Cara Membuat Strategi Intelijen Bisnis Baru Anda

Intelijen bisnis memiliki potensi untuk mengungkap wawasan data yang dapat mendorong bisnis Anda ke tingkat pertumbuhan dan kesuksesan yang baru. Tetapi jika Anda masih belajar bagaimana memanfaatkan perangkat lunak BI baru Anda, cukup membuka potensi itu bisa terasa seperti perjuangan.

Jen Larson, direktur analitik pemasaran dan penelitian untuk Serikat Kredit Pegawai Negara Bagian Pennsylvania (PSECU), akrab dengan perjuangan ini, dan cara mengatasinya.

Kami baru-baru ini duduk bersama Larson untuk mengobrol tentang strategi intelijen bisnisnya guna membantu bisnis lain memanfaatkan perangkat lunak BI mereka sebaik mungkin. Untuk meringkas apa yang kami pelajari, pengguna perangkat lunak BI baru harus fokus pada dasbor yang sederhana dan estetis secara visual; visualisasi data yang konsisten dan interaktif; dan mengumpulkan data untuk memberikan analisis lanjutan guna memanfaatkan perangkat lunak BI baru mereka secara maksimal dalam jangka pendek dan jangka panjang. Baca terus untuk detail lebih lanjut tentang cara menerapkan strategi ini.

Ketika Larson pertama kali bergabung dengan PSECU pada tahun 2020, dia berbicara dengan pimpinan departemen yang berbeda untuk mencari tahu masalah apa yang mereka hadapi.

“Pengulangan umum yang saya dengar ketika saya pertama kali bergabung dengan PSECU adalah keluhan bahwa (pengguna) harus membuka 17 laporan berbeda di semua tempat untuk mendapatkan semua informasi yang diperlukan untuk menjawab pertanyaan,” katanya.

Solusi untuk masalah ini tidak mudah, tetapi sudah jelas: dashboards .

“Dashboarding telah memungkinkan kami untuk membawa semua laporan yang berbeda dan nomor yang berbeda di semua tempat ke dalam satu area di mana (pengguna) dapat menjawab satu masalah atau pertanyaan,” kata Larson.

Larson mengatakan bahwa dasbor adalah alat utamanya untuk memberdayakan kepemimpinan PSECU untuk membuat keputusan berdasarkan data yang lebih baik. Dan bintang utaranya untuk menggunakan dasbor adalah untuk memastikan bahwa mereka mengklarifikasi dan tidak membingungkan.

“Bagi saya dasbor yang bagus menjawab pertanyaan,” katanya. “Misalnya, Anda tidak ingin laporan atau visualisasi yang melihat sesuatu dari perspektif pinjaman di dasbor yang sama dengan hal-hal yang dilihat dari perspektif anggota. Anda ingin seseorang dapat melihat dasbor dan visualisasi serta laporan di sana dan berkata 'Oke, saya tahu bahwa ini adalah tempat yang bisa saya datangi untuk menjawab pertanyaan semacam ini.' “

Ketika Larson pertama kali bergabung dengan PSECU, demografi anggota organisasi tersebut berada di "15 laporan berbeda", menurut perkiraannya. “Anda harus mengklik keluar, klik masuk, klik keluar … Solusi dasbor telah memungkinkan kami untuk mengambil semua data itu ke satu tempat. Jadi kami bekerja dari satu sumber kebenaran.”

Pengguna dapat menggunakan perangkat lunak BI modern dengan dasbor interaktif untuk menjelajahi data mereka tanpa ilmuwan data. Salah satu dasbor profil anggota Larson memungkinkan pengguna untuk melihat data nasional, atau menerapkan filter untuk melihat data khusus untuk penduduk Pennsylvania.

