डेटा वैज्ञानिक की भूमिका इस उभरती हुई महत्वपूर्ण भूमिका में अनुमानित कमी के साथ गर्म मांग में है, जो वर्षों से अपेक्षित महत्वपूर्ण भूमिका निभाती है।
संगठन प्रति वर्ष डेटा को कैप्चर, स्टोर और विश्लेषण करने के लिए सॉफ़्टवेयर इंस्टॉल करने में भाग्य खर्च कर रहे हैं। रचनात्मक भूमिकाओं के खर्च पर विपणन विभाग तेजी से तकनीकी, डेटा-समझदार पेशेवरों से भरे हुए हैं।
व्यवसाय की दुनिया एक डेटा केंद्रित दुनिया है, फिर भी यह पहचानना महत्वपूर्ण है कि डेटा स्वयं का अंत नहीं है। बाकी सब कुछ की तरह हम अपने काम में आकर्षित करते हैं, डेटा वादा से भरा एक उपकरण है। उचित दृष्टिकोण के साथ दाएं हाथों में, निर्णय लेने का समर्थन करने के लिए डेटा की संभावना उल्लेखनीय है।
हालांकि, झूठी धारणा में कमी न करें कि डेटा प्राप्त करना और विश्लेषण करना जोखिम के बिना है। चलो व्यापार के उद्धारकर्ता के रूप में डेटा के विचार के पॉलिश को थोड़ा सा रगड़ें और हम सभी के लिए इस नए संसाधन को प्रस्तुत करने वाले कुछ संभावित नुकसान की पहचान करने में मदद करें।
सचेत सबल होता है।
6 बड़ी चुनौतियां प्रबंधक और संगठन डेटा के साथ अंकित:
1. डेटा की गुणवत्ता अक्सर खराब होती है। जबकि हम भौतिक वस्तुओं या उत्पादों के संदर्भ में गुणवत्ता के बारे में सोचने के आदी हैं, लेकिन यह पता चलता है कि हर समय हर फर्म के लिए डेटा गुणवत्ता एक भौतिक मुद्दा है।
संरचित डेटाबेस या भंडारों में संग्रहीत डेटा अक्सर अपूर्ण, असंगत या पुराना होता है। ऐसा लगता है कि आप डेटा गुणवत्ता के मुद्दे के एक साधारण उदाहरण के प्राप्त होने पर हैं।
हम में से अधिकांश अपने वास्तविक नाम के थोड़ा अलग या मूल रूप से विभिन्न संस्करणों को संबोधित विपणक से डुप्लिकेट मेलिंग प्राप्त करना याद कर सकते हैं।
मार्केटर के डेटाबेस में हमारे पते और अलग-अलग, अक्सर ग़लत वर्तनी या हमारे नाम की विविधता के साथ डुप्लिकेट रिकॉर्ड होते हैं। हम डुप्लिकेट मेल को जंक के रूप में रीसायकल करते हैं, और मार्केटेटर एक साधारण डेटा गुणवत्ता के मुद्दे के कारण प्रिंटिंग और मेलिंग के रूप में अतिरिक्त लागत लेता है। इस गलती को कई सैकड़ों या हजारों रिकॉर्डों से बढ़ाएं और यह छोटी डेटा गुणवत्ता त्रुटि महंगा हो जाती है।
डेटा गुणवत्ता का मुद्दा महत्व में बढ़ता है क्योंकि हम निकट भविष्य में रणनीतियों, बाजारों और विपणन पर निर्णय लेने का प्रयास करते हैं। जबकि संरचित (स्वरूपित) डेटा की गुणवत्ता की निगरानी और सुधार करने में सहायता के लिए सॉफ़्टवेयर और समाधान मौजूद हैं, वास्तविक समाधान एक मूल्यवान संपत्ति के रूप में डेटा का इलाज करने के लिए एक महत्वपूर्ण, संगठन-व्यापी प्रतिबद्धता है। अभ्यास में, यह हासिल करना मुश्किल है और असाधारण अनुशासन और नेतृत्व समर्थन की आवश्यकता है।
