Många organisationer som tror att de är datadrivna är fortfarande i första växeln. Hur går du från att helt enkelt samla in mycket data till att sätta upp en affärsanalysfunktion som faktiskt talar om för dig hur du justerar din modell för att förbättra lönsamheten?
Vi intervjuade Travis Anderson, Toptals chef för affärsanalys, för att få hans insikter och affärsanalystips om hur man skapar en central funktion inom ett företag, tar bort rapporteringsbias, vikten av att använda data och potentiella fallgropar. Som Toptals chef för affärsanalys leder Anderson ett team som möjliggör datadrivet beslutsfattande genom att koppla affärsstrategi med dataaktiviteter (d.v.s. dataanalys, rapportering, diagnostisk analys och datavetenskap).
Affärsanalys stöder alla funktionella områden i verksamheten, inklusive försäljning, marknadsföring, ekonomi, produkt, drift och HR. Anderson har mer än ett decenniums erfarenhet av att bygga och leda analys- och ingenjörsteam för att driva betydande affärstillväxt, inklusive på Vivint Smart Home, Symantec, Brigham Young University och vid hans startup, Mapline. Han har BS- och MS-examen i maskinteknik och en MBA, allt från Brigham Young University.
Affärsanalys gör det möjligt för chefer att fatta bättre och mer välgrundade beslut och kan öka den operativa effektiviteten genom att hjälpa chefer att använda resurser mer effektivt och i slutändan optimera slutresultatet, enligt MicroStrategys 2020 Global State of Enterprise Analytics-rapport.
I fallet Toptal identifierade Anderson fyra grundsatser som är centrala för att driva vår verksamhet och kundernas livstidsvärde:
Dessa fyra principer är också ett sätt för verksamheten att mäta avkastningen på investeringen i data och affärsanalys.
Enligt Anderson var den första utmaningen han stod inför när han gick med i Toptal transformationen av det interna förhållningssättet till analys. Vid den tidpunkten utförde de flesta av de interna funktionsteamen sin analys. De flesta team hade en dataanalytiker, och de gjorde var sitt dataarbete, som mestadels var koncentrerat kring rapportering, analys och trendanalys. Även om det fanns en datakultur och linjechefer använde data i sitt beslutsfattande var upplägget ineffektivt.
Varje lag hade olika tillvägagångssätt, vilket i sin tur gjorde att budskapet var förvirrat. Eftersom varje grupp hade en intern datafunktion fanns det ingen konsekvens i definitioner och nyckeltal. Ledningsdiskussioner fokuserade ofta på försoning, vilket kunde vara en distraktion. Eftersom definitionerna var olika gick lärdomarna från data ibland förlorade.
Den andra frågan som uppstod från decentraliserad datainsamling och rapportering var att varje team hade en partiskhet i att presentera sina data. Varje funktion valde data för att framställa sig själv i bästa ljus. Denna praxis skapade en brist på fokus och en potentiell brist på kontroll.
Anderson inledde en fullständig översyn av företagets tillvägagångssätt och ramverk för affärsanalys. Prioriteringen var att skapa en central funktion:ett analytics center of excellence som finns utanför affärsområdena och fungerar som en kontrollpunkt. En central funktion säkerställer att data samlas in och analyseras homogent och att rapporteringsbias elimineras.
När centret väl är etablerat blir det nödvändigt att se till att det är lämpligt bemannat. Den första prioriteringsordningen är att identifiera kompetensgapet. För att bygga ett team som kan vara effektivt och påverka behöver du personer som har gedigna tekniska färdigheter, starka problemlösningsförmåga, men också affärsmannaskap.
Enligt Anderson är det primära mervärdet av att skapa en central data- och affärsanalysfunktion att förbättra prestanda och minska kostnaderna . Tills ett företag mäter prestanda konsekvent över tid, är det utmanande för ledningen att förbättra resultatet avsevärt.
Det första steget är att fastställa överensstämmelsen mellan mätvärdena och kvantifiera ett mål baserat på dessa överenskomna mätvärden. Detta har den väsentliga beteendeeffekten att motivera personalen – som Anderson påpekar, hur får man människor motiverade om det inte finns några mål? Dessutom är alla kvantitativa mätvärden bättre än ingen. Enligt Andersons åsikt, "Om du bara börjar mäta en sak kan du se en verklig fördel - antingen för att du kan påverka den eller så kan du se att den inte är relevant."
Andersons team stödjer alla affärsfunktioner och håller incheckningar varje vecka och varannan vecka med var och en. Den första delen av jobbet är att säkerställa insamlingen av korrekta data. Den här samlingen tjänar ett beteendemässigt mål för att motivera människor att göra sitt jobb och tilldela ett "poäng" till deras prestationer.
När konsekvent och högkvalitativ data väl har samlats in uppstår den största utmaningen:att bedöma vilka rätt nyckeltal är för varje affärsenhet. Bedömningen börjar uppifrån och ner. Affärsanalysteamet kartlägger företagets strategi i data så att de utvalda affärsanalys-KPI:erna är användbara när det gäller att ge insikter och betydelsefulla på både top-down- och affärsnivå.
Några av frågorna som leder till fastställande av lämpliga nyckeltal är:
Det är ytterst viktigt att affärsanalysteamet grundligt förstår verksamheten och dess strategi. På Toptal finns ett starkt stöd inom företaget för organisationens uppdrag.
Data bearbetas och studeras med hjälp av sunda statistiska modeller och prognoser. Det är dock viktigt att notera att resultatet av analysen inte är ett beslut, utan snarare kvantitativa input som hjälper till att göra bättre val. I slutändan är alla affärsbeslut företagsledarens ansvar. Det finns ett partnerskap mellan intressenterna och data- och affärsanalysteamet genom en iterativ process. När ett beslut väl är fattat måste uppgifterna stödja det. Inte bara, utan det görs en regelbunden omvärdering av nyckeltal för att säkerställa att de alltid är i linje med företagets strategiska prioriteringar.
Processen är inte alltid smärtfri. Ibland kan det uppstå friktion mellan intressenter, eftersom det finns mycket feedback i datan. Alla chefer är inte lika mottagliga för sådan feedback. Anderson ser sitt ansvar som att ge en lättsmält rekommendation och utbilda cheferna om hur de ska tolka de insikter som extraheras från data.
Anderson berörde de potentiella negativa resultat som ett företag kan stöta på när det finns dålig intern disciplin i datainsamling och analys. I ett tidigare engagemang hade han stött på en verksamhet som hade en stor affärsenhet som svarade för en betydande del av företagets intäkter. Denna affärsenhet hade flera säljare som tillsammans var ansvariga för intäkter på mer än 200 miljoner USD. Detta team mätte dock sina intäkter annorlunda än resten av företaget och rapporterade det i ett separat system.
Under ett ledningsbyte insåg en ny chef inte att data inte var konsekvent och sparkade alla teammedlemmar – de hade fått fel insikt från data och trodde att teamet inte presterade. Beslutet togs utifrån felaktiga och inkonsekventa siffror i affärssystemet. Det slutade med ett misstag på 50 miljoner dollar. Denna anekdot illustrerar tydligt varför disciplinen för masterdatahantering är avgörande, särskilt för företag som genomgår M&A-integrationer .
Anderson har stött på två typiska problem i företag som börjar utforska dataanalys. Dessa problem faller på två ändar av spektrumet. För det första tar företag ibland stora initiativ för att samla in perfekt data som i slutändan inte används. Det andra problemet är när företag inte ens påbörjar någon analys på grund av den dåliga kvaliteten på deras data. De kritiska råd Anderson ger här är att även när data inte är tillförlitliga, ger mätning av några kritiska nyckeltal användbara insikter. Om du gör det kommer företaget att lära sig hur man gör indata mer tillförlitliga.
Även om det är viktigt att mäta rätt KPI:er är det värt att notera att för mycket data (eller irrelevant data) inte nödvändigtvis är bättre. Ofokuserad mätning förvirrar beslutsfattande och kan vara en distraktion. Det är mer effektivt att börja med att mäta några få men avgörande datapunkter konsekvent och korrekt.
Andersons teams effektivitet mäts med hänvisning till de fyra principerna ovan:kundförvärv, expansion av fotavtryck, kundbehållning och kostnadsoptimering. För var och en av dessa mäts och kvantifieras effekten, vilket ger en ROI för teamets arbete. Om teamet har gjort en hel del analyser men inte inspirerat till förändring har dess arbete varit ineffektivt. I slutändan betyder lagets framgång att ha ett mätbart inflytande.
Andersons många insikter kan destilleras i några affärsanalystips för framgångsrik implementering av dataanalys.
För det första är uppdraget för ett sådant team att ändra chefernas åsikter genom kvantitativa åtgärder och att påverka dem varje dag. Dessa kommer att vara små, inkrementella förändringar som får effekt genom kontinuerliga iterationer och förbättringar.
För det andra tillhandahåller affärsanalysteamet inte beslut utan information som kan vägleda chefer. Företagsledare är fortfarande alltid ansvariga för ett företags strategi.
För det tredje bör effekten av affärsanalysfunktionen vara mätbar och ha en ROI.
Slutligen, att börja med en begränsad uppsättning nyckeltal för affärsanalys är bättre än att inte mäta data alls . Inte bara, utan processen skapar en kultur av dataexcellens i en organisation. Företag som gör detta på rätt sätt kommer alltid att överträffa, även om det initialt är tekniskt knepigt, dyrt och kräver en kulturförändring. Företag som fortsätter och framgångsrikt navigerar i processen tenderar att behålla talang, prestera bättre och främja en företagskultur av ansvarstagande.
3 områden för att förbättra kundupplevelsen på din e-handelswebbplats
8 marknadsföringstips när ditt företag är tråkigt
Webbanalys:hemligheten till att växa ditt företag
5 sätt att förbättra kommunikationen inom ditt småföretag
8 tips om hur du hanterar dina företagstillgångar på ett klokt sätt
Bankavstämningstips för ditt småföretag
6 tips för att prata om ditt företag med vem som helst
4 tips för att lägga till en partner till ditt företag