Siap memanfaatkan fitur dasbor di perangkat lunak BI baru Anda? Berikut adalah beberapa tips untuk langkah selanjutnya:

• Tetap sederhana. Dasbor yang tidak digunakan adalah dasbor yang tidak berguna, meskipun berisi informasi yang berguna. Jadi, jika Anda mencoba memasukkan terlalu banyak data ke dasbor Anda segera, Anda berisiko membuatnya terlalu berlebihan dan membingungkan bagi pengguna akhir sampai-sampai mereka tidak dapat melakukan apa pun dengan informasi yang disajikan. Anda selalu dapat meningkatkan jika pengguna meminta informasi lebih lanjut.
• Ingatlah untuk menggunakan filter dan menelusuri. Filter memungkinkan pengguna untuk melihat subset data yang berbeda dalam dasbor tanpa perlu membuat dasbor yang sama sekali baru. Analis dapat mengatur filter ini sebelumnya untuk memastikan pengguna akhir dapat menjelajahi dasbor dalam batas yang telah ditentukan.
• Gunakan dasbor interaktif hanya jika diperlukan. Hanya karena Anda memiliki opsi untuk membuat dasbor interaktif bagi pemangku kepentingan internal, bukan berarti Anda perlu menggunakan fitur ini. Misalnya, jika Anda berbagi dasbor dengan klien eksternal, Anda mungkin ingin menghapus fungsionalitas interaktif untuk mencegah mereka menjelajahi data kepemilikan yang tidak dimaksudkan untuk mereka akses.

Saat tim Larson mencoba menentukan cara menyajikan data yang berbeda secara visual, akan sangat membantu jika Anda dapat mencoba berbagai bagan dan grafik dengan mudah. Perangkat lunak BI PSECU memungkinkan pengguna memuat kumpulan data dasar dan kemudian menggunakannya untuk mengisi berbagai jenis bagan dan grafik.

“Jadi, Anda tidak terikat pada jenis bagan atau grafik tertentu,” kata Larson. “Anda dapat bermain-main untuk melihat apa yang paling masuk akal secara visual untuk pesan yang ingin Anda capai.”

Visualisasi data ini memberdayakan analis data untuk menjadi kreatif dan menyajikan temuan data mereka dalam format yang paling sesuai dengan audiens yang mereka presentasikan.

Misalnya, ketika Larson melihat peta geografis yang menunjukkan bagaimana COVID-19 menyebar di seluruh negeri, itu memberinya ide. Timnya mencoba menunjukkan kedekatan anggota dengan inventaris ATM PSECU, dan peta geografis ternyata menjadi jenis grafik yang sempurna.

“Kami dapat melihat konsentrasi anggota relatif terhadap ATM dan itu membantu kami mengetahui di mana kami mungkin membutuhkan lebih banyak ATM, lebih sedikit ATM, dan bahkan fungsionalitas ATM. Ada yang menerima uang tunai (deposito) dan ada yang tidak, misalnya,” ujarnya. “Lebih gelap untuk konsentrasi anggota yang lebih tinggi, lebih terang untuk radius ATM yang lebih sedikit untuk seberapa jauh orang bersedia melakukan perjalanan ke ATM. Dan kemudian ATM diberi kode warna untuk menunjukkan fungsinya.”

Menggunakan visualisasi data, tim Larson dapat dengan cepat membuat mock-up peta geografis seperti itu tetapi kemudian juga memasukkan data yang sama ke dalam diagram lingkaran untuk melihat persentase anggota yang tinggal dalam berbagai jarak ke ATM, misalnya.