2. हम डेटा में व्यावहारिक रूप से डूब रहे हैं। एक संगठन में डेटा हर जगह है। ग्राहक डेटा पर विचार करें। अधिकांश संगठन ग्राहकों और संभावनाओं के बारे में जानकारी कैप्चर करने में कुशल बन गए हैं।
- विपणन उन लोगों से डेटा एकत्र करता है जो लाइव या वेब ईवेंट में भाग लेते हैं या सामग्री डाउनलोड करते हैं।
- अधिकारी नई रणनीतियों का समर्थन या परिभाषित करने के लिए डेटा का उपयोग करते हैं।
- बिक्री बिक्री प्रक्रिया में शामिल ग्राहकों के बारे में डेटा एकत्र करती है।
- ग्राहक सहायता कॉल और चैट इंटरैक्शन के बारे में जानकारी कैप्चर करती है।
- प्रबंधन दल स्कोरकार्ड के लिए डेटा और कुंजी मीट्रिक पर आकर्षित करते हैं ।
- ग्राहक संतुष्टि की निगरानी के लिए ग्राहक उद्देश्यों का उपयोग बिलिंग उद्देश्यों के लिए और गुणवत्ता और ग्राहक अंतर्दृष्टि टीमों के लिए किया जाता है।
हम विभिन्न प्रकार के विभिन्न सॉफ्टवेयर सिस्टम में ग्राहक की जानकारी प्राप्त करते हैं, और हम डेटा को विभिन्न डेटा भंडारों में संग्रहीत करते हैं। एक ग्लोबल फॉर्च्यून 100 फर्म ने अपने ग्राहक डेटा के 10 प्रतिशत के रूप में मान्यता प्राप्त की थी, कर्मचारियों द्वारा स्थानीय स्तर पर कर्मचारियों द्वारा स्प्रैडशीट्स में आयोजित किया गया था। विपणन अभियान चलाने से पहले एक और संगठन नियमित रूप से अपने विक्रय प्रतिनिधियों को व्यावसायिक कार्ड डेटा के लिए चुनाव करता है।
अपने जहाज के डूबने के बाद एक लाइफबोट में फंसे सागर चलने वाले नाविक की तरह, वहां हर जगह पानी है, लेकिन पीने के लिए एक बूंद नहीं है।
हमारे पास हमारे कारोबार में एक ही घटना है। डेटा हर जगह है, और वास्तविक समय में सामाजिक और खोज फ़ीड से तेजी से डेटा उपलब्ध है। यदि डेटा आसानी से सुलभ नहीं है या, यदि हमारे पास डुप्लिकेट या अपूर्ण डेटा है, तो हम इसके इच्छित उद्देश्य के लिए इसका लाभ उठाने में असमर्थ हैं।
तेजी से संगठन अपने असंतुलित सॉफ्टवेयर अनुप्रयोगों को एकीकृत कर रहे हैं और उद्यम में डेटा इकट्ठा करने और एकत्रित करने की प्रक्रिया को सरल बना रहे हैं। हालांकि, डेटा की गुणवत्ता के साथ, यह प्रयास महंगी, समय लेने वाली है और यह कभी खत्म नहीं होता है।
3. डेटा वॉल्यूम बढ़ रहे हैं। हम एक गति से अधिक से अधिक डेटा बना रहे हैं जो समझना मुश्किल है। विशेषज्ञों का सुझाव है कि हर दो साल (और घटते हुए) हम सभ्यता के लिए ग्रह पृथ्वी पर मौजूद होने से अधिक डेटा बना रहे हैं।
इस नए डेटा का अधिकांश असंगठित है, उस प्रकार के डेटा के विरुद्ध जो हमारे सॉफ़्टवेयर और डेटाबेस अनुप्रयोगों में अच्छी तरह से दर्ज किया गया है। उदाहरण के लिए, आपके उत्पाद या ब्रांड के बारे में सभी ट्वीट्स अंतर्दृष्टि के संभावित खजाने के ट्रोव का प्रतिनिधित्व करती हैं, फिर भी यह डेटा असंगठित है, इसे कैप्चरिंग और विश्लेषण करने की जटिलता में वृद्धि करता है। हालांकि इस चुनौती में मदद के लिए कई सॉफ्टवेयर प्रसाद हैं, लेकिन संरचित डेटा इस लेख में चर्चा की गई सभी अंतर्निहित जटिलता और गुणवत्ता के मुद्दों के साथ प्रसंस्करण के लिए कच्चे माल का एक नया धारणा दर्शाता है।
