随着经济环境变得更加黯淡,企业开始关注实现盈利性增长,而不仅仅是增长。数据驱动的决策能够减速实现这一指标,但组织必须倒退新的数据力量能力实现这一指标。
过来几个月对商业世界来说是一场旋风:增长放缓、资本市场黯淡、裁员、经济衰退的可能性、投资者危险偏好升高以及整体经济环境不确定。这些都迫使公司重新考虑他们的策略并纠正他们的路线。最大的修改之一是 均衡增长与盈利能力. 只管这在高增长科技公司中最为突出,但其影响是宽泛的。
随着新事实的呈现,思维形式必须进化,并且必须开发新的数据力量。过来十年的疯狂增长意味着数据分析在需要生成、追加销售穿插销售模型、增长营销等畛域。尽管这些依然很重要,甚至可能更重要,但必须建设新的数据分析力量来补充现有的力量——帮忙提高效率和最大化的力量投资回报。许多事件在很长一段时间内都不是重点畛域,但当初须要成为重点畛域。具体来说,企业当初应该重点关注五个畛域:
- 精益技术和经营模式以打消低效率:在多个畛域,低效模型变得司空见惯。一个典型的例子是让多个软件和供应商做十分类似的事件或做不须要的事件的技术模型。在数据世界中,它体现为公司领有多个“数据平台”、数据仓库技术、BI 工具等模式。其起源是团队有资金购买和部署他们认为最不便的技术他们。这让组织领有多个无奈互操作的堆栈。资源方面存在相似的主题,例如,跨团队的数据工程师和分析师正在做重叠的工作。公司最终会失去多个版本的“类似但不同”的数据产品,这会引起混同。
- 优化焦点补充最大化焦点。器重和庆贺优化胜利的文化改革对于增强这种关注是必要的。改良的流程、自动化的工作流程、确定的利润散失,所有这些都须要像取得新客户一样值得庆贺。支出增长是最重要的,但明天的利润也是如此。这意味着定价模型须要更严格以确保创收是有利可图的,预测模型须要更精确以更好地布局经营费用等。总体而言,数据团队须要开发新的技能组合并专一于更新的算法,例如客户散失与需要生成相比,高管须要对数据团队提出更有针对性的要求。
- 通过剖析捕获小信号以辨认机会。当资本便宜时,专一于最大的机会并在其后进行投资是有意义的。当初这须要演变为不谋求一些底线浓缩机会,而是确定几个较小的机会,这些机会加起来大于局部的总和。多变量 机器学习 技术能够帮忙辨认人类可能脱漏的内容。这在媒体畛域的一个例子是,不仅要专一于销售更新内容的交易,还要确定哪些旧内容会引起买方观众的共鸣,并将其作为一个包进行销售。例如,在战术上,销售举荐引擎须要更新以蕴含旧内容而不仅仅是新内容。
- 将数据驱动的决策和后果置于核心地位。新经济环境的一线希望之一是高管们变得更加无意识。这为数据团队提供了一个很好的平台,能够通过应用数据产生洞察力而后推动成绩来减少价值。将数据和业务团队联合在一起并可能设计出无效的人机交互界面的公司将比那些不这样做的公司具备决定性的劣势。最弱小的工具之一是会议典礼,例如,管理人员能够在所有会议开始时进行指标审查,并要求团队为他们心愿反对的任何决策提供指标。
- 最初,须要的要害力量是对投资的舒适感 数据根底. 多年来,在“水涨船高”的环境中,外表层面的剖析和报告曾经足够了。大多数公司没有投资于基本功能,例如简化的数据技术堆栈、数据治理以及为数据团队建设正确的组织模型。这须要扭转以打消零碎的脆弱性,并使数据成为盈利增长的弱小差异化因素。
组织数据肌肉很像人的肌肉:不锤炼的肌肉就变弱了。新环境须要新环境能力获胜——就像长跑运动员须要不同的训练计划能力成为游泳运动员一样。将来几年的赢家将是那些在实现盈利增长的过程中迅速转向以更新的形式做事的公司。