Thay thế giai thoại bằng thông tin chi tiết thực

Nhà toán học, vật lý học và kỹ sư người Ireland, Lord Kelvin, đã để lại cho chúng ta vô số phát minh khoa học và những lời thông thái nổi bật sau đây: “Cái gì không được định nghĩa thì không thể đo lường được. Những gì không được đo lường, không thể được cải thiện. Những gì không được cải thiện, luôn bị suy thoái.”

Trong bốn phần trước, chúng tôi đã tạo ra một trường hợp chuyển đổi thành công không được xem như một thay đổi tuyến tính, một lần mà là những nỗ lực theo chu kỳ mang lại giá trị gia tăng và có thể đo lường được, đồng thời đủ linh hoạt để điều chỉnh đúng hướng cho các điều kiện thay đổi. Trong phần cuối cùng, chúng ta xem xét cách tiếp cận có chủ đích và có cấu trúc đối với dữ liệu, báo cáo và ra quyết định theo kinh nghiệm có thể được sử dụng để điều chỉnh thực tế của tổ chức với các mệnh lệnh chiến lược và thúc đẩy chương trình chuyển đổi.

Nhiều tổ chức tài chính đã chính thức hóa cơ sở hạ tầng lập kế hoạch chiến lược và thiết lập mục tiêu, ngân sách, quy trình lập kế hoạch đầu tư và khuôn khổ phân phối linh hoạt. Nhưng họ vẫn có thể gặp phải những bất cập trong các quy trình này và thiếu một trụ cột chung để gắn kết họ lại với nhau.

Trụ cột này đo lường sức khỏe của tổ chức bằng cách sử dụng dữ liệu cứng với thời gian trễ càng ít càng tốt. Mặc dù có sự hiểu biết rộng rãi về tầm quan trọng của dữ liệu đối với chiến lược của một tổ chức, nhưng có hai cách để thu thập thông tin cho việc ra quyết định:

• Giai thoại. Các tổ chức thường bị thúc đẩy bởi áp lực do khách hàng hoặc các bên liên quan nội bộ tạo ra. Mặc dù dịch vụ khách hàng là một mục tiêu đáng ngưỡng mộ, nhưng cách tiếp cận không có tổ chức hoặc phân mảnh về việc ai sẽ phục vụ trước thường có thể dẫn đến sự gián đoạn. Các tổ chức này cuối cùng ưu tiên những tiếng nói to nhất trong phòng thay vì những người cần thiết nhất. Các sáng kiến ​​được thực hiện với các mục tiêu không rõ ràng và ROI được hiểu kém. Sau khi hoàn thành, chiến thắng được tuyên bố dựa trên việc thực hiện thành công các mốc quan trọng hoặc cổng thu phí quản lý dự án, trái ngược với đánh giá khách quan về kết quả kinh doanh và dữ liệu hiệu suất.

• Dữ liệu đặc biệt. Thông thường trong các dịch vụ tài chính, các nhà quản lý được yêu cầu nhanh chóng tập hợp các bài thuyết trình thảo luận về vấn đề hoặc chủ đề mới nhất. Nhưng có những rắc rối tiềm ẩn phía trước. Bằng cách dựa vào dữ liệu “tại thời điểm” được thu thập một cách vội vàng, những bài trình bày này không nhận ra những tác động bất lợi mà dữ liệu không đầy đủ hoặc không phù hợp với ngữ cảnh có thể gây ra đối với việc ra quyết định và lập kế hoạch chiến lược. Loại dữ liệu này thường có một trong hai dạng:

1. Trích xuất dữ liệu sản xuất do các nhóm ứng dụng cung cấp để hiển thị trạng thái hiện tại của một hệ thống, sản phẩm hoặc hành trình của người dùng cụ thể. Loại dữ liệu này đi kèm với một loạt rủi ro và lỗ hổng riêng, bao gồm thiếu bối cảnh kinh doanh mà dữ liệu cần được xem xét, kích thước và đặc điểm lấy mẫu của tập dữ liệu được đề cập, khả năng che giấu dữ liệu nguồn và độ trễ. Những điều này dẫn đến sự nhầm lẫn và mất tập trung đáng kể trong khi bộ dữ liệu chính xác được xác định và thu thập.
2. Dữ liệu sự cố hoặc sự cố được lấy từ các nhóm hỗ trợ sản xuất đại diện cho ảnh chụp nhanh lịch sử của các sự kiện đáp ứng các tiêu chí hoạt động nhất định. Thông tin này thường bị ảnh hưởng bởi sự thiếu hoàn chỉnh, cũng như nguy cơ bị chỉnh sửa thông qua các thành kiến ​​xác nhận và xác nhận. Các hồ sơ chỉ ra thời gian và nguồn lực đã được đầu tư để giải quyết các thách thức sản xuất, nhưng thường che khuất nguyên nhân gốc rễ.

Cả hai cách tiếp cận này đều dẫn đến việc sử dụng tài nguyên không hiệu quả, làm thiếu hụt một cách tiếp cận theo dõi và đo lường mạnh mẽ hơn. Đáng lo ngại hơn, mức độ can thiệp của con người cần thiết có thể làm biến dạng dữ liệu, do sự khác biệt trong định nghĩa về các điểm dữ liệu chính hoặc sự khó chịu với thông điệp cốt lõi mà dữ liệu cung cấp.

