Välj en sida

Allt eftersom data hälls in i företagen i en takt vi inte sett tidigare blir förmågan att ge beslutsfattare enkel tillgång till omedelbara insikter en nödvändighet för affären. Realtidsanalys gör så att organisationer kan möta denna utmaning genom att tillämpa logik och matematik på rådata vilket omvandlar siffror till tillämpbar kunskap. Detta öppnar dörren för att snabbt fatta korrekta beslut.

Precis som med alla andra kraftfulla it-verktyg, kräver realtidsanalys en hög grad av förståelse och skicklighet innan det kan användas för att möta kritiska behov i verklighetens affärsvärld. Dessa behov inkluderar saker som att förbättra arbetsflöden, lyfta marknads- och säljprogram eller att förstå olika typer av kundbeteenden.

Nedan följer sju metoder som en organisation kan använda för att undvika misstag när de vill komma ut ur startblocken med realtidsanalys och samtidigt dra maximal nytta av tekniken.

1. Begränsa realtidsanalys till relevanta användningsområden

Beslutsfattare inom it är ofta så förälskade i hastighet att de insisterar på att alla datainsikter ska levereras i realtid. I vissa fall är emellertid leverans av realtidsanalys inte bara slöseri med pengar, utan även kontraproduktivt.

– Att stoppa in din finansiella intäktsrapport, till exempel, i miljön för realtidsanalys kan vara olämpligt, speciellt om beställningar ofta ställs in, flyttas eller ändras, säger Theresa Kushner, chef för datainsikter och automation på affärstjänsteföretaget NTT Data Services.

– Hur skulle en säljchef reagera om hen den ena minuten har nått sina mål, för att i nästa, i realtid, tappa 88 procent?

Genom att förstå vilka typer av analys som verkligen tjänar på att levereras i realtid kan it-organisationer försäkra sig om vilka initiativ inom realtidsanalys som genererar betydelsefullt värde för företaget.

– Som med all slags analys behöver du en strategi för vad analyserna ska producera och vilka beslut som kommer att fattas utifrån de analyserna, säger Theresa Kushner.

2. Bygg en stark och pålitlig infrastruktur

Det kan uppstå en besvikelse inom ett företag, som förväntar sig exakta realtidsinsikter, om man inte når de mål man satt upp, helt enkelt för att infrastrukturen inte lever upp till planerade prestandanivåer.

För att försäkra sig om en långsiktig framgång med realtidsanalys behöver den underliggande infrastrukturen stödja manipulation av data, intagning av data och behandling av data i realtid, säger Dan Simion, chef för AI och dataanalys på konsultbolaget Capgemini North America.

– Man behöver också bygga modeller som stödjer behandling av realtidsdata, och datakällorna måste verkligen vara realtidskällor, inte nästan i realtid eller dagligen genererade satser av data, tillägger Dan Simion.

3. Rulla ut tillämpliga informationspaneler

Innan man sätter igång med något initiativ inom realtidsanalys bör projektledaren gå ut till användarna och ta in vilka typer av informationspaneler (dashboards) de behöver.

– Utrustad med den informationen kan it-ledaren se till att hens team ser över kraven på datainsamlingen från källdatan och se till att lösningen för realtidsanalys kan förse slutanvändarna med den information de behöver på precis de format de behöver, säger Rich Temple, vice vd och cio på Deborah Heart and Lung Center.

Han förklarar att detta tillvägagångssätt låter it-avdelningen placera slutanvändaren i centrum av diskussionen kring dataanalys.

– Istället för att smuggla in en lösning som kan störa användarens arbetsflöde, är det bäst att utföra lite fotarbete och identifiera behov och erbjuda insikter om vad som är möjligt, innan man köper in och rullar ut ett analyssystem. Detta kommer resultera i analys som är speciellt riktad till de individuella behoven för användarna, säger Rich Temple.

4. Kombinera realtidsdata med historiska data

Värdet av realtidsdata ökar exponentiellt när det kombineras med historiska data, vilket gör det möjligt för användarna att kombinera och jämföra insikter “i stunden”, noterar James Corcoran, teknikchef på KX, ett företag inom utveckling och leverans av mjukvara för dataanalys.

