Mange organisationer, der tror, de er datadrevne, er stadig i første gear. Hvordan går du fra blot at indsamle en masse data til at opsætte en virksomhedsanalysefunktion, der faktisk fortæller dig, hvordan du justerer din model for at forbedre rentabiliteten?
Vi interviewede Travis Anderson, Toptals direktør for forretningsanalyse, for at få hans indsigt og forretningsanalysetips om at oprette en central funktion i en virksomhed, fjerne rapporteringsbias, vigtigheden af at bruge data og potentielle faldgruber. Som Toptals direktør for forretningsanalyse leder Anderson et team, der muliggør datadrevet beslutningstagning ved at forbinde forretningsstrategi med dataaktiviteter (dvs. dataanalyse, rapportering, diagnostiske analyser og datavidenskab).
Forretningsanalyse understøtter alle funktionelle områder af virksomheden, herunder salg, marketing, økonomi, produkt, drift og HR. Anderson kommer med mere end ti års erfaring med at opbygge og lede analyse- og ingeniørteams for at drive betydelig forretningsvækst, herunder hos Vivint Smart Home, Symantec, Brigham Young University og hos hans startup, Mapline. Han har BS- og MS-grader i maskinteknik og en MBA, alle fra Brigham Young University.
Forretningsanalyse giver ledere mulighed for at træffe bedre og mere informerede beslutninger og kan øge driftseffektiviteten ved at hjælpe ledere med at udnytte ressourcer mere effektivt og i sidste ende optimere bundlinjen, ifølge MicroStrategys 2020 Global State of Enterprise Analytics-rapport.
I Toptals tilfælde identificerede Anderson fire principper, der er centrale for at drive vores forretning og kundernes livstidsværdi:
Disse fire principper er også en måde for virksomheden at måle ROI i data og forretningsanalyse.
Ifølge Anderson var den første udfordring, han stod over for, da han kom til Toptal, transformationen af den interne tilgang til analyse. På det tidspunkt var de fleste af de interne funktionelle teams i gang med deres analyse. De fleste teams havde en dataanalytiker, og de lavede hver deres dataarbejde, som for det meste var koncentreret omkring rapportering, analyse og trendanalyse. Selvom der eksisterede en datakultur, og linjeledere brugte data i deres beslutningstagning, var opsætningen ineffektiv.
Hvert hold havde en forskellig tilgang, hvilket igen betød, at budskabet var rodet. Da hver gruppe havde en intern datafunktion, var der ingen sammenhæng i definitioner og KPI'er. Ledelsesdiskussioner fokuserede ofte på forsoning, hvilket kunne være en distraktion. Da definitionerne var forskellige, gik læringen fra dataene til tider tabt.
Det andet problem, der opstod fra decentraliseret dataindsamling og rapportering, var, at hvert team havde en bias i præsentationen af deres data. Hver funktion udvælgede data for at fremstille sig selv i det bedste lys. Denne praksis skabte en mangel på fokus og en potentiel mangel på kontrol.
Anderson gik i gang med en komplet revision af virksomhedens tilgang og forretningsanalyseramme. Prioriteten var at skabe en central funktion:et analytisk center of excellence, der eksisterer uden for forretningsområder og fungerer som et kontrolpunkt. En central funktion sikrer, at data indsamles og analyseres homogent, og at rapporteringsbias er elimineret.
Når centret er etableret, bliver det nødvendigt at sikre, at det er passende bemandet. Den første prioritetsorden er at identificere kvalifikationskløften. For at opbygge et team, der kan være effektivt og har indflydelse, har du brug for folk, der har solide tekniske færdigheder, stærke problemløsningsevner, men også forretningssans.
Ifølge Anderson er den primære merværdi ved at skabe en central data- og forretningsanalysefunktion at forbedre ydeevnen og reducere omkostningerne . Indtil en virksomhed måler præstationer konsekvent over tid, er det en udfordring for ledelsen at forbedre præstationen markant.
Det første trin er at etablere konsistensen af metrics og kvantificere et mål baseret på disse aftalte metrics. Dette har den væsentlige adfærdsmæssige effekt af at motivere personalet – som Anderson påpeger, hvordan får man folk motiveret, hvis der ikke er nogen mål? Desuden er enhver kvantitativ metrik bedre end ingen. Efter Andersons mening:"Hvis du kun begynder at måle én ting, kan du se en reel fordel - enten fordi du kan påvirke den, eller du kan se, at den ikke er relevant."
Andersons team understøtter alle forretningsfunktioner og afholder ugentlige og hver anden uge check-in med hver. Den første del af jobbet er at sikre indsamlingen af korrekte data. Denne samling tjener et adfærdsmæssigt mål for at motivere folk til at udføre deres arbejde og tildele en "score" til deres præstationer.
Når konsistente data af høj kvalitet er blevet indsamlet, opstår den største udfordring:at vurdere, hvad de rigtige KPI'er er for hver forretningsenhed. Vurderingen starter oppefra og ned. Business analytics-teamet kortlægger virksomhedens strategi i data, så de udvalgte business analytics-KPI'er er nyttige i forhold til at give indsigt og væsentlige på både top-down og forretningsniveau.