Trong cả hai trường hợp, khối lượng công việc cần thiết để lấy được thông tin có ý nghĩa từ dữ liệu và những rủi ro liên quan đến việc hiểu sai dữ liệu khiến nó trở thành một đề xuất không có nhiều giá trị đối với các tổ chức tài chính muốn trở thành nhà lãnh đạo đổi mới. Vốn dĩ hướng tới phần thưởng, cách tiếp cận này buộc tổ chức phải điều khiển chiếc xe bằng cách chỉ nhìn vào gương chiếu hậu.

Một quan niệm sai lầm phổ biến về việc giải quyết vấn đề thiếu dữ liệu có cấu trúc này là phụ thuộc quá nhiều vào các công cụ cụ thể như Tableau hoặc Microsoft Power BI. Trên thực tế, các vấn đề sâu xa hơn nhiều chứ không chỉ đơn giản là thiếu công cụ phân tích hoặc trực quan hóa; chúng mở rộng từ những giai đoạn đầu tiên của quá trình lập kế hoạch chiến lược, thông qua việc phân phối và đi vào hoạt động kinh doanh thông thường.

Theo kinh nghiệm của chúng tôi, các tổ chức thành công phát triển mức độ thành thạo cao trong các lĩnh vực sau để xây dựng khả năng giám sát và đo lường đáng tin cậy:

1. Đo lường những gì quan trọng. Các điều kiện thị trường phổ biến, kỳ vọng của khách hàng, công nghệ mới nổi, sự gián đoạn cạnh tranh và thay đổi quy định tạo ra một bối cảnh hoạt động thay đổi liên tục cho các tổ chức tài chính. Điều quan trọng là phải hiểu các mục tiêu hướng tới tương lai và các chỉ số hiệu suất chính để giúp xác thực việc ra quyết định và cho phép lập kế hoạch kinh doanh thích ứng hơn.

Điều này có nghĩa là yêu cầu nhiều hơn một dự báo doanh thu hoặc cắt giảm chi phí trong XNUMX năm đơn giản trước khi phê duyệt một sáng kiến ​​mới. Nó có nghĩa là tạo ra sự kết nối từ trên xuống dưới giữa các mục tiêu chiến lược của tổ chức và công việc của các nhóm vận hành và phân phối. Khuôn khổ này thiết lập cốt lõi của khả năng giám sát và đo lường của một tổ chức tài chính và không thể bị phá vỡ.   

 2. Kỹ thuật và phân tích dữ liệu. Trước khi xây dựng bảng điều khiển, nền tảng phải được đặt để đảm bảo tất cả các nguồn dữ liệu được xác định và các điểm dữ liệu để lấy các số liệu kinh doanh có liên quan được lập danh mục. Điều cực kỳ quan trọng đối với tất cả các bên liên quan là hiểu dữ liệu sẽ được sử dụng cho mục đích gì và dữ liệu đó giúp thúc đẩy các số liệu họ cần như thế nào. Ví dụ: thời gian xác nhận là khoảng thời gian cần thiết để xác nhận giao dịch kể từ thời điểm đặt lệnh hay từ thời điểm giao dịch được đưa vào ngăn xếp xác nhận? Việc nhận dạng này giúp tránh nhầm lẫn và giảm bớt việc làm lại. Quá trình này được xây dựng dần dần từ khuôn khổ được thiết lập ở trên và đại diện cho các mô hình dữ liệu vật lý và cơ sở hạ tầng cần thiết để giám sát và chứng minh mục tiêu chiến lược của tổ chức.

3. Quản trị dữ liệu. Tất cả các bộ dữ liệu phải tuân theo chính sách dữ liệu của tổ chức. Mặc dù những điều này rất khác nhau tùy thuộc vào mô hình kinh doanh, tập khách hàng và bộ sản phẩm, nhưng các nguyên lý chính của quản trị dữ liệu hiệu quả là nhất quán và chúng luôn bắt đầu với nhu cầu kinh doanh đi đầu. Các câu hỏi cần xem xét bao gồm:

• Dữ liệu sẵn có. Dữ liệu cần có ở mức độ chi tiết và tần suất nào để hỗ trợ các mục tiêu đo lường và giám sát của doanh nghiệp? Mặc dù trang tổng quan hoạt động tốt nhất trên dữ liệu cấp cao do các yêu cầu về hiệu suất, nhưng dữ liệu tổng hợp không phù hợp với phân tích nguyên nhân gốc rễ vì không thể xác định các giao dịch riêng lẻ. Điều này có nghĩa là một kiến ​​trúc phù hợp nhất với nhu cầu của từng tổ chức phải được lựa chọn và thiết kế có chủ ý. Phải cẩn thận khi xác định tần suất làm mới dữ liệu. KRI thường theo thời gian thực hoặc được cập nhật hàng ngày, trong khi KPI có thể được làm mới với tốc độ chậm hơn. Tần suất nhanh hơn thường không nhất thiết phải tốt hơn khi cân bằng với chi phí cơ sở hạ tầng và các cân nhắc về hiệu suất.