Tänk till exempel på temperaturdata som skickas från en sensor inbyggd i en maskin.

– Att förstå denna slags data i realtid är användbart för att kontrollera att maskinen fungerar effektivt och att gränsvärdet för hur hög temperaturen får bli inte uppnåtts, förklarar James Corcoran.

När historiska data kartläggs över dagar eller veckor kan beslutsfattare få en djupare förståelse för hur en viss maskin utför sitt arbete.

– Du kan alltså bygga prediktiva modeller baserade på andra maskiners prestandaprofiler, tillägger James Corcoran.

Corcoran beskriver denna metodologi som ”kontinuerlig underrättelse” – förmågan att fatta klokare beslut baserat på insikter från dataanalys, vare sig det gäller i realtid, historisk eller båda på samma gång, inom så snäva tidsramar som möjligt.

5. Inkorporera både interna och kontextuella data

Sumit Anand, cio på inredningskedjan At Home, föreslår att it-ledare behöver se till att deras analyspraktiker kan ta in inte bara interna data utan också kontextuell data relaterad till konkurrens, marknader, kundsegment och data från undersökningar, för att tillhandahålla en omfattande uppsättning fakta och trender.

– Det borde också finnas ett direkt inflöde till organisationens färdplan för affärstekniken och den långsiktiga finansplanen, tillägger Sumit Anand.

Sett över veckor och månader kommer tillgången till intern och kontextuell realtidsdata, rik på meningsfulla insikter, att transformera en organisations process för beslutsfattande, menar Sumit Anand.

– Detta tillvägagångssätt är effektivt eftersom det fokuserar på att transformera en organisations kultur genom att den blir mer datadriven, faktabaserad och medveten om den större helheten i affärslandskapet.

6. Fokusera på att leverera betydelsefull information

Betydelsefull (material) information, ett koncept som hämtats från juridiken och revisionen, är information som får mottagare att ändra sitt tänkande om en specifik sak eller att ändra en bedömning eller handlingsinriktning.

– De kommer att göra något som svar på att ta emot betydelsefull information, säger Kenneth McGee, analytiker på analys- och rådgivningsföretaget Info-Tech Research Group.

Ett fordons oljemätare, till exempel, kommer att läsas av bara en gång, om ens det, under en resa. Det är statisk information. Men om systemet larmar genom ljus eller ljud, kommer föraren att omedelbart tänka på att hitta en lösning efter nästa avfart, förklarar Kenneth McGee.

Beslutsfattare och chefer tar emot ett överflöd av information – långt mer än de kan absorbera i sin helhet.

– Men bara en liten mängd användbar information behöver analyseras i realtid för att främja framgång, noterar Kenneth McGee.

7. Bygg ett analysteam som förstår företagets nyckelbehov

Analysteamet bör vara en verklig partner, inte bara en enkel mottagare av order. ”När analysteamet ses som en möjliggörare för affärer och inte bara som ett kostnadsställe kommer företaget att bli villiga att investera i mänskliga resurser och teknik för att stödja analysfunktionen”, rådgör Kathy Rudy, partner och ansvarig dataanalytiker på Services Group, ett företag inom teknisk forskning och rådgivning.

Det bästa sättet att se till framgång är att förse analysteamet med kunskaper om affären så att det kan tillföra relevanta insikter, säger Kathy Rudy.

– Ju mer de kan om affären, desto bättre kommer de bli på att leverera analyser som gör skillnad.

Över tiden kommer ett analysteam med stöd i ryggen att uppnå förmågan att förse beslutsfattare med allt mer relevanta data, så att de kan fatta snabba och välinformerade beslut.

– Detta inkluderar att ta fram marknadsdata genom API:er och datainsamling som stöd för internt genererade analyser. Att vara en partner genom realtidsanalys och berätta för företagsledare om saker som de inte kan veta på egen hand, eller inte ens tänkt på att fråga, kommer göra dig till rockstjärna, säger Kathy Rudy.

 

Läs mer