چگونه فرهنگی ایجاد کنیم که از تصمیمات هوشمندانه حمایت کند


فرآیندهای سنتی تصمیم‌گیری برای کمک به کسب‌وکارها در تجزیه و تحلیل داده‌های گذشته و پیش‌بینی‌هایی درباره آینده عالی هستند. چنین فرآیندهایی معمولاً شامل سؤالاتی مانند “در چه فصلی از سال بیشترین محصولات را می فروشیم و چگونه می توانیم بازاریابی و زنجیره تامین را برای حفظ و افزایش این فروش ها بهینه کنیم؟”

اما سازمان های امروزی به فرآیندهای تصمیم گیری بهتری نیاز دارند. امروزه تصمیمات تأثیرات گسترده تری بر کسب و کارها دارند. و تصمیم‌ها را می‌توان با داده‌ها به روشی تقویت کرد که قبلاً هرگز به آنها کمک نمی‌کرد.

با اتخاذ هوش تصمیم گیری (DI)، سازمان ها می توانند توانایی تصمیم گیری بهتر را به دست آورند. و بسیاری وجود دارد. تا حد زیادی با تشکر از رهبران داده آنها – افرادی که می توانند تفکر مبتنی بر داده را تسهیل کنند و کارکنان را برای داشتن داده در کار روزانه خود توانمند کنند – چنین سازمان هایی نمی پرسند که داده ها به آنها چه می گوید. آنها سوالات آینده نگری مانند “مشتریان من در سال آینده چه چیزی می خواهند بخرند؟”

با پرسیدن چنین سوالاتی، این سازمان‌ها می‌توانند از مدل‌های DI خود برای درک اینکه چه داده‌هایی را باید جمع‌آوری کنند، ابزارهایی را برای تجزیه و تحلیل آن داده‌ها به کار گیرند، سریع‌تر تصمیم‌گیری آگاهانه بگیرند و با سهولت بیشتری بر تأثیر آن تصمیم‌ها در سراسر سازمان نظارت کنند.

همانطور که پم بیکر اخیراً در مورد آن نوشته است PCMag.comDI یک “فرآیند چتر واحد” ندارد. نحوه انتخاب داده ها و معماری راه حل خود کاملاً به کسب و کار شما، سؤالاتی که می خواهید به آنها پاسخ دهید، داده هایی که جمع آوری می کنید و ابزارهایی که استفاده می کنید (یا استفاده خواهید کرد) بستگی دارد.

صرف نظر از اینکه چگونه DI را پیاده سازی می کنید، به طور مداوم با سازمان خود کار خواهید کرد تا سوالات آینده نگر بپرسید و کشف کنید که چه داده هایی برای پشتیبانی از این تصمیمات مورد نیاز است.

بهترین شیوه ها در تصمیم گیری هوشمند برای مدیران داده

توسعه فرآیندهای تصمیم گیری با هوش پیشرفته با اتخاذ شیوه های زیر در چندین حوزه سازمان شما شروع می شود:

  • ایجاد ارتباط، شفافیت و پایداری به ستون های کلیدی. شما باید هوش تصمیم گیری را به گونه ای اعمال کنید که از تاثیر و طول عمر آن پشتیبانی کند. گارتنر توصیه می کند اتخاذ مدل هایی که هر بار به جای اینکه کاملاً دقیق باشند، بر قابل فهم تر بودن تمرکز دارند. شفافیت کلیدی است. تمرکز بر پایداری راه حل های بین سازمانی با ساخت مدل هایی با استفاده از اصولی با هدف بهبود قابلیت ردیابی، تکرارپذیری، ارتباط و قابلیت اطمینان آنها.
  • چشم انداز جهانی داشته باشید. تمرکز اصلی هوش تصمیم گیری شرکت شما باید بر روی تأثیرات جهانی باشد که تصمیمات کلان و خرد هر دو خواهند داشت. به عنوان مثال، راه اندازی یک محصول جدید یک تصمیم کلان است که بدیهی است چندین بخش را تحت تاثیر قرار می دهد. اما یک تصمیم کوچک مانند تغییر پیام های کلیدی در صفحه وب سایت نیز باید از نظر تأثیر جهانی آن ارزیابی شود. شما می توانید رفتارهای تحلیلی در حال ظهور غیرقابل پیش بینی را به محض ورود کنترل کرده و در آن بگنجانید. شما باید وابستگی ها و مفروضات را دنبال کنید تا ببینید در طول زمان چگونه عمل می کنند.
  • استفاده از مجموعه ای مدرن از فناوری های هوشمند. پیچیدگی را کاهش دهید و ابزارهایی داشته باشید که با هم کار کنند. به ویژه مهم است که ابزارهای شما دارای ارتباط دو طرفه باشند تا بتوانید به طور مداوم و خودکار در مورد داده ها بازخورد ارائه دهید و مدل های خودکار را اصلاح کنید.

