ДНК організації успішної трансформації (частина 5)

ДНК організації успішної трансформації (частина 5)

Мітка часу: 8 серпня 2023 р., 11:24
ДНК організації успішної трансформації (частина 5) PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Заміна анекданих справжньою інформацією

Ірландський математик, фізик та інженер лорд Кельвін залишив нам численні наукові винаходи та ці вражаючі слова мудрості: «Те, що не визначено, неможливо виміряти. Те, що не виміряно, не можна покращити. Те, що не покращується, завжди погіршується».

У попередніх чотирьох частинах ми обґрунтували успішну трансформацію, яку слід розглядати не як лінійну, одноразову зміну, а як циклічні зусилля, які забезпечують приріст і вимірювану цінність і є достатньо гнучкими, щоб коригувати курс відповідно до мінливих умов. В останній частині ми розглянемо, як структурований і цілеспрямований підхід до даних, звітності та прийняття емпіричних рішень можна використати для узгодження організаційних реалій зі стратегічними імперативами та стимулювання програми трансформації.

Багато фінансових установ формалізували інфраструктуру стратегічного планування та цілепокладання, бюджет, процеси інвестиційного планування та гнучкі системи надання послуг. Але вони все ще можуть страждати від неадекватності в цих процесах і не мати спільного стовпа, який об’єднує їх.

Цей стовп вимірює здоров’я організації, використовуючи надійні дані з якомога меншою затримкою. Незважаючи на широко поширене розуміння важливості даних для стратегії організації, зазвичай існує два способи збору інформації для прийняття рішень:

  • Анекдата. Організаціями часто керує тиск з боку клієнтів або внутрішніх зацікавлених сторін. Хоча обслуговування клієнтів є чудовою метою, неорганізований або фрагментований підхід до того, кого обслуговувати в першу чергу, часто може призвести до збоїв. Ці організації зрештою віддають пріоритет найгучнішим голосам у кімнаті, а не тим, хто найбільше потребує. Ініціативи здійснюються з погано визначеними цілями та погано зрозумілою рентабельністю інвестицій. Після завершення перемога заявляється на основі успішного виконання основних етапів або платних воріт управління проектом, на відміну від об’єктивної оцінки бізнес-результатів і даних про продуктивність.
  • Спеціальні дані. У фінансових службах звично, коли менеджерів просять швидко зібрати разом презентації з обговоренням останньої проблеми чи теми. Але попереду можливі проблеми. Покладаючись на поспішно зібрані дані «на певний момент часу», ці презентації не визнають негативного впливу неповних або неконтекстних даних на прийняття рішень і стратегічне планування. Цей тип даних зазвичай надається в одній із двох форм:
  1. Витяги виробничих даних, надані командами додатків, щоб показати поточний стан конкретної системи, продукту або шляху користувача. Цей тип даних має власний набір ризиків і прогалин, включаючи відсутність бізнес-контексту, у якому слід розглядати дані, розмір і характеристики вибірки відповідного набору даних, обфускацію вихідних даних і затримку. Це призводить до значної плутанини та відволікання під час ідентифікації та збору правильного набору даних.
  2. Дані про інциденти чи проблеми, отримані від груп підтримки виробництва, представляють історичний знімок подій, які відповідають певним оперативним критеріям. Ця інформація часто страждає від недостатньої повноти, а також ризику прикрашання через упередження щодо виживання та підтвердження. Записи вказують на те, куди було витрачено час і ресурси для вирішення виробничих проблем, але часто приховують першопричину.

Обидва ці підходи призводять до неефективного використання ресурсів для короткого замикання більш надійного підходу до моніторингу та вимірювання. Ще більше занепокоєння полягає в тому, що необхідний рівень людського втручання може призвести до спотворення даних або через різницю у визначенні ключових точок даних, або через незручність основного повідомлення, яке надають дані.

В обох випадках обсяг роботи, необхідний для отримання значущої інформації з даних, і ризики, пов’язані з її неправильним тлумаченням, роблять цю пропозицію незначною для фінансових установ, які прагнуть стати лідерами інновацій. За своєю природою цей підхід змушує організацію керувати автомобілем, дивлячись лише в дзеркало заднього виду.

Поширеною помилкою щодо вирішення проблеми відсутності структурованих даних є надмірна залежність від конкретних інструментів, таких як Tableau або Microsoft Power BI. Насправді проблеми набагато глибші, ніж просто відсутність засобів аналітики чи візуалізації; вони поширюються з самих ранніх етапів процесу стратегічного планування, через реалізацію та до звичайної діяльності.

Згідно з нашим досвідом, успішні організації розвивають високий рівень кваліфікації в таких сферах, щоб створити надійні можливості моніторингу та вимірювання:

1. Вимірювання того, що має значення. Переважаючі ринкові умови, очікування клієнтів, новітні технології, порушення конкуренції та нормативні зміни створюють постійну зміну операційної ситуації для фінансових установ. Дуже важливо розуміти перспективні цілі та ключові показники ефективності, щоб допомогти підтвердити прийняття рішень і забезпечити більш адаптивне бізнес-планування.

Це означає, що перед схваленням нової ініціативи потрібно мати більше, ніж простий п’ятирічний прогноз доходів або скорочення витрат. Це означає створення зв’язку «зверху до низу» між стратегічними цілями організації та роботою команд доставки й операцій. Ця структура встановлює саму основу можливостей фінансової установи щодо моніторингу та вимірювання, і її неможливо обійти.   

 2. Інженерія даних та аналітика. Перш ніж створювати інформаційні панелі, необхідно закласти основу, щоб переконатися, що всі джерела даних визначені, а точки даних для отримання відповідних бізнес-метрик каталогізовані. Для всіх зацікавлених сторін також надзвичайно важливо розуміти, для чого використовуватимуться дані та як вони допомагають керувати потрібними показниками. Наприклад: час підтвердження – це час, який потрібен для підтвердження угоди з моменту бронювання чи з моменту, коли він потрапляє в стек підтвердження? Ця ідентифікація допомагає запобігти плутанині та зменшити кількість повторних робіт. Цей процес поступово будується на базі, встановленій вище, і представляє фізичні моделі даних та інфраструктуру, необхідні для моніторингу та обґрунтування стратегічної мети організації.

3. Управління даними. Усі набори даних мають відповідати політикам щодо даних організації. Хоча вони значно відрізняються залежно від бізнес-моделі, клієнтури та наборів продуктів, ключові принципи ефективного керування даними є послідовними, і вони завжди починаються з потреб бізнесу на передньому плані. Питання для розгляду включають:

  • Доступність даних. З якою деталізацією та частотою потрібні дані для підтримки цілей вимірювання та моніторингу бізнесу? Хоча інформаційні панелі найкраще працюють із високорівневими даними через вимоги до продуктивності, зведені дані не підходять для аналізу першопричини, оскільки окремі транзакції неможливо ідентифікувати. Це означає, що архітектура, яка найкраще відповідає потребам кожної організації, має бути обрана та розроблена навмисно. Потрібно бути обережним, визначаючи частоту оновлення даних. KRI зазвичай оновлюються в режимі реального часу або щодня, тоді як KPI можна оновлювати повільніше. Більш висока частота часто не обов’язково є кращою, якщо збалансувати витрати на інфраструктуру та міркування щодо продуктивності.
  • Цілісність даних. Кому належить певне джерело даних і де ці дані зберігатимуться в інфраструктурі даних організації?  Прийняття стратегічних рішень руйнується, коли організація не може запевнити споживачів, що вони отримують доступ до правильних даних, які надходять із правильних джерел. Антишаблони можуть сформуватися, коли організація органічно формує унікальні дані та аналітичні можливості в різних сферах діяльності, кожна з яких має унікальні методи отримання та зберігання даних. Чітке право власності та підзвітність щодо даних у поєднанні з централізовано визначеними ролями та обов’язками є критично важливими факторами успіху. 
  • Безпека даних. Що може зробити організація, щоб переконатися, що правила конфіденційності та безпеки даних діють і вони широко дотримуються? Створення моделі керування даними, яка гарантує, що конфіденційна бізнес-інформація доступна лише людям, які потребують оперативної інформації, іноді може бути контрпродуктивним, створюючи непотрібні бар’єри. Організації, які успішно здійснюють трансформацію, визнають цю проблему та централізують багато функцій збору даних, обфускації та візуалізації. Це важливо, особливо коли ви маєте справу з даними на рівні транзакцій, які дають уявлення про фінансову діяльність клієнта та особисту інформацію.

 4. Культура бізнес-аналітики. Це елемент науки про дані, спрямований на користувачів, і зазвичай він привертає найбільше уваги. Сприяння культурі, в якій користувачі активно використовують раніше недоступну інформацію, відкриває цілий світ можливостей для аналізу та підвищення ефективності організації. На жаль, більшість таких інструментів використовуються не за призначенням, а постфактум для аналізу проблем. Організаціям вкрай необхідно використовувати інструменти аналітики як проактивні інструменти управління продуктивністю, які можна використовувати для заздалегідь передбачення тенденцій.

Головне — визначити різні випадки використання та створити кілька рівнів аналітики для різних баз користувачів. Як правило, керівникам середньої ланки потрібно більше деталей для меншого кола функцій, тоді як вищому керівництву потрібні показники вищого рівня для всього бізнесу. Узгодження даних, ключових показників ефективності, візуалізації та організаційного дизайну створює культуру прийняття рішень на основі даних і гнучкості.

Підсумовуючи, щойно ці можливості стануть доступними для всієї організації, вони окупляться різними способами. Команди лідерів можуть точно визначити сфери свого бізнесу, які найкраще підходять або найбільше потребують трансформації. Команди трансформації можуть відстежувати результати своїх зусиль майже в реальному часі. І обидва кінці спектру можуть бути бездоганно пов’язані між собою добре продуманою структурою OKR. 

Зрештою, прогресивний підхід до моніторингу та вимірювання – створення спритної бізнес-моделі, що керується даними – це те, що відрізняє багато найуспішніших організацій, які здійснюють трансформацію. Вони використовують свої дані та культуру гнучкості, щоб приймати найкращі рішення щодо того, що чекає попереду в сучасному надзвичайно конкурентному та швидко мінливому бізнес-середовищі.

Часова мітка:

Більше від Фінтекстра