ה-DNA של ארגון טרנספורמציה מוצלח (חלק 5)

החלפת Anecdata ב-Real Insights

המתמטיקאי, הפיזיקאי והמהנדס האירי לורד קלווין הותיר אותנו עם המצאות מדעיות רבות ומילות החוכמה המדהימות הללו: "לא ניתן למדוד את מה שלא מוגדר. מה שלא נמדד, אי אפשר לשפר. מה שלא משתפר, תמיד מושפל".

בארבעת התשלומים הקודמים, עשינו טענה לכך שהטרנספורמציה המוצלחת תיראה לא כשינוי ליניארי וחד-פעמי אלא כמאמצים מחזוריים המספקים ערך מצטבר וניתן למדידה והם זריזים מספיק כדי לתקן את המסלול לתנאים משתנים. בפרק האחרון, אנו בוחנים כיצד ניתן להשתמש בגישה מובנית ומכוונת לנתונים, דיווח וקבלת החלטות אמפיריות כדי ליישר את המציאות הארגונית עם ציוויים אסטרטגיים ולהניע את סדר היום של השינוי.

מוסדות פיננסיים רבים קבעו תשתית לתכנון אסטרטגי והגדרת יעדים, תקציב, תהליכי תכנון השקעות ומסגרות אספקה ​​זריזות. אבל הם עדיין עלולים לסבול מחוסר התאמה בתהליכים הללו, וחסר להם נדבך משותף שמפגיש ביניהם.

עמוד זה מודד את בריאות הארגון באמצעות נתונים קשיחים עם זמן פיגור קטן ככל האפשר. למרות ההבנה הרווחת של חשיבות הנתונים לאסטרטגיה של ארגון, ישנן שתי דרכים שבהן מידע לקבלת החלטות נאסף בדרך כלל:

• אנקדטה. ארגונים מונעים לרוב על ידי לחצים הנוצרים על ידי לקוחות או מבעלי עניין פנימיים. בעוד ששירות לקוחות הוא מטרה ראויה להערצה, גישה לא מאורגנת או מקוטעת לגבי מי לתת שירות ראשון יכולה לעתים קרובות להוביל להפרעה. ארגונים אלה בסופו של דבר נותנים עדיפות לקולות החזקים ביותר בחדר במקום הנזקקים ביותר. יוזמות מבוצעות עם יעדים לא מוגדרים והחזר על השקעה לא מובן. לאחר השלמתו, תובע הניצחון על סמך ביצוע מוצלח של אבני דרך או שערי אגרה לניהול פרויקטים, בניגוד להערכה אובייקטיבית של תוצאות עסקיות ונתוני ביצועים.

• נתונים אד-הוק. זה נפוץ בשירותים פיננסיים שמנהלים מתבקשים לערוך במהירות מצגות הדנות בנושא האחרון או הנושא האחרון. אבל יש צרות פוטנציאליות לפנינו. על ידי הסתמכות על נתוני "נקודת זמן" שנאספו בחופזה, מצגות אלו אינן מצליחות לזהות את ההשפעות השליליות שיכולות להיות לנתונים לא שלמים או מחוץ להקשר על קבלת החלטות ותכנון אסטרטגי. סוג זה של נתונים מגיע בדרך כלל באחת משתי צורות:

1. תמציות נתוני ייצור שסופקו על ידי צוותי יישומים כדי להציג את המצב הנוכחי של מערכת, מוצר או מסע ספציפי של משתמש. סוג זה של נתונים מגיע עם מערך סיכונים ופערים משלו, כולל היעדר הקשר עסקי שבו יש להתייחס לנתונים, הגודל ומאפייני הדגימה של מערך הנתונים המדובר, ערפול נתוני מקור והשהייה. אלה מובילים לבלבול משמעותי והסחת דעת בזמן שמזהה ונאסף מערך הנתונים הנכון.
2. נתוני תקריות או בעיות שמקורם מצוותי תמיכה בייצור המייצגים תמונת מצב היסטורית של אירועים העומדים בקריטריונים תפעוליים מסוימים. מידע זה נגוע לעתים קרובות בחוסר שלמות, כמו גם בסיכון לקישוט באמצעות הטיות הישרדות ואישור. הרישומים מצביעים על המקום שבו הושקעו זמן ומשאבים כדי לפתור אתגרי הייצור, אך לעתים קרובות מסתירים את הסיבה השורשית.

שתי הגישות הללו מובילות לשימוש לא יעיל במשאבים לקצר גישת ניטור ומדידה חזקה יותר. מה שמדאיג יותר, רמת ההתערבות האנושית הנדרשת מתאימה את עצמה לעיוות של הנתונים, בין אם בשל הבדל בהגדרה של נקודות מידע מרכזיות או בשל אי נוחות עם המסר המרכזי שהנתונים מספקים.

בשני המקרים, כמות העבודה הדרושה כדי להפיק מידע משמעותי מהנתונים והסיכונים הכרוכים בפענוח שגוי שלהם הופכים אותו להצעה חסרת ערך רב עבור מוסדות פיננסיים המחפשים להיות מובילי חדשנות. גישה זו מטבעה מופנית לתגמול מאלצת את הארגון לנווט את המכונית על ידי הסתכלות רק במראה האחורית.

תפיסה שגויה נפוצה לגבי פתרון בעיית חוסר הנתונים המובנים היא הסתמכות רבה מדי על כלים ספציפיים כמו Tableau או Microsoft Power BI. במציאות, הבעיות חותכות הרבה יותר מחוסר ניתוח או כלי הדמיה; הם משתרעים מהשלבים המוקדמים מאוד של תהליך התכנון האסטרטגי, דרך המסירה ועד לפעילות העסקית כרגיל.

מניסיוננו, ארגונים מצליחים מפתחים רמות גבוהות של מיומנות בתחומים הבאים כדי לבנות יכולות ניטור ומדידה אמינות:

1. מדידת מה שחשוב. תנאי השוק השוררים, ציפיות הלקוחות, טכנולוגיות מתפתחות, הפרעות תחרותיות ושינויים רגולטוריים יוצרים נוף תפעולי שמשתנה ללא הרף עבור מוסדות פיננסיים. זה קריטי להבין את היעדים הצופים פני עתיד ואת מדדי הביצועים העיקריים כדי לעזור לאמת קבלת החלטות ולאפשר תכנון עסקי מותאם יותר.

משמעות הדבר היא לדרוש יותר מתחזית הכנסה פשוטה של ​​חמש שנים או קיצוץ בעלויות לפני אישור יוזמה חדשה. המשמעות היא יצירת קישוריות מלמעלה למטה בין היעדים האסטרטגיים של הארגון לעבודה של צוותי מסירה ותפעול. מסגרת זו מבססת את הליבה של יכולת הניטור והמדידה של מוסד פיננסי ואינה ניתנת לעקיפה.   

 2. הנדסת נתונים וניתוח. לפני בניית לוחות מחוונים, יש להניח את הבסיס כדי להבטיח שכל מקורות הנתונים מזוהים ושנקודות הנתונים להפקת מדדים עסקיים רלוונטיים מקוטלגים. חשוב מאוד גם לכל בעלי העניין להבין למה ישמשו הנתונים וכיצד הם עוזרים להניע את המדדים שהם צריכים. לדוגמא: האם זמן האישור הוא משך הזמן שלוקח לאשר עסקה מרגע ההזמנה, או מרגע שהוא נכנס לערימת האישורים? זיהוי זה מסייע במניעת בלבול ועבודה חוזרת מופחתת. תהליך זה נבנה בהדרגה מהמסגרת שנקבעה לעיל ומייצג את דגמי הנתונים הפיזיים והתשתית הנדרשים לניטור וביסוס היעד האסטרטגי של הארגון.

3. ממשל נתונים. כל מערכי הנתונים חייבים להתאים למדיניות הנתונים הארגוניים. בעוד אלה משתנים במידה רבה בהתאם למודל העסקי, לקהל הלקוחות ולמערכות המוצרים, עקרונות המפתח של ממשל נתונים אפקטיבי הם עקביים והם תמיד מתחילים עם הצורך העסקי בחזית. שאלות שיש לשקול כוללות:

• זמינות נתונים. באיזו פירוט ותדירות נדרשים נתונים כדי לתמוך ביעדי המדידה והניטור של העסק? בעוד שמרכזי המחוונים פועלים בצורה הטובה ביותר על נתונים ברמה גבוהה עקב דרישות ביצועים, נתונים מצטברים אינם מתאימים לניתוח סיבת שורש מכיוון שלא ניתן לזהות עסקאות בודדות. המשמעות היא שארכיטקטורה המתאימה ביותר לצרכים של כל ארגון חייבת להיבחר ולעצב בכוונה. יש לנקוט משנה זהירות בעת הגדרת התדירות של רענון הנתונים. KRIs הם בדרך כלל בזמן אמת או מתעדכנים מדי יום, בעוד ש-KPIs ניתן לרענן בקצב איטי יותר. תדירות מהירה יותר לרוב אינה בהכרח טובה יותר כאשר היא מאוזנת מול עלויות תשתית ושיקולי ביצועים.

