비즈니스 및 프로덕션 시스템은 데이터를 수집하는 데 훨씬 능숙 해졌습니다. 장비는 다양한 센서 및 매개 변수 데이터를 수집하며, 현재는 구매 습관 및 소비자 선호도에 대한 모든 종류의 정보를 이용할 수 있습니다. 이 수준의 세부 사항은 정적 인 기존의보고로는 분석하고 이해할 수 없습니다. 대신, 비즈니스 분석가, 엔지니어 및 과학자는 통찰력을 해제하고 대화식, 시각적 분석 소프트웨어 .
분석 소프트웨어는 다음과 같은 중요한 특성을 특징으로하는 새로운 분석 세계를 부상 시켰습니다.
- 데이터는 "자체 제공"됩니다. 사용자는 도움없이 지체없이 필요한 데이터를 얻을 수 있습니다.
- 분석은 시각적이며 상호 작용합니다. 그 결과로 ...
- 사용자는 이제 통계에서 PhD없이 고급 분석을 수행 할 수 있습니다.
- 분석가들은 "즉시"작업을 수행합니다. 통찰력은 종종 분석가가 "순간적"으로 탐구하는 질문을 나타냅니다.
- 분석적 사고는 비즈니스 사고와 완전히 결합됩니다.
- 기술적 인 것 이상으로 분석은 추론 적입니다.
'아하'순간
이 보험 예를 생각해보십시오. 여기에는 수천 명의 현재 및 잠재 고객의 인구 통계 학적 정보가 수집되어 데이터베이스에서 유지 관리됩니다. 보험 회사는 데이터를 스프레드 시트로 다운로드하고 데이터를 요약 할 수 있었지만 가장 악용 가능한 통찰력을 얻었습니까? 가장 단순한 질문조차도 데이터를 수집, 연결 및 정렬하는 데 며칠이 걸렸습니다.
오늘날, 통합 된 대화 형 및 시각적 분석을 통해 통찰력이 몇 초 안에 드러납니다. 잠재 고객에 대한 가장 큰 질문은 이들 중 얼마나 많은 고객이 새로운 비즈니스로 전환되었으며 전환을 유도하는 요인은 무엇입니까? 이것을 알면 성공률을 높이는 비즈니스 관행에 중점을 둘 수 있습니다.
데이터를로드하여 시작했습니다. JMP . 단 몇 번의 클릭만으로 수입, 교육, 연령, 군 상황 등과 같은 인구 통계 학적 정보를 포함하여 수만 명의 잠재 고객을 만났습니다. 위의 이미지에서 전체 잠재 고객의 약 12.5 % (파란색 영역)가 유료 고객으로 전환되었음을 알 수 있습니다.
이제 당면한 질문에 대해 : 새로운 비즈니스를 성공으로 이끄는 데 필요한 요소는 무엇입니까? 한 번 더 클릭 (왼쪽 하단의 분할 버튼)과 "아하"순간이 계속되었습니다.
그만큼 JMP 위의 차트는 특정 요소 (기밀성으로 인해 공개 할 수 없기 때문에 전화 할 것입니다 ... ), "요인 Xn"은 많은 잠재 고객에 대해 엄청나게 높은 전환율 (오른쪽 파란색 막대에서 보았을 때 약 90 %)으로 이어지고 나머지 잠재 고객은 성공할 가능성이 거의 없음을 의미합니다.
분석가들은 이것을보고 놀랐다. 이러한 통찰력은 전체 전환율이 Xn 요소에 의해 식별되는 주요 구별을 가려 놓았 기 때문에 잠재 고객에게 전달되지 않았습니다. 이러한 분석가들은 데이터에 대해 일상적으로 보냈지 만,이 중요한 통찰력과 뒤 따르게 될 다른 것들은 여전히 잠겨 있습니다.
이 통찰력은 많은 질문을 불러 일으켰습니다. 첫째, 영업 담당자의 지시가 변하는 것 같습니다. 둘째, 왜 다른 고객의 전환율이 너무 낮습니까? 이것은 설계된 실험으로 조사 될 인구 통계와 함께 가격 책정, 포장 등에 관한 질문을 이끌어 냈습니다.
효과가있는 이유
위의 여섯 가지 특성을 살펴보면이 경우에 다음과 같은 사실을 알 수 있습니다.
- IT 부서는 사용자가 데이터를 직접 가져올 수있는 시스템을 구축했습니다. "자체 프로비저닝 된 데이터"
- 실제로 분석은 매우 시각적이었습니다. 예. 모든 통계 정보가 제공되지만 그래픽과 상호 작용을 통해 액세스 할 수 있습니다.
- 통계에 PhD가 필요하지 않았습니다. 위의 분석에는 교차 유효성 검사를 통한 재귀 적 분할이 포함됩니다. 확실한 한마디로, 복잡성 (및 통계 전문 용어)은 비즈니스 분석가 또는 엔지니어가 악용 가능한 통찰력의 가능한 최대 수와 품질을 얻는 방식에 영향을 미치지 않습니다. 자유로운 주제에 집중할 수 있습니다. 사실, 내 경험에 의하면 초점은 주제에 따라 도구가 거의 보이지 않게됩니다.
- 예전과 달리이 게임을 시작할 때 며칠 후 도착할 보고서를 수정하도록 IT 부서의 프로그래머에게 지시하는 요청을 제출할 필요가 없었습니다. 질문과 답변 사이의 경과 시간이 지나갔고 의존성도 사라졌습니다.
- 분석과 비즈니스 사이의 오래된 노동 분열은 사라졌습니다. 그들은 악용 가능한 사업, 공학 및 과학적 통찰력을 발견하는 데 효과적이고 효율적 이도록 함께 용접되어야합니다.
- 옛날과 마찬가지로 분석은 단순한 설명이 아닙니다. 그것은 분석가가 미래의 결과를 예측하고 추가 질문을하기 때문에 유추 적입니다.
애널리스트들은 통찰력에 감명 받았을뿐만 아니라 파생 된 방법에 대해 매우 흥분했습니다.
나만의 분석 문화 구축
새로운 분석 세계를 조직에 도입하고 분석 문화를 지원하려면 무엇이 필요합니까?
이것은 IT가 들어오는 곳입니다 - 분명히, 그들은 중요한 역할을합니다. IT 부서는 더 이상 분석 수행에 대해 걱정할 필요가 없습니다. 그것은 분석가들에게 최고의 선택입니다. 대신 IT는 이제 분석 기술을 가능하게합니다. 그들은 다음과 같이 할 수 있습니다 :
- 운영 및 분석 요구 사항을 지원하는 하드웨어 및 소프트웨어 인프라 유지 관리.
- 분석적으로 친숙한 방식으로 데이터를 제공함으로써 데이터를 자체 제공 할 수 있습니다. 우리는 분석 데이터 요구가 작업에 영향을 미치지 않도록이 분야에서 많은 작업을 수행합니다. 예를 들어, 제약, 반도체, 태양 및 기타 산업 분야에서 방해받지 않는 실시간 데이터를 추적 할 수 있도록 수집해야합니다. IT 인프라에 대한 분석적 요구는 운영 시스템에 영향을 줄 수 없습니다.
- 분석, 저장 및 지식 및 통찰력을 더욱 용이하게하고 운영, 연구 및 준수 영역에서 다른 효율성 및 비용 절감 효과를 얻을 수있는 통합 분석 응용 프로그램을 개발하는 데있어 Predictum의 지원을받습니다.
- 모든 시스템을 보호하십시오.
시스템 보안은 급속도로 증가하고 있으며 IT 부서에 대한 책임이 점차 커지고 있습니다. 따라서 IT 담당자는 분석 수행에 대한 부담을 덜어 주거나 분석가가 자신을 더 잘 지원할 수있는 분석 기법을 사용하는 것이 매우 행복하다는 것을 알게되었습니다. 그들의 가능한 역할은 다른 활동 및 책임과 훨씬 더 일관성이 있습니다. 예를 들어, IT는 주문 / 배송 / 청구 시스템을 지원하지만 주문, 배송 또는 청구하지 않으므로 비즈니스, 과학 또는 엔지니어링 분석을 수행해야하는 이유는 무엇입니까?
사물의 인터넷, 새로운 유능한 장비 및 인터넷의 도달 범위로 인해 데이터의 양과 품질이 미래에 급격히 증가 할 것으로 기대할 수 있습니다. 이제 분석 문화를 구축함으로써 제시되는 기회를 준비하는 것이 가장 좋습니다. 적절한 데이터 아키텍처 설계, JMP 비즈니스 분석가, 과학자 및 엔지니어가 분석을 통해 주제 전문 지식을 향상시킬 수 있습니다.
편집자 주 : 버전 이 블로그 게시물의 Predictum 블로그 . 감사합니다. 웨인 레빈 그것을 여기에서 공유하기위한 것입니다.