4. कचरा-इन, कचरा-बाहर। डेटा विश्लेषणात्मक सॉफ़्टवेयर उतना ही अच्छा है जितना डेटा खिला रहा है। लाभ के लिए डेटा लीवरेज करने के इस मुद्दे में सामान्य धागा गुणवत्ता है। हालांकि कई कंपनियां शक्तिशाली नए डेटा-क्रंचिंग अनुप्रयोगों में महत्वपूर्ण डॉलर निवेश करती हैं, गंदे डेटा को कुचलने से त्रुटिपूर्ण फैसले होते हैं। डेटा विश्लेषण प्रयासों के आउटपुट पर अंधेरे से भरोसा करने से सावधान रहें। आपको विश्वास होना चाहिए कि आप विश्लेषण में इस्तेमाल किए गए डेटा पर भरोसा कर सकते हैं।
5. हम डेटा विश्लेषण के आउटपुट को निर्णायक मानते हैं, लेकिन ऐसा नहीं है। हकीकत में, डेटा विश्लेषण अक्सर सहसंबंध दिखाता है, कारण नहीं! डेटा विश्लेषण के उत्पादन पर विश्वास करने और कारण के साथ भ्रमित सहसंबंध के जाल में गिरना आसान है।
सहसंबंध एक रिश्ते को दिखाता है, लेकिन इसका कोई मतलब नहीं है कि बी का कारण बनता है। एक कारण संबंध स्थापित करना सटीक, अंतर्दृष्टिपूर्ण निर्णय लेने के लिए निर्वाण है। साबित करना भी अविश्वसनीय रूप से मुश्किल है। यदि आप असाधारण रूप से किसी आउटपुट पर भरोसा करते हैं और एक कारण संबंध मानते हैं जहां कोई भी मौजूद नहीं है, तो आपके निर्णय मोटे तौर पर त्रुटिपूर्ण होंगे।
6. डेटा का मूल्यांकन करने की बात आती है जब हमारे संज्ञानात्मक पूर्वाग्रहों को बढ़ाया जाता है। एक बुद्धिमान डेटा वैज्ञानिक ने एक बार इनकार किया, " डेटा के सबसे जटिल और संपूर्ण विश्लेषण के अंत में, एक इंसान को अभी भी एक अनुमान लगाना और निर्णय लेना है।" और जब हम उस बिंदु तक पहुंच जाते हैं जहां हमें डेटा विश्लेषण के अर्थ का आकलन करना पड़ता है, तो हमारी पूर्वाग्रह खेल में आती है। हम में से कई ऐसे डेटा पर भरोसा करते हैं या भरोसा करते हैं जो हमारी स्थिति और अपेक्षाओं का समर्थन करते हैं और विपरीत डेटा को दबाते हैं। हम उन स्रोतों से डेटा पर भरोसा करते हैं जिन्हें हम पसंद करते हैं या हम सबसे हालिया डेटा पर भरोसा करते हैं। ये सभी पूर्वाग्रह हमारे डेटा विश्लेषण से गलतियों के लिए चुनौतियों और संभावितताओं में योगदान देते हैं।
प्रबंधक के रूप में आपके उपयोग के लिए डेटा को कैसे शुरू करना है:
एंटरप्राइज़-व्यापी डेटा रणनीति विकसित करना हर व्यवसाय के लिए महत्वपूर्ण है, फिर भी इस आलेख के दायरे से बाहर है। इसके बजाय, यहां आपके सात निर्णय हैं जो आप अपने दैनिक निर्णय लेने में डेटा के उपयोग को बेहतर बनाने के लिए प्रबंधक के रूप में उपयोग कर सकते हैं।
1. पूर्वाग्रहों की संभावना को पहचानें और कम करें । उस डेटा की तलाश करें जो आपके सामने डेटा के साथ चित्र या संघर्ष को फैलाता है। डेटा के आस-पास अपनी धारणाओं का मूल्यांकन करने के लिए बाहरी पर्यवेक्षक को प्रोत्साहित करें।
