仕事で大きな決断を下すとき、どちらに進むか決めるのは難しいかもしれません。 自分の本能に従えば、より安全に選択できると感じるかもしれませんが、それらの選択はチーム メンバーに適していますか? 事実を利用して意思決定を行う場合、選択はデータに基づいており、ビジネス効果を最大化することを目的としていることを知っていると安心できます。
競合他社を凌駕するか、収益性を高めるかにかかわらず、データ主導の意思決定は、現代の企業戦略に不可欠な要素です。 ここでは、データ駆動型の意思決定の利点について説明し、例を使用してそれらを職場で使用する方法についてアドバイスします。
データ主導の意思決定とは?
データに基づく意思決定とは、会社の意思決定に基づいてデータを収集および変換するプロセスです。 主要業績評価指標（KPI） 実用的な洞察に。
このプロセス全体で、次を使用できます。 ビジネスインテリジェンス (BI) 大量のデータを迅速かつ効率的にキャプチャするレポート ソリューション。 これらのツールを使用すると、データの視覚化が簡単になり、高度な技術的知識がなくてもデータ分析を利用できるようになります。
データドリブンとはどういう意味ですか?
簡単に言うと、データドリブンとは、意思決定に役立つパターン、推論、および洞察を特定するために、事実またはデータを使用することを指します。
データドリブンであるということは、本質的に、偏見や感情を持たずに判断を下そうとすることを意味します。 その結果、会社の目標と戦略が、好き嫌いではなく、データと傾向に基づいていることを確認できます。
意思決定にデータを使用することが重要なのはなぜですか?
データ主導の意思決定は、先入観ではなく事実に基づいて結論を下すことができるため、重要です。 客観的な決定を下すことは、あなたがリーダーシップの立場にある場合、公正でバランスを保つための最良の方法です.
ビジネス目標を測定し、リアルタイムで取り込むデータは、最も知識に基づいた意思決定を行うための鍵です。 レポート ソフトウェアを使用すると、パターンを特定して予測を行うために必要なデータを集計できます。
データに基づく判断には、次のようなものがあります。
- 売上と利益を増やす方法
- 優れた管理習慣を身に付ける方法
- オペレーションの改善方法
- チームのパフォーマンスを最適化する方法
すべての決定がデータによって裏付けられるわけではありませんが、最も重要な決定の多くはデータによって裏付けられます。
データに基づいた優れた意思決定を行うための手順
これらの手順は、自分、同僚、および組織のデータの「誰が、何を、どこで、いつ、なぜ」を判断するのに役立ちます。 ただし、ビジュアル分析サイクルは直線的ではないことに注意してください。 ある疑問が別の疑問につながることがよくあります。これらのステップのいずれかに戻るか、別のステップにジャンプすることが必要になる場合があり、最終的には有用な発見につながります。
ステップ #1: ビジネス目標を決定します。
この段階では、組織のエグゼクティブおよび下流の目標に関する知識が必要になります。 これは、売上とウェブサイトのトラフィックの増加という狭い範囲から、ブランドの認知度の向上という広い範囲まで可能です。 これは、プロセスの後半で、データ駆動型の意思決定に影響を与える重要業績評価指標 (KPI) と指標を選択するのに役立ちます。また、分析が主要なビジネス目標をサポートするように、どのデータを調査し、どの質問を行うかを決定するのにも役立ちます。
たとえば、マーケティング活動が Web サイトのトラフィックを増やすことを目的としている場合、KPI を受け取った連絡先の送信数にリンクして、セールスがリードをフォローアップできるようにすることができます。
ステップ #2: ビジネス チームに重要なデータ ソースを依頼します。
短期的および長期的な目標を理解するには、組織全体の従業員から情報を得ることが重要です。 これらのインプットは、人々が分析で尋ねる質問や、検証済みのデータ ソースに優先順位を付ける方法に影響を与えます。
組織全体からの有意義なインプットは、役割、責任、アーキテクチャ、プロセス、および進捗状況を分析するための成功指標など、分析の展開と将来の状態の方向性に役立ちます。
ステップ #3: 必要なデータを収集して準備します。
会社のデータが複数のソースに分散している場合、高品質で信頼できるデータを取得するのは難しい場合があります。 組織のデータ ソースの範囲を決定したら、データの準備を開始できます。
インパクトが大きく、複雑さの少ないデータ ソースの準備から始めます。 すぐに影響を与えるには、最も多くの人がいるデータ ソースを選択してください。 これらのリソースから始めて、インパクトのあるダッシュボードを作成してください。