چگونه رهبران کسب و کار می توانند چشم انداز DI را به اشتراک بگذارند

رهبران چشم انداز کسب و کار – کسانی که جهت کلی کسب و کار را هدایت می کنند – نقش مهمی در به دست آوردن پشتیبانی بین سازمانی برای معماری راه حل دارند. در اینجا نحوه اطمینان از اعمال هوشمندی برای همه تصمیمات و سنجش اثربخشی تصمیمات برای سازمان آمده است:

  • چارچوب های تصمیم را رعایت کنید. اگر هوش تصمیم گیری ” نظم معکوس اطلاعات به اقدامات بهتر در هر مقیاسی بپردازید، سپس نحوه تأثیرپذیری سازمان شما از چارچوب های تصمیم گیری جدید خود را پیگیری کنید. موفقیت ها را هدایت کنید و با دیگران در سراسر سازمان همکاری کنید تا در صورت نیاز، فرآیندها را بهبود ببخشید.
  • با چشم انداز جهانی رهبری کنید. گارتنر در گزارشی با عنوان 2020 توصیه می کند بهبود تصمیم گیری با استفاده از مدل های هوشمند تصمیم گیری که رهبران کسب و کار “اطمینان حاصل می کنند که شرکا و گزارش های مستقیم “تصویر بزرگ”، “خط پایین” را در هنگام ایجاد یک مدل تصمیم گیری در نظر می گیرند. ایده ارائه یک نتیجه جهانی این است که حتی الگوهای تصمیم گیری بسیار موضعی همیشه باید به تصویر بزرگتر کمک کنند و در یک معماری تصمیم گیری موجود ادغام شوند.
  • افراد ذینفع را زودتر جذب کنید. سهامدارانی را که مستقیماً تحت تأثیر مدل‌های تصمیم‌گیری جدید قرار می‌گیرند، درگیر کنید، از رهبران کسب‌وکار بخواهید تا بازخورد خود را به اشتراک بگذارند و آنها را در مورد شفافیت مدل از همان ابتدا آموزش دهید، و مطمئن شوید که مدل‌های شما توضیح‌پذیری را به دقت تهاجمی ترجیح می‌دهند. زیرا زمانی که رهبران کسب‌وکار بتوانند الگوها را درک کنند، می‌توانند در جذب خرید از سایر شرکت‌ها مؤثرتر باشند.

استفاده از Domo برای تصمیم گیری هوشمندانه

در اینجا چند نمونه از نحوه استفاده از Domo برای حمایت از تصمیمات هوشمند در تجارت شما آورده شده است:

  • پیش بینی تقاضا. مدل سازی سری های زمانی چند متغیره در سطح SKU. برای برنامه ریزی صحیح در سراسر زنجیره تامین و فراتر از آن، از پیش بینی بیش از حد جزئی استفاده کنید. برای برنامه ریزی تجویزی، با بهترین تجسم های کلاس Domo جفت شوید.
  • پشتیبانی از سیستم های پیش بینی. از بهترین روش‌های مدل‌سازی پرت و سری زمانی برای شناسایی فعالانه اختلالات استفاده کنید. از بینش‌های مدل برای ایجاد استراتژی‌های کاهش هدفمند برای خدمات ماشینی و اقدامات سفارشی استفاده کنید.
  • برنامه ریزی منابع. از پیش بینی تقاضا در سطح SKU برای دستیابی به برنامه ریزی دقیق منابع در سطح سازمانی استفاده کنید. برای انجام اصلاحات و اقدامات مناسب، کمبودها و مازاد احتمالی را از قبل تأیید کنید.
  • حفظ کارکنان. شناسایی فعالانه کارکنانی که در معرض خطر ترک سازمان هستند و دلایل مرتبط با ترک سازمان. بینش های مدل اجازه می دهد تا استراتژی های کاهش پیش از موعد توسعه داده شوند.
  • ریسک نکول وام بهینه سازی امضا از طریق نامزدهایی که بیشترین خطر نکول را دارند. از بینش های مدل اهرمی استفاده کنید تا سیستم های هشدار اولیه تجویزی بتوانند ریسک پیش فرض را هدف قرار داده و زودتر تصحیح کنند.
  • مدیریت پول نقد. مطمئن شوید که مقادیر مناسبی از پول بین عملکردها و حوزه های مختلف کسب و کار تخصیص داده شده است. برای انجام برنامه‌ریزی فعالی که نیاز دارید، از مدل‌سازی مصرف وجه نقد احتمالی و تقاضا استفاده کنید.

با یک نماینده فروش Domo تماس بگیرید تا درباره هوش تصمیم گیری و اینکه چگونه Domo می تواند به سازمان شما در دستیابی به هوش تجاری واقعی با DI کمک کند، بیشتر بدانید.




دیدگاهتان را بنویسید