2. डेटा प्रबंधन की अपनी समझ को सुदृढ़ करें। वेब पर अंतर्दृष्टि के पर्याप्त मुक्त स्रोत हैं, और कई संगठन डेटा एनालिटिक्स और बिजनेस इंटेलिजेंस पर सेमिनार या कार्यशालाएं प्रदान करते हैं। कई विश्वविद्यालयों ने इस उभरते क्षेत्र के लिए पाठ्यक्रम जोड़े हैं। अपने कौशल को तेज रखें।
3. खुद या अपनी टीम से पूछें, "इस निर्णय को करने के लिए हमें किस डेटा की आवश्यकता है?" अक्सर, हम डेटा पर भरोसा करते हैं और तस्वीर को पूरा करने के लिए अधिक डेटा प्राप्त करने की आवश्यकता को अनदेखा करते हैं।
4. सहसंबंध और कारण के बीच अंतर के बारे में गंभीर रूप से अवगत रहें । जैसा कि पहले बताया गया है, इन दोनों को भ्रमित करना निर्णय लेने के लिए एक संभावित खतरनाक नुकसान है।
5. गुणवत्ता- अपने डेटा की जांच करें। यदि आपकी फर्म में डेटा गुणवत्ता या मास्टर डेटा प्रबंधन प्रतिबद्धता नहीं है, तो डुप्लिकेट, अपूर्ण या गलत रिकॉर्ड सहित स्पष्ट त्रुटियों के लिए अपने डेटा का मूल्यांकन करने के लिए समय का निवेश करें। कई व्यावसायिक रूप से उपलब्ध सॉफ़्टवेयर एप्लिकेशन हैं या इस गतिविधि का समर्थन करने के लिए और कई कंपनियां डेटा विशेषज्ञों की क्वेरी और आकलन के लिए डेटा विशेषज्ञों की विशेषज्ञता पर आकर्षित करती हैं। साथ ही, बाहरी सेवा प्रदाताओं पर विचार करें जो आपके लिए डेटा को साफ करने में मदद कर सकते हैं। महत्वपूर्ण रूप से, अपने डेटा की गुणवत्ता में लगातार सुधार करने पर ध्यान केंद्रित करें।
6. अपनी फर्म में मजबूत डेटा गुणवत्ता और प्रबंधन प्रयासों के लिए वकील। यह काम अक्सर आईटी या तकनीकी पेशेवरों का डोमेन रहा है, फिर भी डेटा में सामरिक संपत्ति के रूप में कार्य करने की क्षमता है। प्रत्येक प्रबंधक को निर्णय लेने और रणनीति निष्पादन के लिए डेटा का बेहतर लाभ उठाने की अपनी फर्म की क्षमता पर ध्यान देना चाहिए।
7. अपनी टीम में तकनीकी और डेटा-समझदार प्रतिभा जोड़ें। बिक्री और विपणन विभाग नवीनतम तकनीकों में कुशल व्यक्तियों की शक्ति को समझते हैं और इस आलेख में उल्लिखित कई डेटा चुनौतियों को नेविगेट करने में सक्षम हैं। प्रौद्योगिकी और डेटा अब किसी उद्यम में एक ही फ़ंक्शन का डोमेन या ज़िम्मेदारी नहीं है ।
तल - रेखा:
फर्म और प्रबंधक जो बेहतर निर्णय लेने के लिए डेटा का लाभ उठाना सीखते हैं, वे बाजार में जीतेंगे। ये संगठन बदलते परिस्थितियों की निगरानी और जवाब देने में सक्षम होंगे और प्रतिस्पर्धी चुनौतीपूर्ण डेटा के मुकाबले ग्राहक की उभरती जरूरतों को तेज कर पाएंगे। वे सोशल मीडिया संवाद से अंतर्दृष्टि प्राप्त करने वाले पहले व्यक्ति होंगे, और वे ग्राहकों को गहरे स्तर पर जानने और संलग्न करने के लिए लड़ाई जीतेंगे-सभी डेटा के आधार पर। यह एक फड नहीं है, बल्कि आज की दुनिया में प्रबंधन और प्रतिस्पर्धा की एक नई वास्तविकता है। बस इस यात्रा पर संकट के लिए बाहर देखो।