• Toàn vẹn dữ liệu. Ai sở hữu một nguồn dữ liệu cụ thể và dữ liệu đó sẽ nằm ở đâu trong cơ sở hạ tầng dữ liệu của tổ chức?  Việc ra quyết định chiến lược bị xói mòn khi một tổ chức không thể đảm bảo với người tiêu dùng rằng họ đang truy cập đúng dữ liệu đến từ đúng nguồn. Anti-patterns có thể hình thành khi một tổ chức hình thành một cách hữu cơ các khả năng phân tích và dữ liệu duy nhất trên các ngành kinh doanh, mỗi ngành có các phương pháp duy nhất để tìm nguồn cung ứng và lưu trữ dữ liệu. Quyền sở hữu và trách nhiệm giải trình rõ ràng đối với dữ liệu kết hợp với vai trò và trách nhiệm được xác định tập trung là những yếu tố thành công quan trọng. 

• Bảo mật dữ liệu. Một tổ chức có thể làm gì để đảm bảo rằng các quy tắc bảo mật và quyền riêng tư của dữ liệu được áp dụng và tuân thủ rộng rãi? Việc tạo ra một mô hình quản trị dữ liệu để đảm bảo rằng chỉ những người có nhu cầu vận hành mới có thể truy cập được thông tin kinh doanh nhạy cảm đôi khi có thể phản tác dụng, tạo ra các rào cản không cần thiết. Các tổ chức chuyển đổi thành công nhận ra thách thức này và tập trung nhiều chức năng thu thập, che giấu và trực quan hóa dữ liệu. Đây là chìa khóa, đặc biệt là khi xử lý dữ liệu cấp độ giao dịch cung cấp thông tin chi tiết về hoạt động tài chính của khách hàng và thông tin nhận dạng cá nhân.

 4. Văn hóa kinh doanh thông minh. Đây là yếu tố hướng tới người dùng của khoa học dữ liệu và thường thu hút được nhiều sự chú ý nhất. Thúc đẩy một nền văn hóa nơi người dùng tích cực sử dụng thông tin không thể truy cập trước đây sẽ mở ra một thế giới khả năng để phân tích và nâng cao hiệu suất của tổ chức. Thật không may, hầu hết các công cụ như vậy không được sử dụng như dự kiến, mà là để phân tích các vấn đề sau khi thực tế. Các tổ chức bắt buộc phải thúc đẩy việc sử dụng các công cụ phân tích như các công cụ quản lý hiệu suất chủ động có thể được sử dụng để dự đoán trước các xu hướng.

Điều quan trọng là xác định các trường hợp sử dụng khác nhau và xây dựng nhiều lớp phân tích cho các cơ sở người dùng khác nhau. Thông thường, các nhà quản lý cấp trung cần chi tiết hơn trên phạm vi chức năng nhỏ hơn trong khi quản lý cấp cao cần các số liệu cấp cao hơn trong toàn doanh nghiệp. Căn chỉnh dữ liệu, KPI, trực quan hóa và thiết kế tổ chức là những gì tạo ra văn hóa ra quyết định dựa trên dữ liệu và sự linh hoạt.

Tóm lại, một khi các khả năng này có sẵn trong toàn tổ chức, chúng sẽ được đền đáp theo nhiều cách. Các nhóm lãnh đạo có thể xác định chính xác các lĩnh vực trong doanh nghiệp của họ phù hợp nhất hoặc cần chuyển đổi nhất. Các nhóm chuyển đổi có thể theo dõi kết quả nỗ lực của họ trong thời gian gần như thực. Và hai đầu của quang phổ có thể được liên kết liền mạch bằng một khung OKR được cân nhắc kỹ lưỡng. 

Cuối cùng, một cách tiếp cận tiến bộ để theo dõi và đo lường – cho phép mô hình kinh doanh linh hoạt, dựa trên dữ liệu – là điều làm nên sự khác biệt của nhiều tổ chức chuyển đổi thành công nhất. Họ sử dụng dữ liệu của mình và văn hóa linh hoạt để đưa ra quyết định tốt nhất cho những gì phía trước trong môi trường kinh doanh cực kỳ cạnh tranh và thay đổi nhanh chóng ngày nay.

• Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
• PlatoData.Network Vertical Generative Ai. Trao quyền cho chính mình. Truy cập Tại đây.
• PlatoAiStream. Thông minh Web3. Kiến thức khuếch đại. Truy cập Tại đây.
• Trung tâmESG. Ô tô / Xe điện, Than đá, công nghệ sạch, Năng lượng, Môi trường Hệ mặt trời, Quản lý chất thải. Truy cập Tại đây.
• BlockOffsets. Hiện đại hóa quyền sở hữu bù đắp môi trường. Truy cập Tại đây.
• nguồn: https://www.finextra.com/blogposting/24722/the-dna-of-a-successful-transformation-organization-part-5?utm_medium=rssfinextra&utm_source=finextrablogs