6 مرحله مدل بلوغ تجزیه و تحلیل

مرحله اول مدل بلوغ تحلیلی، بنیادی است. این مرحله نقطه ورود به سفر تجزیه و تحلیل داده است. شرکت‌هایی که فقط در این مرحله هستند در حال انتقال به اولویت‌بندی و درک اینکه چه داده‌هایی دارند و در کجا قرار دارند، هستند. سازمان‌ها شروع به پرسیدن سؤالاتی می‌کنند مانند «به چه اطلاعاتی نیاز دارم تا تصمیمات تجاری بهتری بگیرم؟» و «چگونه می‌توانم آن اطلاعات را به دست بیاورم؟». اینها پایه نه تنها این مرحله بلکه کل مدل بلوغ تحلیلی هستند. شرکت ها باید بر اجرای یک چارچوب مدیریت داده و حاکمیت داده برای ذخیره، مدیریت و اطمینان از یکپارچگی داده های خود تمرکز کنند و در عین حال بر آمادگی فرهنگی در سازمان نیز تمرکز کنند.

مرحله دوم مدل بلوغ تحلیلی، توصیفی است. داده ها و گزارش ها در این مرحله به سوال «چه اتفاقی افتاده؟» پاسخ می دهند. برخی از سؤالات نمونه می تواند این باشد، “چند مظنه ایجاد کردیم؟”، “چند از آن قیمت ها به فروش تبدیل شدند؟”، “چه مقدار درآمد از این فروش حاصل شد؟” به عنوان چند. همه این سؤالات عقب مانده هستند و بر آنچه که داده های تاریخی نشان می دهد قبلاً رخ داده است تمرکز می کنند. شرکت‌ها به این اطلاعات، همراه با داده‌های معیار برای تصمیم‌گیری تجاری در مورد چگونگی اصلاح مسیر یا ادامه مسیر در جهت مثبت، تکیه می‌کنند.

مرحله سوم مدل تشخیصی است. این مرحله به سوال “چرا این اتفاق افتاد؟” پاسخ می دهد. برخی از نمونه‌های این مرحله می‌تواند این باشد: «در مقایسه با این زمان در سال گذشته چند پیشنهاد ایجاد کردیم؟»، «چگونه قیمت‌ها را به فروش بر اساس منطقه تبدیل کردیم؟»، «کدام مناطق نرخ تبدیل بهتر یا بدتری داشتند؟»، و « قیمت‌های ما امسال نسبت به سال گذشته چقدر تغییر کرده است؟» برای درک بهتر دلیل اتفاق افتادن یک اتفاق.

این سؤالات تشخیصی بر اساس سؤالات تشریحی شکل می گیرند. آن‌ها یک سطح عمیق‌تر می‌روند و بر نتیجه تمرکز نمی‌کنند، بلکه در عوض بر درک این موضوع تمرکز می‌کنند که آیا آن نتیجه باید انتظار می‌رفت، یا اگر نه، چرا که نه. این مرحله به دنبال عواملی می‌گردد که می‌توانند دلیل وقوع یک نتیجه خاص را توضیح دهند.

مرحله چهارم مدل پیش بینی است. سوالات در این مرحله فعال هستند. آنها بر آنچه که احتمال دارد در آینده اتفاق بیفتد تمرکز می کنند. بر اساس اطلاعاتی که شرکت‌ها در مراحل دو و سه جمع‌آوری می‌کنند، در اینجا چند نمونه سؤال وجود دارد که می‌توانند شروع به ظهور کنند: «نرخ تبدیل مورد انتظار ما در ماه آینده به تفکیک منطقه چقدر است؟» و «آیا ما احتمالاً بودجه درآمدی خود را برآورده می کنیم؟ امسال بر اساس عملکرد اولیه؟ در میان بسیاری از سوالات احتمالی دیگر

در این مرحله، مدل بلوغ تحلیلی به یک چشم‌انداز آینده‌نگر تبدیل می‌شود و از یک رویکرد واکنش‌گرا به یک ذهنیت تجاری فعال و پیش‌بینی‌کننده حرکت می‌کند. این طرز فکر به ذینفعان این امکان را می دهد تا بر اساس داده هایی که در اختیار دارند، ایده ای در مورد اینکه کسب و کار به کجا می رود داشته باشند.

مرحله پنجم الگوی تجویزی است. این مرحله با تکیه بر پرسش‌های پیش‌بینی‌کننده، بر روی تصمیم‌گیری برای تأثیرگذاری بر آینده تمرکز می‌کند – چگونه می‌توانیم کاری کنیم که اتفاق بیفتد؟ هدف این است که بهترین راه را برای یک موقعیت خاص پیدا کنید. نمونه سوالات در این مرحله می تواند این باشد که “داشتن نمایندگان فروش بیشتر چگونه بر نرخ تبدیل ما تاثیر می گذارد؟” و «تعدیل قیمت‌های ما چگونه بر درآمد مورد انتظار ماه آینده تأثیر می‌گذارد؟».

حرکت به این مرحله در مدل به رهبران کسب‌وکار کمک می‌کند تا با بهره‌گیری از تحلیل‌های بنیادی، شبیه‌سازی‌ها یا حتی هوش مصنوعی برای حمایت از تصمیم‌گیری و دیدگاه، تغییراتی را که برای حرکت کسب‌وکار در مسیر درست باید ایجاد شود، در نظر بگیرند. به عنوان یک مثال، در پلتفرم Domo و با استفاده از متغیرهای Domo، شرکت‌ها می‌توانند از تحلیل پیش‌بینی‌کننده به تجزیه و تحلیل تجویزی حرکت کنند. تجزیه و تحلیل سبک مبتنی بر متغیر، چه می‌شود، می‌تواند به درک ذینفعان از جایی که شرکت باید انجام دهد، به جای اینکه چه کاری می‌توانند انجام دهند تا بر آینده تأثیر بگذارند و تصمیمات مطمئن‌تری بگیرند، راهنمایی کند.

مراحل مدل بلوغ تحلیلی باید بر روی یکدیگر ساخته شوند، نه اینکه جایگزین یکدیگر شوند. بسیار مهم است که پایه خوبی از تجزیه و تحلیل توصیفی و تشخیصی داشته باشیم تا بتوانیم بفهمیم چه اتفاقی افتاده و چرا. این محتوا سپس مبنای پاسخگویی به سؤالات پیشگویی و تجویزی و غیره است.

بسیاری از شرکت‌ها به اشتباه تصور می‌کنند که به تیم‌های قوی علم داده و ابتکارات هوش مصنوعی نیاز دارند تا به سوالات پیش‌بینی‌کننده و تجویزی بپردازند. اگرچه علم داده اغلب می تواند بینش بیشتری ارائه دهد، اما در همه موارد برای پاسخ به این دسته از سؤالات لازم نیست. به عنوان یک مثال ساده از این، تحلیل رگرسیون تک متغیری به طور پیش‌فرض در نمودارهای میله‌ای و خطی Domo موجود است و می‌تواند به پیش‌بینی فوری معیارها در دوره‌های آینده بر اساس داده‌های تاریخی کمک کند. علاوه بر این، استفاده از قابلیت متغیرهای Domo، قابلیت‌های تحلیلی مورد نیاز «What If» را فعال می‌کند. این به شما امکان می‌دهد تا داده‌های تاریخی و فعلی را تجزیه و تحلیل کنید تا ببینید اگر X را تنظیم کنیم چه اتفاقی می‌افتد یا چه اتفاقی می‌افتد.

همانطور که شرکت ها به دنبال رشد از مرحله پایه تا مرحله شناختی هستند، همه آنها به نوعی از تجزیه و تحلیل پیشرفته، استراتژی داده و قابلیت های علم داده، تیم یا شریک نیاز دارند. همانطور که سازمان ها به مراحل پیشرفته تر مدل بلوغ پیشرفت می کنند، بیشتر و بیشتر شروع به استفاده از الگوریتم ها و تکنیک هایی می کنند که می تواند بینش را از مجموعه داده های بزرگ ایجاد کند تا تصمیمات تجاری بسیار بهتری بگیرد، مشکلات را سریعتر حل کند و بینش های پنهان را به طور منحصر به فرد باز کند.