変革を成功させる組織の DNA (パート 5)

Anecdata を実際の洞察に置き換える

アイルランドの数学者、物理学者、技術者ケルビン卿は、数多くの科学的発明と次のような印象的な知恵の言葉を私たちに残しました。 測定されないものは改善できません。 改善されないものは常に劣化します。」

これまでの XNUMX 回の連載では、成功する変革は、線形の XNUMX 回限りの変化ではなく、漸進的で測定可能な価値を提供し、状況の変化に合わせて軌道修正するのに十分な機敏性を備えた循環的な取り組みとして捉える必要があると主張しました。 最終回では、データ、レポート、経験的意思決定に対する構造化された意図的なアプローチを使用して、組織の現実を戦略的責務と整合させ、変革アジェンダを推進する方法を検討します。

多くの金融機関は、戦略計画と目標設定のインフラストラクチャ、予算、投資計画プロセス、および機敏な提供フレームワークを正式に策定しています。 しかし、これらのプロセスではまだ不十分な点があり、それらを結び付ける共通の柱が欠けている可能性があります。

この柱は、ハードデータを使用して、タイムラグを最小限に抑えて組織の健全性を測定します。 組織の戦略にとってデータの重要性は広く理解されていますが、意思決定のための情報を収集するには通常次の XNUMX つの方法があります。

• 逸話。 組織は多くの場合、クライアントや社内の利害関係者によって生じるプレッシャーによって動かされます。 顧客サービスは立派な目標ですが、誰に最初にサービスを提供するかについてのアプローチが組織化されていない、または断片化していると、混乱が生じることがよくあります。 こうした組織は、結局、最も困っている人ではなく、室内で最も大きな声を優先することになります。 目標が明確に定義されておらず、ROI も十分に理解されていない状態で取り組みが行われています。 完了すると、ビジネスの成果やパフォーマンス データの客観的な評価ではなく、マイルストーンやプロジェクト管理料金所の正常な実行に基づいて勝利が主張されます。

• アドホックデータ。 金融サービスでは、マネージャーが最新の問題や最新のトピックについて議論するプレゼンテーションを手早くまとめるように求められるのが一般的です。 しかし、この先には潜在的な問題が潜んでいます。 これらのプレゼンテーションは、性急に収集された「特定時点の」データに依存することにより、不完全なデータや文脈を逸脱したデータが意思決定や戦略計画に与える悪影響を認識できません。 このタイプのデータは通常、次の XNUMX つの形式のいずれかで提供されます。

1. 特定のシステム、製品、またはユーザー ジャーニーの現在の状態を示すためにアプリケーション チームによって提供される実稼働データの抽出。 このタイプのデータには、データを考慮すべきビジネス コンテキストの欠如、問題のデータ セットのサイズとサンプリング特性、ソース データの難読化、遅延など、独自のリスクとギャップが伴います。 これらは、正しいデータセットを特定して収集する際に、重大な混乱や混乱を引き起こします。
2. 実稼働サポート チームからソースされたインシデントまたは問題のデータ。特定の運用基準を満たすイベントの履歴スナップショットを表します。 この情報は、生存バイアスや確証バイアスによる粉飾のリスクだけでなく、完全性の欠如に悩まされることがよくあります。 記録は、生産上の課題を解決するためにどこに時間とリソースが投資されたかを示していますが、根本原因が曖昧になっていることがよくあります。

これらのアプローチは両方とも、リソースの非効率的な使用につながり、より堅牢な監視および測定アプローチをショートさせます。 さらに懸念されるのは、必要な人間の介入のレベルが、主要なデータ ポイントの定義の違い、またはデータが提供する核心的なメッセージに対する不快感のいずれかにより、データの歪みを引き起こす可能性があることです。

どちらの場合も、データから意味のある情報を導き出すのに必要な作業量と、データの誤った解釈に伴うリスクを考慮すると、イノベーションのリーダーを目指す金融機関にとってはあまり価値のない提案となります。 本質的に報酬重視のこのアプローチでは、組織はバックミラーだけを見て車を操縦する必要があります。

この構造化データの欠如の問題の解決に関してよくある誤解は、Tableau や Microsoft Power BI などの特定のツールに過度に依存していることです。 実際には、問題は単に分析ツールや視覚化ツールの欠如よりもはるかに深刻です。 これらは、戦略計画プロセスの非常に初期の段階から、納品を経て、通常の業務にまで及びます。

私たちの経験では、成功している組織は次の分野で高いレベルの習熟度を高め、信頼性の高い監視および測定機能を構築しています。

1. 何が重要かを測定する。 一般的な市場状況、顧客の期待、新興テクノロジー、競争の混乱、規制の変更により、金融機関の経営環境は絶えず変化しています。 意思決定を検証し、より適応的な事業計画を可能にするためには、将来を見据えた目標と主要業績評価指標を理解することが重要です。

これは、新しい取り組みを承認する前に、単純な XNUMX 年間の収益またはコスト削減の予測以上のものが必要であることを意味します。 これは、組織の戦略目標と、提供チームおよび運用チームの作業の間に上から下までのつながりを構築することを意味します。 この枠組みは金融機関の監視と測定能力の中核を確立するものであり、回避することはできません。   

 2. データエンジニアリングと分析。 ダッシュボードを構築する前に、すべてのデータ ソースを確実に特定し、関連するビジネス指標を導き出すためのデータポイントがカタログ化されていることを確認するための基礎を築く必要があります。 また、すべての関係者にとって、データが何に使用されるのか、データが必要な指標の推進にどのように役立つのかを理解することも非常に重要です。 たとえば、確認時間は予約時から取引を確認するのにかかる時間ですか、それとも取引が確認スタックに入ってからの時間ですか? この識別は、混乱を防ぎ、手戻りを減らすのに役立ちます。 このプロセスは、上記で確立されたフレームワークから段階的に構築され、組織の戦略目標を監視および実証するために必要な物理データ モデルとインフラストラクチャを表します。

3. データガバナンス。 すべてのデータ セットは組織のデータ ポリシーに準拠する必要があります。 これらはビジネス モデル、顧客層、製品セットによって大きく異なりますが、効果的なデータ ガバナンスの重要な原則は一貫しており、常に最前線のビジネス ニーズから始まります。 考慮すべき質問には次のようなものがあります。

• データの可用性。 ビジネスの測定と監視の目標をサポートするには、どのような粒度と頻度のデータが必要ですか? ダッシュボードはパフォーマンス要件により高レベルのデータで最適に機能しますが、集計されたデータは個々のトランザクションを識別できないため、根本原因の分析には役立ちません。 これは、各組織のニーズに最適なアーキテクチャを意図的に選択して設計する必要があることを意味します。 データを更新する頻度を定義するときは注意が必要です。 通常、KRI はリアルタイムまたは毎日更新されますが、KPI はより遅い頻度で更新される場合があります。 インフラストラクチャのコストやパフォーマンスの考慮事項とのバランスを考慮すると、周波数が速いほど必ずしも優れているとは限りません。

• データの整合性。 特定のデータ ソースを所有するのは誰ですか?そのデータは組織のデータ インフラストラクチャ内のどこに存在しますか?  組織が消費者に、適切なソースからの適切なデータにアクセスしていることを保証できない場合、戦略的意思決定は損なわれます。 アンチパターンは、組織が各事業部門にわたって独自のデータと分析機能を有機的に形成し、各部門がデータの入手と保存に独自の方法を使用している場合に形成される可能性があります。 データに対する明確な所有権と説明責任を、一元的に定義された役割と責任と組み合わせることが、重要な成功要因となります。 

• データセキュリティ。 データのプライバシーとセキュリティのルールを整備し、広く遵守するために組織は何ができるでしょうか? 機密性の高いビジネス情報に、業務上知る必要がある人だけがアクセスできるようにするデータ ガバナンス モデルを作成すると、不必要な障壁が構築されて逆効果になる場合があります。 変革を成功させている組織はこの課題を認識しており、データ収集、難読化、視覚化の多くの機能を一元化しています。 これは、特に顧客の財務活動や個人を特定できる情報に関する洞察を提供するトランザクションレベルのデータを扱う場合に重要です。

 4. ビジネスインテリジェンス文化。 これはデータ サイエンスのユーザー側の要素であり、通常は最も注目を集めます。 ユーザーが以前はアクセスできなかった情報を積極的に活用する文化を促進することで、組織のパフォーマンスを分析し向上させる可能性が広がります。 残念ながら、そのようなツールのほとんどは意図したとおりに使用されるのではなく、事後的に問題を分析するために使用されます。 傾向を事前に予測するために使用できるプロアクティブなパフォーマンス管理ツールとして、分析ツールの使用を推進することが組織にとって不可欠です。

重要なのは、さまざまなユースケースを特定し、さまざまなユーザーベースに合わせて複数の分析レイヤーを構築することです。 通常、中間レベルのマネージャーはより狭い範囲の機能にわたってより詳細な情報を必要としますが、上級管理者はビジネス全体にわたるより高いレベルの指標を必要とします。 データ、KPI、視覚化、組織設計を調整することで、データ主導の意思決定と俊敏性の文化が生まれます。

結論として、これらの機能が組織全体で利用可能になると、さまざまな方法で効果が得られます。 リーダーシップ チームは、ビジネス内で変革に最適な領域、または最も変革が必要な領域を正確に特定できます。 変革チームは、取り組みの成果をほぼリアルタイムで追跡できます。 そして、スペクトルの両端は、よく考えられた OKR フレームワークによってシームレスにリンクできます。 

結局のところ、監視と測定に対する進歩的なアプローチ、つまり機敏なデータ駆動型のビジネス モデルを実現することが、最も成功した変革組織の多くを際立たせるものなのです。 彼らは、データと俊敏性の文化を利用して、今日の超競争的で急速に変化するビジネス環境において今後何が起こるかについて最善の決定を下します。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 自動車/EV、 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• ブロックオフセット。 環境オフセット所有権の近代化。 こちらからアクセスしてください。
• 情報源： https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs