Lahko bi zapisal, da se vsak dober načrt začne s praznim listom papirja. A ta je za marsikoga tudi breme, saj od posameznika zahteva sposobnost, da na listu papirja nariše, kaj želi doseči ali ustvariti. Preskakovanje osnovnega koraka navadno vodi v težave (in stroške), a je v poslovni praksi kljub temu zelo pogosto. Zakaj?
Večkrat obiščem podjetja, ki so se implementacije rešitev za poslovno analitiko in inteligenco lotila po svoje ali pa, še huje, po nasvetu ponudnika rešitve, ki potrebe in delovanje podjetja slabo pozna oziroma jim sploh ni posvetil večje pozornosti. Moja naloga je nato slabo ali nedelujočo rešitev popraviti.
Težava je očitna. Temeljev ni ali pa so neustrezni, podjetja začenjajo bodisi na napačnem koncu bodisi »na sredini«. Implementirajo denimo orodje za vizualizacijo podatkov, pri čemer niti podatkov nimajo ustrezno zbranih in urejenih. A še tako vrhunsko orodje za poslovno inteligenco s svojimi neštetimi funkcionalnostmi ne zmore samo po sebi izkoristiti moč podatkov. Sploh pa ne bo rešilo izziva podjetja, če se to ne zaveda celotnega BI-procesa. Še vedno mora podjetje opredeliti svojo zahtevo.
Podjetje najprej potrebuje dober načrt zbiranja in obdelave podatkov, orodje opredeljene naloge le pohitri in avtomatizira.
Ujetniki lepih besed in uporabniških vmesnikov
Podjetja pogosto podležejo predstavitvam in lepim besedam prodajalcev orodij za poslovno inteligenco. V predstavitvenih demonstracijah delovanja seveda vse deluje »kot iz pravljice«, saj so vrhunsko optimizirane prav za to, da pustijo vtis. Tudi grafični vmesniki sodobnih orodij so iz generacije v generacijo lepši in bolj intuitivni. A tistega, kar prodajalci orodij ne povedo, se morajo podjetja naučiti sama – priprave podatkov. Še tako dobro orodje bo v primeru, ko je polnjeno s slabimi ali neustreznimi podatki, dajalo slabe rezultate. Tehnologije strojnega učenja, samopostrežništvo z orodji ter funkcijami in druge novosti brez ustreznih temeljev (beri: podatkov) preprosto ne morejo priti do izraza.
V kolikor želi podjetje izkoristiti moč podatkov, mora svoje podatke razumeti in na njih osnovi pripraviti ustrezne metrike, kazalnike, predvideti in razumeti poslovna vprašanja. Vizualizacija podatkov je namreč šele naslednji korak – najprej je treba podatke zbrati in jih analizirati. Upravljanje podatkov pa je ločena »kategorija«, je proces, ki je izven obsega del(ovanj)a orodij za poslovno inteligenco.
Če hočemo izkoristiti moč podatkov, jih moramo razumeti.
Poznati in znati opredeliti izziv
Podjetje se mora najprej vprašati, katere izzive želi rešiti. Tu za opredelitev le teh je uporaba lista papirja še kako primerna. Je dober začetek in temelj. Da podjetje prepozna in opredeli svojo »bolečino« in poišče načine, kako jo odpraviti.
V bistvu bi se morala podjetja v tej točki, torej pred nakupom orodja za poslovno inteligenco, odločiti za poslovno svetovanje, ki bi jim bilo v pomoč pri razumevanju poslovnih izzivov. Šele nato bi se lotila reševanja le-teh. Natančnejša kot bo opredelitev izziva, večja bo verjetnost njegove uspešne odprave – s katerimkoli orodjem.
Delajte s povezanimi podatki
Tehnični pristop nakupa orodja za BI in zalaganje z vsemi mogočimi podatki, ki jih podjetje premore, se v praksi še nikoli ni obnesel. Prav zato je upravljanje s podatki veda v malem. Podatke je treba pred analizo ustrezno zbrati/zajeti, prečistiti, urediti, povezati …
Kdor podatke zgolj »vrže« v BI-orodje, jih ni povezal, zgolj vizualiziral jih je. Uporabna vrednost takšnega početja je vprašljiva. Pred vnosom podatkov v BI-orodje je treba le-te tudi očisti, torej iz njih izločiti informacije, ki jih ne potrebujemo ali pa so napačne (npr. na en prihod delavca na delovno mesto ne moremo imeti treh odhodov).
Podjetja lahko danes podatke pridobijo od praktično kjerkoli – različnih poslovnih platform, registratorjev delovnega časa, kartotek zaposlenih, spletnih imenikov … Najpomembnejši je naslednji korak – povezovanje teh podatkov s poslom. To pa že zahteva več »izvenškatelnega« razmišljanja (ang. out-of-the-box thinking). Analiza podatkov nam nato v nadaljevanju pomaga poiskati korelacije med povezanimi podatki – denimo med načinom vožnje voznika in okvaro avtomobila, vozniškimi napakami v prvi in zadnji uri vožnje ipd.
Podatkov ne smete nikoli podcenjevati. So namreč temelj vašega poslovanja, čeprav se tega morebiti še ne zavedate. Doba podatkovno gnanih podjetij ni več daleč. Ste že vzeli v roke list papirja in naredili nov načrt kako izkoristiti moč podatkov?