DNK uspešne preobrazbene organizacije (5. del)

DNK uspešne preobrazbene organizacije (5. del)

Časovni žig: 8. avgust 2023 11:24
The DNA of a Successful Transformation Organization (Part 5) PlatoBlockchain Data Intelligence. Vertical Search. Ai.

Zamenjava anecdata z resničnimi vpogledi

Irski matematik, fizik in inženir Lord Kelvin nam je zapustil številne znanstvene izume in te osupljive besede modrosti: »Kar ni definirano, ni mogoče izmeriti. Kar ni izmerjeno, se ne da izboljšati. Kar ni izboljšano, je vedno degradirano.”

V prejšnjih štirih delih smo dokazali, da uspešne preobrazbe ne smemo obravnavati kot linearno, enkratno spremembo, ampak kot ciklična prizadevanja, ki zagotavljajo inkrementalno in merljivo vrednost ter so dovolj okretna, da se prilagodijo spreminjajočim se razmeram. V zadnjem delu si ogledamo, kako je mogoče strukturiran in premišljen pristop k podatkom, poročanju in empiričnemu odločanju uporabiti za uskladitev organizacijske realnosti s strateškimi imperativi in ​​spodbujanje agende transformacije.

Številne finančne institucije so formalizirale strateško načrtovanje in infrastrukturo za postavljanje ciljev, proračun, postopke načrtovanja naložb in agilne okvire izvajanja. Vendar lahko še vedno trpijo zaradi neustreznosti v teh procesih in nimajo skupnega stebra, ki bi jih povezoval.

Ta steber meri zdravje organizacije z uporabo zanesljivih podatkov s čim manjšim zamikom. Kljub razširjenemu razumevanju pomena podatkov za strategijo organizacije obstajata dva načina, na katera se običajno zbirajo informacije za odločanje:

  • Anekdata. Organizacije pogosto vodijo pritiski, ki jih ustvarjajo stranke ali notranji deležniki. Medtem ko je storitev za stranke občudovanja vreden cilj, lahko neorganiziran ali razdrobljen pristop o tem, koga najprej servisirati, pogosto povzroči motnje. Te organizacije na koncu dajo prednost najglasnejšim glasovom v prostoru namesto najbolj potrebnim. Pobude se izvajajo z slabo definiranimi cilji in slabo razumljenimi ROI. Ko je končana, se zmaga uveljavlja na podlagi uspešne izvedbe mejnikov ali cestninskih postaj za upravljanje projektov, v nasprotju z objektivno oceno poslovnih rezultatov in podatkov o uspešnosti.
  • Ad-hoc podatki. V finančnih storitvah je običajno, da se od menedžerjev zahteva, da hitro sestavijo predstavitve, v katerih razpravljajo o najnovejši izdaji ali temi de jour. Toda pred nami so morebitne težave. Ker se zanašajo na naglo zbrane podatke v trenutku, te predstavitve ne prepoznajo škodljivih učinkov, ki jih lahko imajo nepopolni ali podatki izven konteksta na odločanje in strateško načrtovanje. Ta vrsta podatkov je običajno v eni od dveh oblik:
  1. Izvlečki proizvodnih podatkov, ki jih zagotovijo skupine aplikacij za prikaz trenutnega stanja določenega sistema, izdelka ali uporabniške poti. Ta vrsta podatkov je povezana s svojim naborom tveganj in vrzeli, vključno s pomanjkanjem poslovnega konteksta, v katerem bi bilo treba podatke obravnavati, velikostjo in značilnostmi vzorčenja zadevnega niza podatkov, zameglitvijo izvornih podatkov in zakasnitvijo. To vodi do znatne zmede in motenj, medtem ko je pravilen nabor podatkov identificiran in zbran.
  2. Podatki o incidentih ali težavah, ki izvirajo iz skupin za podporo proizvodnji in predstavljajo zgodovinski posnetek dogodkov, ki izpolnjujejo določena operativna merila. Te informacije pogosto pesti pomanjkanje popolnosti, pa tudi tveganje za olepševanje zaradi pristranskosti glede preživetja in potrditve. Zapisi kažejo, kje so bili vloženi čas in viri za reševanje proizvodnih izzivov, vendar pogosto zakrijejo glavni vzrok.

Oba pristopa vodita do neučinkovite uporabe virov za kratek stik pri robustnejšem pristopu spremljanja in merjenja. Še bolj zaskrbljujoče je, da stopnja potrebnega človeškega posredovanja povzroči izkrivljanje podatkov, bodisi zaradi razlike v definiciji ključnih podatkovnih točk bodisi zaradi nelagodja glede osrednjega sporočila, ki ga zagotavljajo podatki.

V obeh primerih je količina dela, ki je potrebna za pridobitev pomembnih informacij iz podatkov, in tveganja, povezana z napačno interpretacijo, razlog, da je predlog brez velike vrednosti za finančne institucije, ki želijo biti vodilne na področju inovacij. Ta pristop, ki je sam po sebi usmerjen v nagrado, prisili organizacijo, da krmili avto tako, da gleda samo v vzvratno ogledalo.

Pogosta napačna predstava o reševanju te težave s pomanjkanjem strukturiranih podatkov je preveliko zanašanje na posebna orodja, kot sta Tableau ali Microsoft Power BI. V resnici so težave veliko globlje kot preprosto pomanjkanje orodij za analitiko ali vizualizacijo; segajo od zelo zgodnjih faz procesa strateškega načrtovanja, preko dostave do običajne dejavnosti.

Po naših izkušnjah uspešne organizacije razvijejo visoko stopnjo strokovnosti na naslednjih področjih za izgradnjo zanesljivih zmogljivosti spremljanja in merjenja:

1. Merjenje pomembnega. Prevladujoči tržni pogoji, pričakovanja strank, nastajajoče tehnologije, motnje konkurence in regulativne spremembe ustvarjajo nenehno spreminjajoče se okolje delovanja finančnih institucij. Bistveno je razumeti v prihodnost usmerjene cilje in ključne kazalnike uspešnosti, da bi potrdili sprejemanje odločitev in omogočili bolj prilagodljivo poslovno načrtovanje.

To pomeni, da je pred odobritvijo nove pobude potrebna več kot le petletna napoved zmanjševanja prihodkov ali stroškov. Pomeni vzpostavitev povezave od vrha do dna med strateškimi cilji organizacije ter delom dostavnih in operativnih ekip. Ta okvir vzpostavlja samo jedro zmožnosti spremljanja in merjenja finančne institucije in ga ni mogoče zaobiti.   

 2. Podatkovni inženiring in analitika. Pred gradnjo nadzornih plošč je treba postaviti temelje za zagotovitev, da so identificirani vsi viri podatkov in da so podatkovne točke za izpeljavo ustreznih poslovnih meritev katalogizirane. Prav tako je zelo pomembno, da vse zainteresirane strani razumejo, za kaj bodo podatki uporabljeni in kako pomagajo pri določanju meritev, ki jih potrebujejo. Na primer: ali je čas potrditve čas, ki je potreben za potrditev posla od trenutka rezervacije ali od trenutka, ko vstopi v potrditveni sklad? Ta identifikacija pomaga preprečiti zmedo in zmanjšati število ponovnih del. Ta proces postopoma nadgrajuje zgoraj vzpostavljen okvir in predstavlja fizične podatkovne modele in infrastrukturo, potrebne za spremljanje in utemeljitev strateškega cilja organizacije.

3. Upravljanje podatkov. Vsi nabori podatkov morajo biti skladni s politiko podatkov organizacije. Čeprav se ti zelo razlikujejo glede na poslovni model, stranke in nabore izdelkov, so ključna načela učinkovitega upravljanja podatkov dosledna in se vedno začnejo s poslovnimi potrebami v ospredju. Vprašanja, ki jih je treba upoštevati, vključujejo:

