Izobraževanja za vaš digitalni napredek

Seveda se posel ne dela »v prazno«. Da posel nastane, ni dovolj, da imamo produkt ali rešitev. V svetu poslovanja podjetij (B2B) posel nastane le ob potrebi kupca. In že smo pri naslednjem ključnem vprašanju, kdo najbolje pozna potrebe vsakega kupca posebej. Je to še vedno prodajnik, ki bo kupca prepričal z besedami? Ti časi so že zdavnaj mimo. Posel se dela na podlag podatkov, bolje rečeno spoznanj in uvidov na podlagi podatkov. Biti ob pravem času, na pravem mestu, s pravim sogovornikom je ključno, da pridemo sploh do možnosti, da sklenemo posel. In pri razpoznavanju te možnosti si vse bolj pomagamo s podatki in podatkovnimi rešitvami. Umetne inteligence morda še ne zna čisto vedno bolje predvidevati priložnost v vseh možnih situacijah, a od tega nismo več prav daleč.

Informatika seveda ni sama sebi namen. Informatika je v službi posla, oziroma tistih, ki odločajo o poslu. In to niso vodje informatike, niti direktorji. To so kupci. Informatika je pravzaprav v službi kupcev in tistih v podjetju, ki so najbolj pogosto v stiku z njimi. Da jim informatiki lahko pomagajo potrebujejo seveda ustrezne kompetence. In te seveda niso samo tehnološke. Informatiki potrebujejo razvijati velik nabor različnih kompetenc. V nadaljevanju se bomo osredotočili na kompetence povezane s področjem in vlogo podatkovnega analitika, ki sodi v podmnožico IIBA poslovnih analitikov.

Torej, pravijo da so podatki »novo zlato, nova nafta«. A kako to razpoznati in kako se naučiti »kopati in pridelovati« to novo bogastvo. Pričakovali bi, da so veščine, potrebne za to, vezane zgolj na podatkovno analizo in modeliranje podatkov, a temu ni tako. V zadnjem času – tudi v COVID-19 obdobju – se je pokazalo, da dober podatkovni analitik potrebuje širši nabor znanj in veščin, s katerimi lahko pomaga ustvarjati to novo bogastvo. Pa naj jih naštejemo le nekaj, ki niso vezane zgolj na podatke temveč na širši pogled na stranko, problem, rešitev in njeno uporabo. V opisu spodaj so odebeljena.

Prvo bi izpostavil razumevanje popotovanja strank ali »customer journey«. Ta je osnova, da lahko vidimo in razumemo, kako naše produkte ali rešitve uporablja stranka, katere so njene interakcije in stiki z nami ter kaj so medsebojne informacije, ki si jih izmenjujemo. Popotovanje zelo vpliva na njegovo izkušnjo (CX), hkrati pa daje notranjemu pogledu na podjetju potrebne vhodne zahteve za oblikovanje notranjih procesov in storitev. Podatkovni analitik je ključen, da v tem novem digitalne svetu pravilno zasnuje podatkovno arhitekturi, ki leži pod tem popotovanjem in oskrbuje z vsemi ključnimi podatki in informacijami tako kupca (o nas in našem produktu) kot tudi nas (o podatki o kupcu in njegovih aktivnostih). Pravilna zasnova podatkovne arhitekture nam omogoča, da bomo v prihodnje lahko te podatke uporabili in v njih prepoznali to novo vrednost, ko bomo na osnovi tega preoblikovali in izboljšali naš produkt ali rešitve. Znanja, ki jih podatkovni analitik potrebuje v tem delu so vsaj naslednja: Osnovno poznavanje podatkovnih tehnologij in rešitev. Načina prikaza podatkov skozi Data Story Telling ter vizualiziranja podatkov in informacij za posamezne deležnike v procesih. Dodatno je dobro, da je vešč fasilitiranja – to je vodenje in usmerjanja skupinskega dela, da bodo rezultati prišli lažje, hitreje in da bodo boljši, kot če bi jih pripravljali vsak zase.

Drug del, ki bi ga izpostavil ja razumevanje odločanja in modeliranje odločitev v procesih, ki dejansko oblikujejo pot, po kateri hodi stranka in določa pozitivne ali negativne scenarije glede na naše odločitve, kako bomo pristopili k reševanju dilem in odločanju o ključnih vprašanjih, povezanih s kupcem (npr, ali mu dam popust in koliko, da kupi sedaj ko je na spletni strani?). Dobro poznavanje modela odločitev in poslovnih pravil, ki so povezana s temi odločitvami pomaga podatkovnemu analitiku, da soustvarja in identificira poslovne priložnosti uporabe podatkovnih rešitev. Torej lažje pokaže, kje je to novo bogastvo, ki naj bi se skrivalo v podatkih in kako bomo do njega prišli. ČE na koncu lahko oblikuje podatkovnih poslovnih primerov (business case), potem bo lažje prepričal ključne deležnike, da podprejo izdelavo te rešitve in njeno vpeljavo v poslovanje.

