Wykorzystanie danych do podejmowania istotnych decyzji biznesowych poprawia wydajność przedsiębiorstwa. Dodatkowo, zwiększa sprzedaż, a także ułatwia wprowadzanie usprawnień w dziedzinie doświadczeń klienta. Dobrze wdrożony model podnosi też zaufanie do biznesowych decyzji.

Podejmowanie decyzji na podstawie danych (ang. data-driven decision-making, DDDM) zwykle odnosi się do rozstrzygania kwestii istotnych dla organizacji w oparciu o fakty, mierniki i zgromadzone informacje. Przeciwieństwem takiego podejścia jest bazowanie na hipotezach, domysłach, obserwacjach czy intuicji. Jednak samo gromadzenie danych nie wystarczy. Poprawność całego procesu zależy przede wszystkim od jakości danych, którymi dysponujemy, a także  —metody analizy lub sposobu interpretacji uzyskanych wyników.

Od czego zacząć?

Podejmowanie decyzji na podstawie danych warto rozpocząć od określenia celów biznesowych. Drugim krokiem powinno być wskazanie źródeł informacji — np. danych z wewnętrznych i zewnętrznych systemów, istniejących baz, z maszyn, urządzeń, produktów, ale również z sieci czy mediów społecznościowych. Kolejny etap to przygotowanie danych do analiz i budowa modelu analitycznego, który będzie wykorzystany do ich analizy. Uzyskane wyniki można zwizualizować i wykorzystać do tworzenia różnych scenariuszy i symulacji potencjalnych rozwiązań. 

Następne działania wiążą się z wykorzystaniem informacji „w produkcji” do podejmowania konkretnych decyzji. Dobrze jest zacząć od słabszych, a nawet mniej istotnych obszarów działalności, by powoli budować zaufanie pozostałych członków zespołu, innych działów, jak również zarządów do rozstrzygnięć wynikających z przeprowadzonej analizy. Oswajanie współpracowników z taką formą prowadzenia działalności operacyjnej, służy budowaniu kultury organizacji opartej na danych, niezbędnej do długofalowego powodzenia w tym zakresie. Konieczne jest również analizowanie konsekwencji podejmowanych decyzji i dostosowywanie działań do nowych sytuacji.

Na wszystkich etapach podejmujący decyzje powinni mieć wsparcie ze strony specjalistów data science. To oni poświęcają znaczną część czasu na przygotowanie i wyczyszczenie danych, dzięki czemu eliminuje się ryzyko błędnych decyzji, powstałych w oparciu o niekompletne informacje czy zbiory zawierające zbyt wiele obserwacji “odstających”, a więc podatnych na błędy poznawcze. Poza tym kooperacja z ekspertami pomaga m.in. ocenić przydatność danych pod kątem konkretnych celów.

Analiza danych w decyzjach biznesowych — co zmienia?

Analizowanie danych jest pomocne w precyzyjnym wykrywaniu problemów, może np. określić, który etap zakupów w sklepie internetowym powoduje najwięcej porzuconych koszyków. Z taką diagnozą dużo łatwiej zaproponować i wprowadzić optymalne rozwiązania. Regularne zbieranie i badanie opinii klientów, dostrzeganie trendów w ich zachowaniach czy rozpoznawanie źródeł niezadowolenia ze współpracy upraszcza podejmowanie decyzji obejmujących doświadczenia klienta (ang. Customer Experience, CX). Za tym idzie wzrost przychodów — według Gartnera 42 proc. menadżerów sprzedaży uważa, że zwrot z inwestycji w analitykę przewyższył ich oczekiwania.

Korzystanie z DDDM służy także optymalizowaniu procesów. Mając pełną informację o pracy zespołów i wydajności poszczególnych stanowisk, linii technologicznych czy działów, łatwiej określić, co warto poprawić, żeby podnieść poziom efektywności bez dodatkowych nakładów. Zgodnie z raportem firmy Deloitte, 58 proc. menadżerów korzystających z danych przy podejmowaniu decyzji jest zdania, że identyfikowanie procesów, które wymagają udoskonalenia, to najważniejszy obszar zastosowania analityki w firmie. Bazowanie na danych przy podejmowaniu decyzji eliminuje niepewność menadżera czy innej osoby, do której należą konkretne rozstrzygnięcia. Redukuje również wątpliwości przełożonych i współpracowników, szczególnie gdy dany kierunek wydaje się ryzykowny lub wymaga znaczących inwestycji.

Decyzje w czasie rzeczywistym

Kolejną zaletą zaawansowanej analityki jest możliwość prognozowania. Umiejętność określenia trendów i wzorców na podstawie zebranych informacji daje menadżerom szansę wczesnej reakcji na nieprzewidziane sytuacje. Pomaga również zmienić postawę przedsiębiorstwa z organizacji, która reaguje na zdarzenia przeszłe, w podejmującą działania z wyprzedzeniem. Tym samym przedsiębiorstwo zyskuje przewagi nad konkurencją.