Siap untuk memaksimalkan fitur visualisasi data di perangkat lunak BI baru Anda? Berikut adalah beberapa tips untuk langkah selanjutnya:

• Jika ragu, tempatkan diri Anda dalam pola pikir audiens Anda. Jika Anda kesulitan memilih jenis visualisasi yang tepat untuk sekumpulan data, tanyakan pada diri Anda siapa yang akan menjadi audiens dan pertanyaan apa yang mungkin mereka miliki. Kemudian pilih jenis grafik yang paling menjawab pertanyaan-pertanyaan tersebut.
• Perhatikan elemen visual dari visualisasi data. Larson mengatakan bahwa gaya dan desain hampir sama pentingnya dengan data itu sendiri. Misalnya, Anda mungkin tidak boleh memberi kode warna merah untuk menunjukkan angka yang meningkat.
• Jika Anda memiliki sumber daya, libatkan tim kreatif Anda dengan standar merek. Tim desain kreatif di PSECU menciptakan standar merek dan palet warna untuk memudahkan tim Larson fokus pada wawasan data dan memastikan bahwa mereka menggunakan skema warna yang tepat.

Proliferasi kecerdasan buatan dan pembelajaran mesin selama dekade terakhir telah memungkinkan perangkat lunak intelijen bisnis Anda melakukan beberapa hal menakjubkan yang membatasi prediksi masa depan. Teknologi ini mungkin tampak menakutkan bagi pengguna baru, tetapi ini adalah kunci untuk membuka wawasan paling kuat untuk membantu mengembangkan organisasi Anda.

Contoh kasus: Tim Larson telah mengeksplorasi pemodelan data dan analitik prediktif untuk membantu mengungkap di mana anggota berada dalam perjalanan keanggotaan mereka dan apa produk serikat kredit terbaik berikutnya untuk anggota tertentu.

“Ini membantu kami dengan otomatisasi pemasaran dan pemasaran yang ditargetkan,” katanya. “Ini membantu kami menyampaikan pesan yang tepat kepada orang yang tepat pada waktu yang tepat.”

Alat analitik canggih ini dapat membantu tim Larson mendeteksi pola yang menunjukkan ketika seorang anggota yang memiliki banyak kesamaan demografis dengan anggota lain berada dalam posisi utama untuk membuka rekening pasar uang, sebagai salah satu contoh.

Pertimbangan utama untuk memanfaatkan analitik tingkat lanjut dalam perangkat lunak BI baru Anda adalah data di baliknya. Analitik tingkat lanjut mengandalkan data besar sebagai bahan bakar untuk memperkuat wawasan mendalam ini, dan Anda tidak dapat memiliki satu tanpa yang lain.

Jika Anda khawatir bahwa Anda tidak memiliki kumpulan data yang cukup besar untuk mendukung analitik tingkat lanjut, Larson memiliki beberapa kata yang meyakinkan.

“Sebagian besar tempat saya bekerja memiliki lebih banyak data daripada yang mereka kira,” kata Larson. “Lihatlah data apa yang Anda miliki dan katakan, 'Apakah ada pertanyaan yang saya miliki berdasarkan data ini yang dapat kami jawab?' Jadi misalnya, pertanyaan banyak orang adalah 'Berapa lama saya akan memiliki pelanggan atau anggota ini?' “

Jadi, bahkan jika Anda hanya memiliki beberapa tahun data historis tentang kapan anggota pergi dan berapa lama anggota tinggal, Anda dapat memasukkan data tersebut ke dalam perangkat lunak BI Anda dan membiarkan analitik lanjutan mengungkap kesamaan demografis yang dapat membuka tren yang lebih besar. Misalnya, Anda mungkin menemukan bahwa anggota yang baru saja membuka rekening pasar uang biasanya tetap menjadi anggota setidaknya selama lima tahun.