Tretji korak nastopi po odločitvi in potrditvi Poslovnega primera, da določeno podatkovno rešitev razvijemo in vpeljemo, je ključno, da podatkovni analitik pomaga zapisati njeno funkcionalnost in uporabnost skozi oblikovane (podatkovne) primerov uporabe in hipotez, ki služijo za določanje obsega in zamejitev robnih pogojev rešitve (kaj je v obsegu rešitve in kaj ne – ter na katere hipoteze smo se pri tem naslonili). V praksi velikokrat dobimo tudi vprašanje, kako pa izvemo ali pridobimo vse potrebe in hipoteze kupcev? Odgovor je preprost – izvabiti jih je potrebno skozi pogovor in interakcijo s kupcem ter jih zapisati v obliki uporabniških zahtev (data requirements) ali uporabniških zgodb (data user story). S temi naštetimi koraki in potrebnimi veščinami za to poslovni analitik definira vse potrebno za razvoj in uvedbo posamezne rešitve in izdatno pripomore, da je čas do uvedbe (time to market) hitrejši in da je izkušnja kupca boljša (CX). Seveda mora pri tem sodelovati s timom različnih vlog v podjetju, od vodstva do razvojnih inženirjev in trženja, a v vlogi povezovalca lahko pomaga tako eni kot drugi strani razumeti, kaj je namen rešitve, kako jo bomo sestavili ali naredili, kaj zajema in kako jo bomo posredovali ali dostavili v uporabo kupcu. Ravno učinkovito in agilno timsko delo je nekaj, kar je v tem koraku ključno za to, da projekt izpeljemo učinkovito in kakovostno. Včasih je potrebno večkratno iskanje prave rešitve – prototipiranje in experimentiranje, kjer je ključno, da z prototipom preverimo pravilnost kupčevih in naših hipotez in načina uporabe rešitve, ter nato na osnovi ocene in validacije teh preskusnih testov naredimo novo različico produkta ali izboljšano verzijo storitve za kupca.

Četrti korak in mesto za sodelovanje podatkovnega analitika je v času, ko produkt ali storitev že uporabljajo kupci in je potrebno spremljati njihove odzive ter na osnovi tega izboljševati ali procese ali pa sam produkt oziroma rešitev. Zato je nujo potrebno merjenje učinkov rezultatov (KPI), ter določiti vpliv podatkov na izvajanje procesov v naši organizaciji. Česar ne meriš ne moreš upravljati, je znan rek ki je temelj za kakovostno upravljanje procesov. Podatkovni analitik je ključen pri oblikovanju in nastavitvi ključnih kazalnikov uspeha ter pri analitični pripravi podatkovnih struktur, da bomo lahko v realnem življenju te podatke tudi zbirali, analizirali in izračunali ustrezen KPI. Spremljava ustreznih KPI nas vodi v analizo uspešnosti podatkovno analitičnih projektov, katere namen je oblikovati priporočila za naslednji krog razvoja. To je zopet novo mesto iskanja bogastva v podatkih. »Data insights« kot pravijo so zelo koristen pogled na to, kako naše stranke uporabljajo naše produkte ali rešitve in kakšne vedenjske vzorce imajo pri tem. Ko spoznamo te vzorce pa je povratna zanka nazaj v izboljšanje sklenjena, saj moramo oblikovati aktivnosti za izboljšanje ter spremembe izvesti. Prav obvladovanje sprememb (change management) je morda ena veščina, ji je v letu 2020 prišla na plano zaradi razmer in nastale COVID 19 situacije.

Sklep: delo podatkovnega analitika je v današnjem svetu nepogrešljivo in neprecenljivo. Vse kar snujemo se tiče podatkov in vse kar se uporablja, lahko spremljamo preko podatkov. Tisti, ki pravilno razume vlogo podatkov v svetu svojih kupcev, bo pravilneje postavil temelje poslovanja in poslovnega modela, hitreje razvil boljšo rešitev in ustvarjal zadovoljnejše kupce. V zgornjem opisu smo z odebelili vsa ključna znanja, ki jih podatkovni analitik lahko osvoji in uporabi pri svojem delu in ki predstavljajo njegovo kompetenčno prednost kot zaposlenemu.

Avtorja: Aleš Štempihar in Andrej Guštin