Data-driven decision making pozwala łatwiej zidentyfikować pojawiające się na rynku okazje, choćby odnośnie zagospodarowania nowych nisz, wprowadzenia nowych produktów czy dostosowania procesów i usług do oczekiwań klientów. Szczególnie istotnego znaczenia nabiera podejmowanie decyzji w czasie rzeczywistym. Jeśli warunki prowadzenia działalności zmieniają się, warto mieć oparcie w narzędziach wspierających możliwie najkrótszy proces decyzyjny, przy wykorzystaniu najlepszego, a zatem kompleksowego, wiarygodnego i aktualnego zestawu danych.

Gotowe narzędzia wspierające proces DDDM

Podejmowanie decyzji na podstawie danych można przyśpieszyć z pomocą dostępnych narzędzi technologicznych. Jednym z nich jest SAS Viya — umożliwia łatwe znajdowanie zależności, wizualizowanie wyników analiz, a także przygotowywanie zaawansowanych raportów. Platforma wykorzystuje uczenie maszynowe do analityki predykcyjnej, przez co łatwiej weryfikować hipotezy i podejmować lepsze decyzje. 

Decydowanie na podstawie danych — przykłady 

Wykorzystywanie zaawansowanej analityki usprawnia podejmowanie decyzji we wszystkich działach firm: od finansowych przez marketingowe, po zajmujące się obsługą klienta czy bieżącymi operacjami przedsiębiorstw.

Analiza danych kluczowa w utrzymaniu klientów

Jeśli chodzi o działania marketingowe, warto przytoczyć historię Ulta Beauty, amerykańskiego sprzedawcy kosmetyków. Firma wykorzystuje narzędzia analityczne, szczególnie algorytmy sztucznej inteligencji, do przygotowywania spersonalizowanych kampanii marketingowych. Dzięki temu klienci uzyskali dostęp do rekomendacji bazujących na ich preferencjach, a Ulta Beauty sprzedaż, która w 95 proc. dotyczy powracających użytkowników.

Innym przykładem wykorzystania analizy danych do utrzymania klientów może być Vodafone Ukraine, które zmniejszyło o 30 proc. poziom rezygnacji z jej usług. Udało się to dzięki używaniu danych do segmentacji użytkowników i kierowaniu do nich specjalnie przygotowanych ofert. Liczba tych ostatnich wzrosła dzięki algorytmom AI ze 100 do 2000 miesięcznie. Było to możliwe z zachowaniem tej samej liczby pracowników, bo zespół zaczął działać znacznie bardziej efektywnie. Przychody Vodafone Ukraine zwiększyły się o 2 proc.

Dane pozwalają przewidzieć awarie i udoskonalać produkty

Producent pojazdów, Grupa Iveco, korzysta z danych generowanych przez czujniki w urządzeniach i z pomocą technologii internetu rzeczy oraz algorytmów AI zapewnia większą niezawodność floty samochodowej. Taki model umożliwia konserwację predykcyjną, czyli informowanie o nadchodzących awariach, zanim one nastąpią. W ten sposób klienci dostają zalecenia i są w stanie samodzielnie (lub z pomocą Iveco) rozwiązać problemy, nim dojdzie do przestoju części lub całości floty.

Wyzwania 

Głównym wyzwaniem dotyczącym wdrażania DDDM jest brak zrozumienia dla nowo wprowadzanych technik i procedur. Dlatego potrzebni są specjaliści, którzy wytłumaczą, jak wykorzystywać rozwiązania, ale też liderzy zmiany, czyli pracownicy pełniący role „ambasadorów”, którzy chętnie używają narzędzi do zaawansowanej analityki w podejmowaniu decyzji.

Silosy danych i zła jakość zbieranych informacji

Dość często w firmach, które  wprowadzają nowe metody zarządzania, pojawiają się bariery w postaci tzw. silosów danych. To obszary w organizacji, które są oddzielone od pozostałej części przedsiębiorstwa i zamiast korzystać z wszystkich dostępnych informacji, bazują jedynie na wewnętrznych zbiorach i procedurach. Takie działy opierają się też przed udostępnianiem zbieranych informacji innym zespołom.  Rozwiązaniem jest przygotowanie repozytorium kluczowych danych, a następnie budowanie katalogów z ustrukturyzowanymi i posortowanymi informacjami. Takie podejście pomoże zwiększyć jakość gromadzonych zbiorów. Trzeba jednak mieć świadomość, że to działanie długofalowe, więc na początku powinniśmy ustalić, które dane są najbardziej istotne, a następnie nadać im odpowiednie priorytety.

Opieraj się na aktualnych danych

Przy podejmowaniu decyzji (zwłaszcza w czasie rzeczywistym) trzeba odfiltrować nieistotne informacje. Dotyczy to w szczególności danych historycznych, pochodzących np. sprzed pandemii COVID-19, która sprawiła, że wcześniejsze analizy na temat klientów czy skuteczności działań marketingowych zdezaktualizowały się, przez co przestały być przydatne.

Korzystaj z narzędzi ułatwiających podejmowanie decyzji

Wyzwaniem dla menadżerów, któremu można zaradzić jeszcze na początku drogi z DDDM, jest konieczność skalowania rozwiązań z czasem, wraz z przyrostem danych do przetwarzania. Wyjściem może być wykorzystanie technologii chmurowych i rozwiązań Software as a Service. Różnorodność dostępnych technologii sprawia, że każdą inwestycję warto skonsultować pod kątem jej przydatności dla konkretnych potrzeb organizacji.