• שלמות נתונים. מי הבעלים של מקור נתונים ספציפי והיכן הנתונים הללו יחיו בתוך תשתית הנתונים של הארגון?  קבלת החלטות אסטרטגית נשחקת כאשר ארגון אינו יכול להבטיח לצרכנים שהם ניגשים לנתונים הנכונים המגיעים מהמקורות הנכונים. אנטי-דפוסים יכולים להיווצר כאשר ארגון יוצר באופן אורגני נתונים ויכולות ניתוח ייחודיות על פני קווי עסקים, שלכל אחד מהם שיטות ייחודיות לאיסוף ואחסון נתונים. בעלות ברורה ואחריות על נתונים בשילוב עם תפקידים ואחריות מוגדרים מרכזיים הם גורמי הצלחה קריטיים. 

• אבטחת מידע. מה יכול ארגון לעשות כדי להבטיח שכללי פרטיות ואבטחה נתונים קיימים ויקיימים בהם באופן נרחב? יצירת מודל ניהול נתונים המבטיח שמידע עסקי רגיש יהיה נגיש רק לאנשים עם הצורך התפעולי לדעת, עשויה לפעמים להיות מנוגדת, ולהקים מחסומים מיותרים. ארגוני טרנספורמציה מוצלחים מכירים באתגר זה ומרכזים פונקציות רבות של איסוף נתונים, ערפול והדמיה. זה חשוב, במיוחד כאשר עוסקים בנתונים ברמת העסקה המספקים תובנות לגבי פעילות פיננסית של לקוחות ומידע אישי מזהה.

 4. תרבות בינה עסקית. זהו האלמנט הפונה למשתמש של מדעי הנתונים ובדרך כלל זוכה למרבית תשומת הלב. קידום תרבות שבה משתמשים משתמשים באופן פעיל במידע שלא היה נגיש בעבר פותח עולם של אפשרויות לנתח ולשפר את הביצועים הארגוניים. למרבה הצער, רוב הכלים הללו אינם משמשים כמתוכנן, אלא לאחר מעשה, לניתוח בעיות. זה הכרחי לארגונים לדחוף את השימוש בכלי ניתוח ככלי ניהול ביצועים פרואקטיביים שניתן להשתמש בהם כדי לצפות מגמות מראש.

המפתח הוא לזהות מקרי שימוש שונים ולבנות שכבות מרובות של ניתוח עבור בסיסי משתמשים שונים. בדרך כלל, מנהלים ברמה בינונית זקוקים ליותר פרטים על פני רוחב קטן יותר של פונקציות בעוד שההנהלה הבכירה זקוקה למדדים ברמה גבוהה יותר ברחבי העסק. יישור הנתונים, ה-KPIs, ההדמיה והעיצוב הארגוני הוא מה שיוצר תרבות של קבלת החלטות מונעות נתונים וזריזות.

לסיכום, ברגע שהיכולות הללו זמינות ברחבי הארגון, הן משתלמות בכמה דרכים. צוותי מנהיגות יכולים לאתר אזורים בעסק שלהם המתאימים ביותר או הזקוקים ביותר לשינוי. צוותי טרנספורמציה יכולים לעקוב אחר תוצאות המאמצים שלהם כמעט בזמן אמת. ושני קצוות הספקטרום יכולים להיות מקושרים בצורה חלקה על ידי מסגרת OKR מחושבת היטב. 

בסופו של דבר, גישה פרוגרסיבית לניטור ומדידה - המאפשרת מודל עסקי זריז, מונחה נתונים - היא המייחדת רבים מארגוני הטרנספורמציה המצליחים ביותר. הם משתמשים בנתונים שלהם ובתרבות של זריזות כדי לקבל את ההחלטות הטובות ביותר עבור מה שמצפה לנו בסביבה העסקית האולטרה-תחרותית והמשתנה במהירות.

• הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
• PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
• PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
• PlatoESG. רכב / רכבים חשמליים, פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
• BlockOffsets. מודרניזציה של בעלות על קיזוז סביבתי. גישה כאן.
• מקור: https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs