kasutamise, et lühistada tugevamat jälgimis- ja mõõtmisviisi. Veelgi murettekitavam on see, et nõutav inimsekkumise tase võib põhjustada andmete moonutamist, mis on tingitud põhiandmepunktide määratluse erinevusest või ebamugavusest andmete edastatava põhisõnumiga.

Mõlemal juhul muudab andmetest sisulise teabe hankimiseks vajalik töömaht ja nende valesti tõlgendamisega seotud riskid selle ettepaneku innovatsiooniliidriteks saada soovivate finantsasutuste jaoks väheväärtuslikuks. See lähenemine on loomupäraselt suunatud tasustamisele ja sunnib organisatsiooni juhtima autot ainult tahavaatepeeglisse vaadates.

Levinud eksiarvamus selle struktureeritud andmete puudumise probleemi lahendamise kohta on liiga palju kindlatele tööriistadele, nagu Tableau või Microsoft Power BI, tuginemine. Tegelikkuses on probleemid palju sügavamad kui lihtsalt analüütika või visualiseerimisvahendite puudumine; need ulatuvad strateegilise planeerimise protsessi väga varajastest etappidest kuni elluviimiseni kuni tavapärase tegevuseni.

Meie kogemuse kohaselt arendavad edukad organisatsioonid kõrgel tasemel oskusi järgmistes valdkondades, et luua usaldusväärsed seire- ja mõõtmisvõimalused:

1. Olulise mõõtmine. Valitsevad turutingimused, klientide ootused, arenevad tehnoloogiad, konkurentsihäired ja regulatiivsed muutused loovad finantsasutustele pidevalt muutuva tegevusmaastiku. Tähtis on mõista tulevikku suunatud eesmärke ja peamisi tulemusnäitajaid, mis aitavad kinnitada otsuste tegemist ja võimaldada kohandatavamat äriplaneerimist.

See tähendab, et enne uue algatuse heakskiitmist tuleb nõuda rohkem kui lihtsat viie aasta tulude või kulude kärpimise prognoosi. See tähendab ülalt-alla ühenduse loomist organisatsiooni strateegiliste eesmärkide ning tarne- ja operatiivmeeskondade töö vahel. See raamistik loob finantsasutuse seire- ja mõõtmisvõime tuuma ning sellest ei saa mööda hiilida.   

 2. Andmetehnika ja analüütika. Enne armatuurlaudade loomist tuleb luua alus, et tagada kõigi andmeallikate tuvastamine ja asjakohaste ärimõõdikute tuletamiseks vajalike andmepunktide kataloogimine. Samuti on äärmiselt oluline, et kõik sidusrühmad mõistaksid, milleks andmeid kasutatakse ja kuidas see aitab neil vajalikke mõõdikuid juhtida. Näiteks: kas kinnitusaeg on aeg, mis kulub tehingu kinnitamiseks alates broneeringu tegemise hetkest või hetkest, mil see siseneb kinnituste virna? See tuvastamine aitab vältida segadust ja vähendada ümbertegemist. See protsess tugineb järk-järgult ülaltoodud raamistikule ja esindab füüsilisi andmemudeleid ja infrastruktuuri, mis on vajalik organisatsiooni strateegilise eesmärgi jälgimiseks ja põhjendamiseks.

3. Andmete haldamine. Kõik andmekomplektid peavad vastama organisatsiooni andmepoliitikatele. Kuigi need varieeruvad suuresti olenevalt ärimudelist, klientuurist ja tootekomplektidest, on tõhusa andmehalduse põhiprintsiibid järjepidevad ja lähtuvad alati ärivajadusest esirinnas. Küsimused, mida kaaluda, hõlmavad järgmist:

• Andmete kättesaadavus. Millise detailsuse ja sagedusega on ettevõtte mõõtmise ja seire eesmärkide toetamiseks vaja andmeid? Kuigi armatuurlauad töötavad jõudlusnõuete tõttu kõige paremini kõrgetasemeliste andmete puhul, ei kasuta koondandmed algpõhjuste analüüsi, kuna üksikuid tehinguid ei ole võimalik tuvastada. See tähendab, et iga organisatsiooni vajadustele kõige paremini vastav arhitektuur tuleb valida ja kavandada tahtlikult. Andmete värskendamise sageduse määramisel tuleb olla ettevaatlik. KRI-d on tavaliselt reaalajas või neid värskendatakse iga päev, samas kui KPI-sid saab värskendada aeglasema sagedusega. Kiirem sagedus ei ole sageli parem, kui see on tasakaalus infrastruktuuri kulude ja jõudluskaalutlustega.

• Andmete terviklikkus. Kellele kuulub konkreetne andmeallikas ja kus need andmed asuvad organisatsiooni andmeinfrastruktuuris?  Strateegiline otsustusprotsess väheneb, kui organisatsioon ei saa tagada tarbijatele, et neil on juurdepääs õigetele andmetele, mis pärinevad õigetest allikatest. Antimustrid võivad tekkida siis, kui organisatsioon loob orgaaniliselt ainulaadseid andmeid ja analüüsivõimalusi ärivaldkondade lõikes, millest igaühel on ainulaadsed meetodid andmete hankimiseks ja salvestamiseks. Selge omandiõigus ja vastutus andmete eest koos tsentraalselt määratletud rollide ja kohustustega on olulised edutegurid. 

• Andmete turvalisus. Mida saab organisatsioon teha, et andmekaitse- ja turvareeglid oleksid paigas ja nendest laialdaselt järgitaks? Andmete haldamise mudeli loomine, mis tagab, et tundlikule äriteabele on juurdepääsetav ainult inimestele, kellel on tegevusvajadust, võib mõnikord olla kahjulik, tekitades tarbetuid tõkkeid. Edukad ümberkujundamise organisatsioonid tunnistavad seda väljakutset ja tsentraliseerivad paljud andmete kogumise, segamise ja visualiseerimise funktsioonid. See on oluline, eriti kui käsitlete tehingutaseme andmeid, mis annavad ülevaate kliendi finantstegevusest ja isikut tuvastavast teabest.

 4. Ärianalüüsi kultuur. See on andmeteaduse kasutajale suunatud element ja pälvib tavaliselt kõige rohkem tähelepanu. Kultuuri edendamine, kus kasutajad kasutavad aktiivselt varem kättesaamatut teavet, avab võimaluste maailma analüüsida ja parandada organisatsiooni tulemuslikkust. Kahjuks ei kasutata enamikku selliseid tööriistu mitte nii nagu ette nähtud, vaid pigem tagantjärele probleemide analüüsimiseks. Organisatsioonid peavad tingimata kasutama analüütikatööriistu kui proaktiivseid jõudlusjuhtimise tööriistu, mida saab kasutada suundumuste ennetamiseks.

Võti on tuvastada erinevad kasutusjuhtumid ja luua erinevate kasutajabaaside jaoks mitu analüütikakihti. Tavaliselt vajavad keskastme juhid rohkem üksikasju väiksema funktsioonide laiuse kohta, samas kui tippjuhtkond vajab kogu ettevõtte kõrgemat mõõdikut. Andmete, KPI-de, visualiseerimise ja organisatsioonilise disaini joondamine loob andmepõhise otsustusprotsessi ja paindlikkuse kultuuri.

Kokkuvõtteks võib öelda, et kui need võimalused on kogu organisatsioonis saadaval, tasuvad need ära mitmel viisil. Juhtmeeskonnad saavad oma ettevõttes täpselt kindlaks määrata valdkonnad, mis sobivad kõige paremini ümberkujundamiseks või vajavad kõige enam ümberkujundamist. Ümberkujundamise meeskonnad saavad jälgida oma jõupingutuste tulemusi peaaegu reaalajas. Ja spektri kaks otsa saab sujuvalt ühendada hästi läbimõeldud OKR-raamistikuga. 

Lõppkokkuvõttes eristab paljusid edukamaid ümberkujundamisorganisatsioone järkjärguline lähenemine jälgimisele ja mõõtmisele, mis võimaldab krapsaka, andmepõhise ärimudeli. Nad kasutavad oma andmeid ja paindlikkuse kultuuri, et teha parimaid otsuseid selle kohta, mis tänapäeva ülikonkurentsivõimelises ja kiiresti muutuvas ärikeskkonnas ees ootab.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Autod/elektrisõidukid, Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• BlockOffsets. Keskkonnakompensatsiooni omandi ajakohastamine. Juurdepääs siia.
• Allikas: https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs