Uzņēmumu vadītāji sliecas neuzticēties datu analīzei kā lēmumu pieņemšanas instrumentam, jo trūkst ticības savām spējām izmērīt datu analīzes pievienoto vērtību un precizitāti, liecina starptautiskās biznesa konsultāciju kompānijas KPMG datu un analītikas pētījums Building trust in analytics.
Pētījums parāda, ka vairākums uzņēmumu izmanto datu un analītikas instrumentus, lai analizētu esošo klientu ieradumus (50%), identificētu jaunus klientus (48%), kā arī, lai izstrādātu jaunus produktus un pakalpojumus (47%). Tomēr vienlaikus uzņēmumu vadītāji nav pārliecināti par datu un analītikas procesu lietderību un pievienoto vērtību, jo viņu rīcībā nav instrumentu, kas ļautu izvērtēt izmantoto modeļu precizitāti.
«Datu analīze arvien vairāk virza lēmumus, kuri ietekmē mūs kā indivīdus, uzņēmumus un sabiedrību. Tādēļ ir svarīgi koncentrēties uz to, lai nodrošinātu visaugstāko uzticības līmeni datiem un to analīzei. Organizācijas, kas turpina investēt datu analīzē, bet kas nepievērš tikpat lielu uzmanību lietderībai un pievienotajai vērtībai no šīm investīcijām datu analīzē, kā arī modeļu precizitātei, var pieņemt uz neprecīziem modeļiem balstītus lēmumus, kas tikai palielinās neuzticēšanos datu analīzes rezultātiem,» norādā KPMG Baltics datu un analītikas pakalpojumu vadītājs Andris Aizpurietis.
Viņš uzsver, ka tas var radīt situāciju, ka uzņēmumiem būs arvien grūtāk konkurēt, ja tie nespēs efektīvi izmantot datus, un tie pakļaus sevi jauniem un pieaugošiem riskiem. 70% vadītāju jau tagad uzskata, ka datu analīzes sniegtās informācijas izmantošana pakļauj uzņēmumu reputāciju riskam.
Pētījums parāda, ka nedaudz mazāk nekā puse respondentu apgalvo, ka pietiekami uzticas atziņām, ko datu analīze sniedz risku un drošības jomā (43%), patērētāju vajadzību jomā (38%), un tikai viena trešdaļa uzticas ar biznesa operācijām saistītajām atziņām (34%).
Gandrīz puse respondentu atzīst, ka viņu augstākā līmeņa vadītāji tikai daļēji atbalsta organizācijas stratēģiju datu un analītikas jomā. Tik zems uzticības līmenis norāda uz to, ka trūkst ticības datu un analītikas sniegtajām atziņām. Tas varētu būt saistīts ar datu un analītikas sarežģītību.
«Caurspīdīgums attiecībā uz organizācijas datu analīzes procesu ir atslēga uz aizspriedumu laušanu par to, ka ierastā lēmumu pieņemšana ir drošāka. Mums ir jāizņem datu analīzes process no «melnās kastes», lai veicinātu lielāku izpratni par to un lai palīdzētu organizācijām noticēt datu analīzes lietderībai un pievienotajai vērtībai,» atzīst Aizpurietis.
Izvērtējot datu analīzes dzīvesciklu, redzams, ka uzticība ir augstāka pašā datu iegūšanas sākumposmā, bet pēc tam tā būtiski samazinās. 38% respondentu visvairāk uzticas datu ieguves procesam, kad tiek izlemts, kuri dati tiks izmantoti tālākai analīzei. 19% uzticas otrajam posmam – datu apkopošanai un sagatavošanai, bet 21% – trešajam posmam – analīzei un modelēšanai. Savukārt ceturtajā (rezultātu pielietošana) un piektajā (pievienotās vērtības izmērīšana) posmā uzticība strauji krītas – atbilstoši 11% un 10%.
Šis uzticības kritums norāda uz to, ka galvenie izaicinājumi ir saistīti ar datu analīzes rezultātu pielietošanu, norāda pētījuma pārstāvji.
Lai izvērtētu, kas ir galvenie uzticības trūkuma cēloņi, respondentiem pētījuma ietvaros bija jānovērtē savu organizāciju datu analīzes procesi četros aspektos: kvalitāte, efektivitāte, integritāte un elastīgums.
Kvalitāte – nodrošināt, lai datu ievade un tālākie datu apstrādes procesi atbilstu kvalitātes standartiem un kopējam kontekstam, kurā tos plānots izmantot.
Pētījuma pārstāvji norāda, ka datu iegūšana tika atzīta par visuzticamāko analītikas dzīvescikla posmu, tomēr tikai 10% sacīja, ka viņu organizācijas spēj kvalitatīvi pārvaldīt datu analīzi visās jomās.
Uzņēmumu vadībai ir svarīgi uzdot jautājumu – vai datu kvalitāte ir atbilstoša un vai tiek nodrošināts sistemātisks un standartizēts skats uz datiem, kas veicinātu vienu «patiesību» uzņēmumā.
Efektivitāte – risinājums darbojas, kā paredzēts un sniedz pievienoto vērtību.
Mazāk nekā piektdaļa respondentu (16%) novērtēja, ka modeļi ir precīzi. Pētījuma pārstāvji uzsver, ka uzņēmumu vadībai ir svarīgi uzdot sev jautājumu – vai no datu analītikas saņemtā informācija ir laicīga un uzticama, lai atbalstītu lēmumu pieņemšanu, vai modeļi un analīze strādā kā paredzēts, kā arī vai darbinieku prasmes un patērētais laiks informācijas sagatavošanā ir optimāls.
Godprātība – atbilstošs datu analīzes pielietojums, tostarp atbilstība normatīvajiem aktiem un ētikas jautājumiem saistībā ar datu izmantošanu.
Tikai 13% pētījuma dalībnieku atzina, ka datu analīzes jomā veiksmīgi pārvalda visus ar datu privātumu un ētiku saistītos jautājumus. Godprātības nodrošināšanai ir svarīgi pārliecināties, vai dati un analīze tiek pielietoti atbilstoši paredzētajam mērķim, komentē pārstāvji.
Elastīgums – datu analīzes rīku, procesu un metodiku ilgtermiņa optimizācija.
Tikai 18% respondentu atzīst, ka viņiem jau ir atbilstoši iekšējie procesi visās datu un analītikas pārvaldības jomās. Elastīguma nodrošināšanai ir svarīgi pārliecināties, vai biznesa iespējas tiek savlaicīgi identificētas un jaunu produktu vai pakalpojumu rezultātu mērīšana notiek savlaicīgi, kā arī vai regulārie procesi ir optimizēti.
Ref:224.000.103.392