  • Razpoložljivost podatkov. Kakšna razdrobljenost in pogostost so potrebni podatki za podporo ciljev merjenja in spremljanja podjetja? Medtem ko nadzorne plošče najbolje delujejo na podatkih na visoki ravni zaradi zahtev glede zmogljivosti, združeni podatki niso primerni za analizo temeljnega vzroka, ker posameznih transakcij ni mogoče identificirati. To pomeni, da mora biti arhitektura, ki najbolje ustreza potrebam vsake organizacije, izbrana in načrtovana namerno. Pri določanju, kako pogosto naj se podatki osvežujejo, morate biti previdni. KRI so običajno v realnem času ali se posodabljajo dnevno, medtem ko je KPI mogoče osveževati s počasnejšo kadenco. Hitrejša frekvenca pogosto ni nujno boljša, če jo uravnotežimo s stroški infrastrukture in vidiki zmogljivosti.
  • Celovitost podatkov. Kdo je lastnik določenega vira podatkov in kje bodo ti podatki v podatkovni infrastrukturi organizacije?  Strateško odločanje je oslabljeno, če organizacija potrošnikom ne more zagotoviti, da dostopajo do pravih podatkov iz pravih virov. Anti-vzorci se lahko oblikujejo, ko organizacija organsko oblikuje edinstvene podatkovne in analitične zmogljivosti v različnih poslovnih linijah, od katerih ima vsaka edinstvene metode za pridobivanje in shranjevanje podatkov. Jasno lastništvo in odgovornost za podatke v kombinaciji s centralno opredeljenimi vlogami in odgovornostmi sta ključna dejavnika uspeha. 
  • Varnost podatkov. Kaj lahko organizacija stori, da zagotovi, da so pravila o zasebnosti in varnosti podatkov vzpostavljena in se jih na splošno upošteva? Ustvarjanje modela upravljanja podatkov, ki zagotavlja, da so občutljive poslovne informacije dostopne samo ljudem z operativno potrebo po seznanitvi, je lahko včasih kontraproduktivno in postavlja nepotrebne ovire. Uspešne transformacijske organizacije prepoznajo ta izziv in centralizirajo številne funkcije zbiranja podatkov, zamegljevanja in vizualizacije. To je ključnega pomena, zlasti pri obravnavanju podatkov na ravni transakcij, ki zagotavljajo vpogled v finančno dejavnost stranke in podatke, ki omogočajo osebno identifikacijo.

 4. Kultura poslovne inteligence. To je element podatkovne znanosti, s katerim se sooča uporabnik, in običajno pritegne največ pozornosti. Spodbujanje kulture, kjer uporabniki aktivno uporabljajo prej nedostopne informacije, odpira svet možnosti za analizo in izboljšanje organizacijske uspešnosti. Na žalost se večina takšnih orodij ne uporablja po predvidenem namenu, temveč naknadno za analizo težav. Nujno je, da organizacije spodbujajo uporabo analitičnih orodij kot orodij za proaktivno upravljanje uspešnosti, ki jih je mogoče uporabiti za vnaprejšnje predvidevanje trendov.

Ključno je prepoznati različne primere uporabe in zgraditi več plasti analitike za različne baze uporabnikov. Običajno menedžerji na srednji ravni potrebujejo več podrobnosti v manjšem obsegu funkcij, medtem ko višje vodstvo potrebuje meritve višje ravni v celotnem podjetju. Usklajevanje podatkov, KPI-jev, vizualizacije in organizacijske zasnove je tisto, kar ustvarja kulturo odločanja in agilnosti, ki temelji na podatkih.

Skratka, ko so te zmogljivosti na voljo v celotni organizaciji, se izplačajo na več načinov. Vodstvene ekipe lahko natančno določijo področja v svojem podjetju, ki so najprimernejša ali najbolj potrebujejo preobrazbo. Ekipe za preoblikovanje lahko rezultate svojih prizadevanj spremljajo skoraj v realnem času. In oba konca spektra je mogoče neopazno povezati z dobro premišljenim ogrodjem OKR. 

Navsezadnje je napreden pristop k spremljanju in merjenju – ki omogoča okreten, na podatkih voden poslovni model – tisto, kar ločuje mnoge najuspešnejše organizacije za preoblikovanje. Svoje podatke in kulturo agilnosti uporabljajo za sprejemanje najboljših odločitev o tem, kaj je pred nami v današnjem izjemno konkurenčnem in hitro spreminjajočem se poslovnem okolju.

Časovni žig:

Več od Fintextra