ステップ #4: データを表示して調べる:
データ駆動型の意思決定では、データの視覚化が重要です。 自分の考えを視覚的に表現することで、上層部や他の職員の決定に影響を与える機会が増えます。
チャート、グラフ、マップなどのさまざまな視覚的機能を備えたデータ視覚化は、データの傾向、外れ値、およびパターンを観察および分析するための簡単な方法です。 比較用の棒グラフ、空間データ用のマップ、時間データ用の折れ線グラフ、XNUMX つの指標を比較する散布図など、情報を適切に表示するための一般的な視覚化の種類が多数あります。
ステップ #5: 洞察を得る:
洞察を見つけ、それらを有用で魅力的な方法で表現することは、データを使用したクリティカル シンキングに必要なことです。 ビジュアル分析は、データに関する質問をして回答するための簡単な方法です。 成功や問題解決に影響を与える機会と危険を判断します。
銀行の健全性にとって重要な判断を下すために、JP モルガン・チェースは最新の分析ソリューションを採用しました。 JPMC は、基幹業務の関係 (つまり、製品、マーケティング、およびサービスの接点) と顧客データを分析することにより、カスタマー ジャーニーの包括的なビューを取得します。 たとえば、マーケティング オペレーション チームは、Web サイト、広告資料、および Chase モバイル アプリケーションなどの製品の設計上の決定に影響を与える評価を実施します。
ステップ #6: 洞察に基づいて行動し、共有する:
洞察を発見したら、それに基づいて行動するか、協力のために他の人と共有する必要があります。 ダッシュボードの共有は、これを実現する XNUMX つの方法です。 有益なテキストとインタラクティブなグラフィックを使用して重要な洞察を強調することで、視聴者の意思決定に影響を与え、日常の仕事でより知識に基づいた行動を取ることができます。
また、 AI ビジネス: 意味、アイデア、トップ ツールとモデル
データ主導の意思決定の例
影響力の大きいビジネス上の意思決定を行う場合、今日の最大かつ最も成功している企業は、データを活用して有利に働きます。 組織が意思決定プロセスでデータ分析をどのように使用するかをよりよく理解するために、これらの有名なビジネスの成功例を検討してください。
＃1。 Google でのリーダーシップ開発
Google は「ピープル アナリティクス」に重点を置いています。 Google は 10,000 件を超えるパフォーマンス レビューからデータを収集し、 従業員の定着率 有名な人物分析プログラムの 83 つである Project Oxygen の一環として。 彼らはデータを使用して、優秀なマネージャーの一般的な習慣を発見し、これらのスキルを習得するのに役立つトレーニング プログラムを開発しました。 彼らの行動により、マネージャーの好感度スコアの中央値が 88% から XNUMX% に上昇しました。
＃2。 スターバックスの不動産の選択肢
2008 年に何百ものスターバックス店舗が閉鎖された後、当時の CEO であるハワード シュルツ氏は、今後の店舗の場所を決定するために、より分析的なアプローチを取ると約束しました。
スターバックスは現在、位置分析会社と協力して、人口統計や交通傾向などのデータに基づいて潜在的な店舗の場所を特定しています。 意思決定を行う前に、組織は地域のチームからのフィードバックも受け取ります。 新しい投資を行う前に、スターバックスはこのデータを分析して、特定の分野の成功の可能性を推定します。
＃3。 アマゾンの売り上げを伸ばす
Amazon はデータを使用して、以前の購入と検索行動パターンに基づいて、顧客に推奨する製品を決定します。 Amazon のレコメンデーション エンジンは、単に製品をレコメンドするのではなく、データ分析と機械学習を利用しています。 McKinsey によると、35 年の Amazon の消費者による購入の 2017% は、同社のレコメンデーション アルゴリズムに遡ることができます。
データ主導の意思決定の利点
＃1。 より確実な選択が可能になります
データの収集と評価を開始すると、製品の発売または中止、マーケティング メッセージの変更、新しい市場への参入などの計画を立てているかどうかにかかわらず、ほぼすべてのビジネス上の問題について自信を持って意思決定を下すことが容易になるでしょう。全体的に。
データは多くの機能を果たします。 一方では、現在利用可能なものをベンチマークするのに役立ち、組織に対する意思決定の影響をよりよく理解できるようになります.
それとは別に、データは直感や直観とは異なり、論理的で具体的なものです。 ビジネス上の意思決定から主観的な部分を取り除くことで、自分自身と会社の自信を高めることができます。 この保証により、組織は、間違った決定を下すことを恐れることなく、特定のビジョンまたは計画に完全にコミットすることができます。
決定がデータに基づいていても、それが常に正しいとは限りません。 データは特定のパターンを示したり、特定の結果を予測したりする可能性がありますが、データ収集手順または解釈に誤りがある場合、データに基づく決定は正しくありません。 これが、すべての企業の意思決定の影響を定期的に分析およびレビューする必要がある理由です。
＃2。 あなたはより積極的になります
データ駆動型の意思決定プロセスを初めて展開するときは、反動的になる可能性が高くなります。 データはストーリーを語り、あなたとあなたの会社はそれに対応しなければなりません。
これ自体は便利ですが、データと分析がビジネスで果たすことができる唯一の役割ではありません。 十分な練習と適切な種類と量のデータがあれば、それを使用して、競合他社よりも先にビジネス チャンスを特定したり、脅威が深刻になる前に検出したりするなど、より積極的に行動することができます。
＃3。 コスト削減が可能
企業がビッグ データ イニシアチブへの投資を決定し、そのプロセスでよりデータ駆動型になるよう努力する理由は数多くあります。 ハーバード ビジネス レビューのために NewVantage Partners が行ったフォーチュン 1,000 のエグゼクティブの最近の調査によると、さまざまなプロジェクトの成功率は異なります。
この調査によると、最も効果的なイニシアチブの 49 つは、データを使用してコストを削減することです。 コストを削減するプロジェクトを開始した組織の XNUMX% 以上が、投資を回収しました。 他のイニシアチブでは、一貫性の低い結果が得られました。
コンサルティング会社 NewVantage Partners の CEO 兼マネジング パートナーである Randy Bean 氏は、調査結果が発表された際に、「ビッグ データはすでに運用効率を改善するために使用されています。 「そして、最新の情報に基づいて十分な情報に基づいた意思決定を行う能力は、急速に標準になりつつあります。」
よりデータドリブンになる方法
ビジネスアプローチでよりデータドリブンになりたい場合は、そこに到達するために実行できるさまざまな手段があります。 以下は、分析的な考え方で日常業務に取り組む方法の例です。
＃1。 意外なところにあるパターンを探す。
本質的に、データ分析は、複数のデータ セット内または複数のデータ セット間でパターンを発見する試みです。 これらのパターンと関係から洞察と推論を得ることができます。
私生活と職業生活の両方で、より分析的であるように意識的に決定することは、よりデータ駆動型になるための第一歩です。 これは簡単に見えるかもしれませんが、練習が必要です。
オフィスにいて金融口座を調べているときでも、食料品店の列に並んでいるときでも、電車に乗っているときでも、身の回りのデータのパターンを探してください。 パターンを特定したら、調査結果を外挿し、それらが発生する理由について結論を導き出す練習をします。 この簡単なアクティビティは、生活の他の側面でよりデータ駆動型になるように自分自身を訓練するのに役立ちます。
＃2。 すべての決定をデータに関連付ける
ビジネスに関連するものであろうと個人的なものであろうと、意思決定に直面したときは、直感や過去の行動に頼って行動方針を決定することは避けてください。 代わりに、分析的な態度を採用するように意図的に努力してください。
決定を通知するために使用できるデータを特定します。 データが存在しない場合は、自分で収集する方法を検討してください。 データを取得したら、それを評価し、洞察を意思決定に適用します。 目標は、パターン スポッティングの演習と同様に、分析が意思決定プロセスの自然な部分になるように十分な練習をすることです。
＃3。 データの重要性を示す
データの視覚化は、データ分析プロセスの重要な要素です。 数字の表を解釈することはほとんど不可能です。 チャートやグラフの形で魅力的なビジュアライゼーションを作成すると、傾向をすばやく発見し、データに関する結論を導き出すことができます。
一般的なデータ ビジュアライゼーションのアプローチとツールに慣れ、すぐに利用できるあらゆるタイプのデータを試してみてください。 これは、毎月の支出傾向を表すグラフを作成し、そこから推論を引き出すのと同じくらい基本的なものです。 これらの調査結果を使用して、翌月のカスタマイズされた予算を作成できます。 その任務を終えた後、あなたはデータ駆動型の意思決定を首尾よく下したことになります。
＃4。 勉強を続けることを考える
意思決定プロセスにデータを組み込む方法を自分で学習することに抵抗がある場合は、成功するために必要なデータ サイエンス スキルを構築するのに役立つさまざまなトレーニングの選択肢があります。
どのソリューションがあなたにとって最も理にかなっているかは、あなたの個人的および専門的な目的によって決まります。 たとえば、大きなキャリア チェンジを計画している人は、データ分析やデータ サイエンスに重点を置いて修士号を取得することを選択できます。 しかし、それ以外の人にとっては、オンライン ビジネス分析やデータ サイエンスのコースを受講するだけで、成功への土台を築くのに十分な場合があります。
まとめ
データ主導の意思決定には多くのメリットがありますが、そこにたどり着くために全力を尽くす必要はないことを認識することが重要です。 小規模から始めて、パフォーマンスのベンチマークを行い、すべてを文書化し、進行に合わせて調整することで、組織内でよりデータ駆動型になり、繁栄することができます。
- データ主導の意思決定とマーケティング
- モバイルアプリの力をビジネスの成長に活用
- 管理レポート：管理レポートのガイドライン
- スターバックスカスタマーサービス：ベストプラクティスの説明!!! （+無料のヒント）
- 最高戦略責任者：組織図、職務内容、給与
参考文献
