Yeni İş Zekası Stratejinizi Nasıl Oluşturursunuz?

İş zekası, işinizi yeni büyüme ve başarı zirvelerine taşıyabilecek veri içgörülerini ortaya çıkarma potansiyeline sahiptir. Ancak hala yeni BI yazılımınızdan en iyi şekilde nasıl yararlanacağınızı öğreniyorsanız, bu potansiyelin kilidini açmak size bir mücadele gibi gelebilir.

Pennsylvania Eyalet Çalışanları Kredi Birliği (PSECU) için pazarlama analitiği ve araştırma direktörü Jen Larson, bu mücadeleye ve bunun nasıl üstesinden gelineceğine aşinadır.

Diğer işletmelerin BI yazılımlarından en iyi şekilde yararlanmalarına yardımcı olmak için yakın zamanda Larson ile iş zekası stratejisi hakkında sohbet etmek için oturduk. Öğrendiklerimizi özetlemek gerekirse, yeni BI yazılımı kullanıcıları basit, görsel olarak estetik panolara odaklanmalıdır; tutarlı, etkileşimli veri görselleştirmeleri; ve yeni BI yazılımlarından kısa ve uzun vadede en iyi şekilde yararlanmak için gelişmiş analitiği beslemek için veri toplama. Bu stratejiyi nasıl eyleme geçireceğinizle ilgili daha fazla ayrıntı için okumaya devam edin.

Larson, 2020'de PSECU'ya ilk kez katıldığında, ne tür sorunlarla mücadele ettiklerini anlamak için farklı departman liderleriyle konuştu.

"PSECU'ya ilk katıldığımda duyduğum yaygın bir nakarat, (kullanıcıların) bir soruyu yanıtlamak için gereken tüm bilgileri almak için her yerde 17 farklı rapora gitmesi gerektiği şikayetiydi" dedi.

Bu sorunun çözümü kolay değildi, ancak açıktı: panolar .

Larson, "Gösterge panosu, tüm bu farklı raporları ve farklı sayıları (kullanıcıların) bir sorunu veya soruyu yanıtlamak için gidebileceği tek bir alana getirmemize izin verdi" dedi.

Larson, PSECU liderliğini veriye dayalı daha iyi kararlar alma konusunda güçlendirmek için kullandığı birincil araç olduğunu söylüyor. Panoları kullanma konusundaki kuzey yıldızı, bunların kafa karıştırıcı olmamasını ve açıklayıcı olmasını sağlamaktır.

"Benim için iyi bir gösterge paneli bir soruyu yanıtlar" dedi. “Örneğin, şeylere üye perspektifinden bakanlarla aynı gösterge panosunda ödünç verme perspektifinden bakan bir rapor veya görselleştirme istemezsiniz. Birinin bir gösterge panosuna ve oradaki görselleştirmelere ve raporlara bakabilmesini ve 'Tamam, bu tür soruları yanıtlamak için gidebileceğim bir yer olduğunu biliyorum' demesini istiyorsunuz. “

Larson, PSECU'ya ilk katıldığında, kuruluşun üye demografisi, onun tahminine göre “15 farklı raporda” bulunuyordu. “Tıklamanız, tıklamanız, tıklamanız gerekir… Bir gösterge panosu çözümü, tüm bu verileri tek bir noktada toplamamıza izin verdi. Bu yüzden tek bir gerçek kaynağı üzerinde çalışıyoruz.”

Kullanıcılar, bir veri bilimcisi olmadan verilerini keşfetmek için etkileşimli panolara sahip modern BI yazılımını kullanabilir. Larson'ın üye profili panolarından biri, kullanıcıların ulusal verilere bakmasına veya özellikle Pennsylvania sakinlerine ait verileri görmek için bir filtre uygulamasına olanak tanır.

Yeni BI yazılımınızdaki gösterge tablosu özelliğinden en iyi şekilde yararlanmaya hazır mısınız? Sonraki adımlar için bazı ipuçları:

• Basit tutun. Kullanılmayan bir pano, faydalı bilgiler içerse bile değersiz bir panodur. Bu nedenle, panonuza hemen çok fazla veri koymaya çalışırsanız, son kullanıcı için sunulan bilgilerle hiçbir şey yapamayacakları noktaya kadar onu çok ezici ve kafa karıştırıcı hale getirme riskiyle karşı karşıya kalırsınız. Kullanıcılar daha fazla bilgi isterse her zaman ölçeği büyütebilirsiniz.
• Filtreleri kullanmayı ve detaya inmeyi unutmayın. Filtreler, kullanıcıların tamamen yeni bir gösterge panosu oluşturmaya gerek kalmadan bir gösterge panosu içindeki farklı veri alt kümelerine bakmasına olanak tanır. Analistler, son kullanıcıların önceden belirlenmiş sınırlar içinde bir gösterge tablosunu keşfetmelerini sağlamak için bu filtreleri önceden ayarlayabilir.
• Etkileşimli panoları yalnızca gerektiği kadar kullanın. Panoları dahili paydaşlar için etkileşimli hale getirme seçeneğiniz olması, bu özelliği kullanmanız gerektiği anlamına gelmez. Örneğin, bir gösterge panosunu harici bir istemciyle paylaşıyorsanız, etkileşimli işlevselliği, onların erişmesi amaçlanmayan özel verileri keşfetmelerini engellemek için kaldırmak isteyebilirsiniz.

Larson'ın ekibi, farklı verilerin görsel olarak nasıl sunulacağını belirlemeye çalışırken, farklı çizelgeleri ve grafikleri kolayca deneyebilmek yardımcı olur. PSECU'nun BI yazılımı, kullanıcıların bir temel veri seti yüklemesine ve ardından bunu farklı türde çizelge ve grafikleri doldurmak için kullanmasına olanak tanır.

Larson, "Yani belirli bir tür çizelge veya grafiğe bağlı değilsiniz," dedi. "Başarmaya çalıştığınız mesajlaşma için görsel olarak neyin en anlamlı olduğunu görmek için biraz oynayabilirsiniz."

Bu veri görselleştirmeleri, veri analistlerinin yaratıcı olmalarını ve veri bulgularını sundukları kitleye en uygun biçimde sunmalarını sağlar.

Örneğin Larson, COVID-19'un ülke genelinde nasıl yayıldığını gösteren bir coğrafi harita gördüğünde ona bir fikir verdi. Ekibi, üyelerin PSECU'nun ATM envanterine yakınlığını göstermeye çalışıyordu ve coğrafi haritanın mükemmel bir grafik türü olduğu ortaya çıktı.

"ATM'lere göre üye yoğunluğunu görebiliyorduk ve bu, nerede daha fazla ATM'ye, daha az ATM'ye ve hatta ATM işlevselliğine ihtiyaç duyabileceğimizi bilmemize yardımcı oluyor. Örneğin bazıları nakit (depozito) kabul ediyor, bazıları ise kabul etmiyor” dedi. “Daha yüksek bir üye yoğunluğu için daha koyu gölgeli, insanların bir ATM'ye ne kadar uzağa seyahat etmeye istekli oldukları için ATM'lerde daha az yarıçap için daha açık. Ardından ATM'ler, işlevlerini göstermek için renk kodludur.”

Larson'un ekibi, veri görselleştirmelerini kullanarak, hızlı bir şekilde bunun gibi bir coğrafi haritanın maketini yapabilir, ancak daha sonra, örneğin bir ATM'ye çeşitli mesafelerde yaşayan üyelerin yüzdesini görmek için aynı verileri bir pasta grafiğine de koyabilir.

