Akční analýza dat

Veškeré úvahy jsou zcela nezávislé na konkrétních produktech. Uživatelé mohou používat Tabelau, Power BI, Qlick, Good Data, SAS, SAP, Oracle, běžný Excel či Google Sheets, pro přípravu používat Informaticu, MS SSIS nebo Keboolu, pro reporting třeba Reporty do kapsy, pro komunikaci Slack či e-mail a pro sdílení MS Sharepoint nebo Google Sites atd.

Při současné analýze dat platí:

• Není jednoduché provázat otázky, které si kladou lidé z businessu typu „Co mám udělat pro zvýšení prodejů?“ s otázkami, na které lze jednoduše odpovědět z dat typu „Jaké byly prodeje minulý rok po měsících a produktech?“

• Jakákoliv data jsou k ničemu, pokud se na jejich základě neprovede nějaká akce. Proto má smysl systematicky otázky a odpovědi důsledně provazovat s akcemi, které na základě nich lze udělat.

• Pro myšlenky a zkušenosti související s analýzou dat není vhodná forma, do které by šly zachytit tak, aby mohly postupně zrát a šly jednoduše sdílet a využívat.

Akční BI mapy umožňují zachycovat, provazovat a následně sdílet a využívat znalost analýzy dat ve formě obchodních a datových otázek a z nich vyplývající akcí.

Jak takovou mapu vytvořit?

Forma mapy může být různá,např. "lepíky" , ideálně tříbarevné

• • papírové PostIt umístěné na flipchartu či tabuli ve stylu HCD "kdo nelepíkuje, jako by nebyl",

  • virtuální na virtální tabuli typu Miró, Google Jamboard v Google Drive nebo obyčejném slidu v PowerPointu.

Začít mapu můžete stavět odkudkoliv:

• • "dataři" mohou rozvíjet datové otázky nad dostupnými daty,

  • "systematici" mohou začít odshora např. úvahou "co mohu dělat, abych naplnil svůj cíl?",

  • "dělači" mohou zaklidně odprostřed tj. konkrétních úvah o akcích typu "Co kdyby si obchoďáci sjednali schůzku s důležitými zákazníky, kteří jsou možná na odchodu?",

  • klíčem je nepromarnit okamžik, kdy má člověk "osvícení" tj. vhled, námět na jakékoliv úrovni a třeba později ho začlenit do celkového "big picture".

Následně "jednotlivé lepíky" propojujte podle následujících pravidel:

• • „Obchodní otázky“ dekomponujte na podrobnější , viz také např. issue tree, například "Co mám udělat pro zvýšení prodejů?" lze rozpadnout na "U kterých firem se mám snažit, aby neodešly?"

  • „Datové otázky“ rozviňte nad výsledky jiných datových otázek například nad historickými daty o prodejích se můžete zeptat "Které firmy u nás utrácely více jak 20% našich příjmů a přitom objem prodejů již rok a více klesá?"

  • Propojte dohromady „obchodní otázky“ s „datovými otázkami“ tam, kde se věcně ptáte na to samé, takové otázky nazvěme "akční",

  • Propojte „akce“ s akčními otázkami, jejichž zodpovězení vám provedení akce umožní.

V čem je "trik"?

Trik je zřejmě v tom, že:

• businessové úvahy typu "Růst mohu akvizicí, up-sellem, cross-sellem, retencí, expanzí..." i

• datové dotazy typu "SELECT * FROM A JOIN B ON A.id=b.id where A.revenue > 100".

• jsou převedeny do stejné formy, na "společného jmenovatele" a to na srozumitelné OTÁZKY v základní češtině.

• Ty lze pak daleko jednodušeji pospojovat do konzistentního řetězce, protože se přitom nemíchají " jablka s hruškama" tj. různé úrovně či úhly uvažování.

Příklady akčních map

Příklady mapy růstu B2B prodeje najdete níže. Další naleznete v knihovně map. Své mapy můžete nasdílet s ostatním v rámci naší Challenge.

Jak má vypadat pracovní prostředí pro analýzu dat, které co nejvíce usnadní sbírání a využívání know-how vyjádřeného v akčních mapách?

• Doplnitelné znalostmi - K prezentovaným datům i výstupům zachycovat a poskytovat kontext, tj. poznámky pro smysluplnou interpretaci, využití a další (účelné) rozšiřování dat. Pozn: Nemyslí se popisky z datového modelu typu "Datum zdanitelného plnění znamená datum zdanitelného plnění".

• Umožňující sociální interakci - Analýza dat je nekončící proces učení se. V ideálním stavu se učí všichni od všech. Proto by mělo být maximum sdíleno.

• Snadno a rychle vstřebatelné - V době informačního přetlaku s tabulkami a koláčovým a sloupcovým grafy nevystačíme. Je třeba hledat nové pohledy na data.

• Usnadňující akci - Čím nižší je bariéra k provedení nějaké akce na základě dat, tím větší je šance, že se akce skutečně stane.

Takové prostředí jsme se snažili vytvořit například v rámci projektu Rozpočet obce, kde se

• prezentovaly různé pohledy na data o rozpočtech obcí, znalostní kuchařka "jak číst rozpočty",

• zároveň se postřehy sdíleli na sociálních sítích např. v diskuzní sekci "Co vy na to?" pod rozpočty jednotlivých obcí. a

• přípravovali se jednoduše vstřebatelné pohledy na data typu a žebříčky obcí dle různých kritérií.

Je třeba si uvědomit, že akční prostředí pro analýzu dat není vázáno na nějaký konkrétní nástroj. Můžete ho klidně realizovat kombinací Google Sheets + Docs + Sites. Anebo nasadit ty nejvýkonnější enterprise nástroje. Podstaný je směr, kterým je chcete použít.

Máte tým postavený na vzájemné soutěživosti? Má velká část týmu postoj "Já jsem skvělý... a ostatní jsou lůzři?" Sám jste nastavený/á tak, že všechny a všechno potřebujete mít pod kontrolou? Protože jiní by to neudělali tak dobře? Nebo by to rovnou zničili či vynesli konkurenci?

Pak vcelku nemá se daným tématem zaobírat. Prostě to nebude fungovat. Proč by lidé sdíleli nějaké myšlenky, když je může někdo "zneužít" proti nim? Sorry. Je to sice tak, ale máte vůli to změnit? Čtete dále ;-).

Přístup se naopak hodí pro týmy, kde lidé své know-how sdílí. Rádi. Protože to nechápou jako své ohrožení. Chápou to jako příležitost, jak celý tým posunout dál a naplňovat tak svojí "misi". Takové očekávání jsou dnes spojena s "agilním" přístupem a souvisejími metodikami, frameworky a přístupy tupu SCRUM. Ač jde do určité míry zprofanovaný pojem, pokud se daří jeho principy naplňovat, může přinést i slíbované přínosy viz např. tento pohled na Agile.

Zkušení dodavatelé analytických řešení mají před ostatním světem poměrně velký náskok. Dříve než slovo "agile" přešlo do širšího povědomí, už dávno měli své metodiky vycházející z toho, že nikdy nevědí, jaká data a v jakém stavu dostanou tj. museli se naučit žít ve světě "fixed time, fixed money, floating scope". Výsledkem byly například MoSCoW prioritizace používané ve správě v dnešní terminologii "backlogu".

Otázka je zda tuto dovednost a přístup dovedou přenést i na týmy uživatelů analytických řešení. Sami asi ne, protože to je práce s postoji lidí, což není úplně silná stránka datových analytiků. Na druhou stranu ve spojení s nějakými silnými HR konzultanty...

• Zaujalo vás toto téma?

• Rádi byste něco z toho uplatnili ve vašem týmu?

• Víte o někom, kdo by tento koncept mohl využít?

Stačí málo...