Nogle af de spørgsmål, der fører til etablering af de relevante KPI'er, er:
Det er altafgørende, at business analytics-teamet grundigt forstår virksomheden og dens strategi. Hos Toptal er der stærk opbakning i virksomheden til organisationens mission.
Dataene behandles og studeres ved hjælp af sund statistisk modellering og prognose. Det er dog vigtigt at bemærke, at resultatet af analysen ikke er en beslutning, men derimod kvantitative input, der hjælper med at træffe bedre valg. I sidste ende er alle forretningsbeslutninger virksomhedslederens ansvar. Der er et partnerskab mellem interessenterne og data- og forretningsanalyseteamet gennem en iterativ proces. Når først en beslutning er truffet, skal dataene understøtte den. Ikke kun, men der er en regelmæssig revurdering af KPI'erne for at sikre, at de altid er i overensstemmelse med virksomhedens strategiske prioriteter.
Processen er ikke altid smertefri. Til tider kan der være gnidninger mellem interessenter, da der er meget feedback i dataene. Ikke alle ledere er lige modtagelige for sådan feedback. Anderson ser sit ansvar som at give en fordøjelig anbefaling og uddanne lederne i, hvordan de skal fortolke den indsigt, der er udtrukket fra dataene.
Anderson kom ind på de potentielle negative resultater, som en virksomhed kan støde på, når der er dårlig intern disciplin i dataindsamling og analyse. I et tidligere engagement var han stødt på en virksomhed, der havde en stor forretningsenhed, der var ansvarlig for en væsentlig del af virksomhedens indtægter. Denne forretningsenhed havde flere salgsrepræsentanter, som tilsammen var ansvarlige for en omsætning på mere end $200 millioner. Dette team målte imidlertid sin omsætning anderledes end resten af virksomheden og rapporterede den i et separat system.
Under et ledelsesskifte indså en ny leder ikke, at dataene ikke var konsistente og fyrede alle teammedlemmer – de havde fået den forkerte indsigt fra dataene og mente, at teamet ikke præsterede. Beslutningen blev truffet på baggrund af fejlagtige og inkonsistente tal i ERP-systemet. Det endte med at blive en fejl på 50 millioner dollars. Denne anekdote illustrerer tydeligt, hvorfor master data management disciplin er afgørende, især for virksomheder, der gennemgår M&A integrationer .
Anderson er stødt på to typiske problemer i virksomheder, der begynder at udforske dataanalyse. Disse problemer falder i to ender af spektret. For det første tager virksomheder nogle gange store initiativer for at indsamle perfekte data, som i sidste ende ikke bliver brugt. Det andet problem er, når virksomheder ikke engang starter nogen analyse på grund af den dårlige kvalitet af deres data. Det kritiske råd Anderson giver her er, at selv når dataene ikke er pålidelige, giver måling af nogle få kritiske KPI'er nyttig indsigt. Hvis du gør det, vil virksomheden lære at gøre input mere pålidelige.
Selvom det er vigtigt at måle de rigtige KPI'er, er det værd at bemærke, at for mange data (eller irrelevante data) ikke nødvendigvis er bedre. Ufokuseret måling forvirrer beslutningstagning og kan være en distraktion. Det er mere effektivt at begynde med at måle nogle få, men afgørende datapunkter konsekvent og korrekt.
Andersons teams effektivitet måles i forhold til de fire ovenstående principper:kundeerhvervelse, footprint-udvidelse, kundefastholdelse og omkostningsoptimering. For hver af disse måles og kvantificeres effekten, hvilket giver et ROI for teamets arbejde. Hvis teamet har lavet en masse analyser, men ikke har inspireret til forandring, har dets arbejde været ineffektivt. I sidste ende betyder holdets succes at have en målbar indflydelse.
Andersons mange indsigter kan destilleres i nogle få forretningsanalysetips til en vellykket implementering af dataanalyse.
For det første er missionen for et sådant team at ændre ledernes mening gennem kvantitative foranstaltninger og at påvirke dem hver dag. Disse vil være små, trinvise ændringer, der får virkning gennem kontinuerlige iterationer og forbedringer.
For det andet giver business analytics-teamet ikke beslutninger, men information, der kan vejlede ledere. Virksomhedsledere er stadig altid ansvarlige for en virksomheds strategi.
For det tredje bør virkningen af forretningsanalysefunktionen være målbar og have et ROI.
Endelig er det bedre at starte med et begrænset sæt virksomhedsanalyse-KPI'er end slet ikke at måle data . Ikke kun, men processen skaber en kultur af data excellence i en organisation. Virksomheder, der gør dette ordentligt, vil altid overgå, selvom det i første omgang er teknisk vanskeligt, dyrt og kræver en kulturændring. Virksomheder, der fortsætter og med succes navigerer i processen, har tendens til at fastholde talent, præstere bedre og fremme en virksomhedskultur med ansvarlighed.