Yeni BI yazılımınızdaki veri görselleştirme özelliğinden en iyi şekilde yararlanmaya hazır mısınız? Sonraki adımlar için bazı ipuçları:

• Şüphe duyduğunuzda, kendinizi kitlenizin zihniyetine koyun. Bir veri kümesi için doğru görselleştirme türünü seçmekte sorun yaşıyorsanız, kendinize hedef kitlenin kim olacağını ve muhtemelen hangi soruları soracağını sorun. Ardından, bu soruları en iyi yanıtlayan grafik türünü seçin.
• Veri görselleştirmenin görsel unsuruna dikkat edin. Larson, stil ve tasarımın neredeyse verilerin kendisi kadar önemli olduğunu söylüyor. Örneğin, artan sayıları göstermek için muhtemelen kırmızı renk kodu kullanmamalısınız.
• Kaynaklarınız varsa, yaratıcı ekibinizi marka standartlarına dahil edin. PSECU'daki yaratıcı tasarım ekibi, Larson ekibinin veri içgörülerine odaklanmasını kolaylaştırmak ve doğru renk şemalarını kullandıklarından emin olmak için marka standartları ve renk paletleri oluşturdu.

Son on yılda yapay zeka ve makine öğreniminin yaygınlaşması, iş zekası yazılımınızın geleceği tahmin etmeye sınır olan bazı şaşırtıcı şeyler yapmasını sağladı. Bu teknoloji yeni kullanıcılar için göz korkutucu görünebilir, ancak kuruluşunuzun büyümesine yardımcı olacak en güçlü içgörülerin kilidini açmanın anahtarıdır.

Örnek olay: Larson'ın ekibi, üyelerin üyelik yolculuğunda nerede olduklarını ve herhangi bir üye için bir sonraki en iyi kredi birliği ürününün ne olabileceğini ortaya çıkarmaya yardımcı olmak için veri modelleme ve tahmine dayalı analitiği araştırıyor.

“Pazarlama otomasyonumuz ve hedefli pazarlama konusunda bize yardımcı oldu” dedi. “Doğru zamanda doğru kişiye doğru mesajı almamıza yardımcı oldu.”

Bu gelişmiş analitik araçlar, Larson'un ekibinin, bir örnek olarak, diğer üyelerle birden çok demografik benzerliği paylaşan bir üyenin bir para piyasası hesabı açmak için en iyi konumda olduğunu gösteren kalıpları tespit etmesine yardımcı olabilir.

Yeni BI yazılımınızdaki gelişmiş analitikten en iyi şekilde yararlanmak için önemli bir husus, arkasındaki verilerdir. Gelişmiş analitik, bu derin içgörülere güç sağlamak için yakıt olarak büyük verilere dayanır ve biri olmadan diğerine sahip olamazsınız.

Gelişmiş analitiği desteklemek için yeterince büyük bir veri kümeniz olmadığından endişeleniyorsanız, Larson'ın bazı güven verici sözleri var.

Larson, "Çalıştığım çoğu yerde düşündüklerinden daha fazla veri var" dedi. “Sahip olduğunuz verilere bir bakın ve 'Bu verilere dayanarak cevaplayabileceğimiz bir sorum var mı?' deyin. Örneğin, birçok insanın sorduğu bir soru 'Bu müşteri veya üye ne kadar süre elimde kalacak?' “

Bu nedenle, üyelerin ne zaman ayrıldığına ve üyelerin ne kadar süre kalacağına dair yalnızca birkaç yıllık geçmiş verileriniz olsa bile, bu verileri BI yazılımınıza bağlayabilir ve gelişmiş analitiklerin daha büyük eğilimleri ortaya çıkarabilecek demografik benzerlikleri ortaya çıkarmasına izin verebilirsiniz. Örneğin, yakın zamanda bir para piyasası hesabı açan üyelerin genellikle en az beş yıl daha üye olarak kaldıklarını görebilirsiniz.

Larson, "Mükemmel olmak zorunda değil," dedi. “Ama oradan, belki bunu biraz daha iyi anlamanıza yardımcı olacak bazı veri göstergeleri alabilirsiniz. Ve her zaman rafine edebilir ve daha iyi olabilirsiniz. İşin eğlenceli yanı bu. Bir kez bir model bulmuş olman, işin bittiği anlamına gelmez.”

Yeni BI yazılımınızda gelişmiş analitikten en iyi şekilde yararlanmaya hazır mısınız? Sonraki adımlar için bazı ipuçları:

• Mümkün olan en kısa sürede veri toplamaya başlayın. Verileri, gelişmiş analizlerinize güç veren yakıt olarak düşünün. Mümkün olduğu kadar çok şey toplamak isteyeceksiniz ve yeni başlıyor olsanız bile muhtemelen tahmin ettiğinizden daha fazla veriye sahipsiniz.
• Başlamak için elinizdeki tüm verileri kullanın. Örneğin, demografik verilerle veya birkaç yıllık finansal raporlarla sınırlı olsanız bile, daha fazlasını topladıkça keşfetmeye başlamak için bu veri setini kullanabilirsiniz.
• Denemekten korkmayın. Tahmine dayalı analitik, doğası gereği kesin olmayan bir bilimdir. Larson bir meteorolog örneğini kullanıyor. Hava durumu raporları her zaman %100 doğru olmasa da, her tahmin, gelecekteki tahminlerin daha doğru olmasına yardımcı olmak için daha fazla veri sağlar.

“Kültürel olarak, o caddeden aşağı inmek için deney yapmaya ve yanılmaya hazır olmalısınız. Ve bu yüzden, elinizden gelenin en iyisini yapacağınız ve bunun için gideceğiniz liderlik lütfuna veya takım zihniyetine sahip değilseniz, muhtemelen çok uzağa gidemezsiniz” dedi. “Her zaman mükemmel bir tahmin olmadığını söylerim. Ekonomistlere ve hatta hava tahminlerine bakarsanız, geleceği asla tam olarak tahmin edemeyeceğinizi bilirsiniz. Ancak oldukça yakınlaşabilirsiniz.”

Kuruluşunuzdaki nihai destek ekibi olmak için yeni BI yazılımınızı kullanın

Sonuç olarak Larson, BI yazılımını başkalarının hizmetinde kullanmayı hatırlamak olduğunu söylüyor. Veri analitiği ekipleri, kapalı kapılar ardında çalışma, verileri denetleme ve bu verileri kendi kaprislerine göre keşfetme işinde olmamalıdır. Kurumsal verileri hayati bir kaynak olarak koruma ve diğer ekiplerin bundan en iyi şekilde yararlanmasına olanak tanıyan bir formata çevirme işinde olmalıdırlar.

Larson, "Takımımı diğer tüm takımlar için nihai destek olarak görüyorum" dedi. "Biz ön saflarda değiliz. Bu verilerle iş yapan ve iş kararları veren biz değiliz. Dolayısıyla bizim işimiz, diğer alanlara ihtiyaç duydukları verileri, anlayabilecekleri bir formatta almaları için destek vermek, böylece veriye dayalı kararları buna dayalı olarak verebilmeleri.”

Analiz ekibinizin kuruluşunuzdaki nihai destek ekibi olmasına yardımcı olmak için, bu makalede paylaştığımız ipuçlarının bir özetini burada bulabilirsiniz:

Larson'ın deneyiminin, kendi BI yazılımınızdan daha fazlasını yapmaya başlamanız için sizi heyecanlandırdığını ve güçlendirdiğini umuyoruz. BI yazılımınızdan en iyi şekilde yararlanmak için daha fazla ipucu keşfetmeye hazır olduğunuzda, iş zekası blogumuzla karşınızdayız. İşte başlamak için birkaç yeni makale:

• Kategori Karşılaştırması: İş Zekası ve Büyük Veri
• 3 En İyi Ücretsiz Dashboard Yazılımı
• Denetimli ve Denetimsiz Öğrenme: Hangi Makine Öğrenimi Modeli Size Uygun?

Kaynaklar

1. Jen Larson, LinkedIn
2. Tablo Görüntüleyici, Tablo
3. COVID Veri İzleyici, CDC.gov