“Itu tidak harus sempurna,” kata Larson. “Tapi dari sana, mungkin Anda bisa mendapatkan beberapa indikasi data yang akan membantu Anda memahaminya sedikit lebih baik. Dan Anda selalu dapat memperbaiki dan menjadi lebih baik. Itulah hal yang menyenangkan tentang itu. Hanya karena Anda datang dengan model sekali tidak berarti Anda sudah selesai. ”

Siap memanfaatkan analitik tingkat lanjut dalam perangkat lunak BI baru Anda? Berikut adalah beberapa tips untuk langkah selanjutnya:

• Mulailah mengumpulkan data sesegera mungkin. Anggap data sebagai bahan bakar yang mendukung analitik tingkat lanjut Anda. Anda pasti ingin mengumpulkan sebanyak mungkin yang Anda bisa, dan bahkan jika Anda baru memulai, Anda mungkin sudah memiliki lebih banyak data daripada yang Anda sadari.
• Untuk memulai, gunakan data apa pun yang Anda miliki. Bahkan jika Anda terbatas pada data demografis, atau beberapa tahun laporan keuangan, misalnya, Anda dapat menggunakan kumpulan data tersebut untuk mulai menjelajahi saat Anda mengumpulkan lebih banyak.
• Jangan takut untuk bereksperimen. Analisis prediktif pada dasarnya adalah ilmu yang tidak pasti. Larson menggunakan contoh seorang ahli meteorologi. Meskipun laporan cuaca tidak selalu 100% akurat, setiap prakiraan menghasilkan lebih banyak data untuk membantu membuat prediksi di masa mendatang lebih akurat.

“Secara budaya, untuk menempuh jalan itu, Anda harus siap untuk bereksperimen dan Anda harus siap untuk salah. Jadi jika Anda tidak memiliki kasih karunia dari kepemimpinan atau mentalitas tim bahwa Anda akan melakukan yang terbaik dan melakukannya, maka Anda mungkin tidak akan berhasil terlalu jauh, ”katanya. “Saya selalu mengatakan bahwa tidak ada ramalan yang sempurna. Jika Anda melihat para ekonom dan bahkan ramalan cuaca, Anda tahu bahwa Anda tidak akan pernah bisa memprediksi masa depan dengan sempurna. Tapi Anda bisa menjadi cukup dekat. ”

Gunakan perangkat lunak BI baru Anda untuk menjadi tim pendukung terbaik di organisasi Anda

Intinya, kata Larson, adalah ingat untuk menggunakan perangkat lunak BI untuk melayani orang lain. Tim analitik data tidak boleh bekerja di balik pintu tertutup, menjaga data, dan menjelajahi data tersebut berdasarkan keinginan mereka sendiri. Mereka harus berkecimpung dalam bisnis melindungi data organisasi sebagai sumber daya vital dan menerjemahkannya ke dalam format yang memungkinkan tim lain memanfaatkannya sebaik mungkin.

“Saya melihat tim saya sebagai pendukung utama untuk setiap tim lain,” kata Larson. “Kami bukan garis depan. Kami bukan orang yang melakukan hal-hal dengan data ini dan membuat keputusan bisnis. Jadi tugas kami adalah mendukung area lain untuk mendapatkan data yang mereka butuhkan dalam format yang mereka butuhkan dengan cara yang dapat mereka pahami sehingga mereka dapat membuat keputusan berdasarkan data berdasarkan data tersebut.”

Untuk membantu tim analitik Anda menjadi tim pendukung utama di organisasi Anda, berikut ringkasan tips yang kami bagikan di artikel ini:

Kami berharap pengalaman Larson membuat Anda merasa bersemangat dan diberdayakan untuk mulai membuat lebih banyak dari perangkat lunak BI Anda sendiri. Saat Anda siap untuk menjelajahi lebih banyak kiat untuk memanfaatkan perangkat lunak BI Anda secara maksimal, kami telah membahasnya dengan blog intelijen bisnis kami. Berikut adalah beberapa artikel terbaru untuk memulai:

• Perbandingan Kategori: Business Intelligence vs. Big Data
• 3 Perangkat Lunak Dasbor Gratis Terbaik
• Pembelajaran dengan Pengawasan vs Tanpa Pengawasan: Model Pembelajaran Mesin Mana yang Tepat untuk Anda?

Sumber

1. Jen Larson, LinkedIn
2. Penampil Tablo, Tablo
3. Pelacak Data COVID, CDC.gov