¿La monetización de datos realmente requiere una disciplina de proceso?

roughly ¿La monetización de datos realmente requiere una disciplina de proceso?
will cowl the newest and most present counsel approaching the world. admittance slowly correspondingly you comprehend competently and accurately. will layer your data skillfully and reliably

Para hacerlo bien, nuestra respuesta es sí…


Se actualizó este artículo para incluir principios de diseño y otros elementos, ya que los CDO y CDAO continúan demostrando el valor del análisis de datos para los directores de operaciones y directores ejecutivos. El camino hacia el C-suite está en probar el ROI del análisis de datos, configurar las pruebas y proporcionar la evidencia.

Como profesional y líder analítico, siempre he enfatizado la necesidad de crear un proceso predecible, repetible y estable para la innovación de datos analíticos. Un proceso de innovación de datos ayudaría a la empresa a monetizar sus activos de datos críticos. Una capacidad de monetización tiene aplicaciones para varios dominios comerciales y de advertising, como la gestión de campañas, la experiencia del cliente, el desarrollo de productos, la segmentación de clientes y prospectos, y más (riesgo, and so on.). Un buen proceso de monetización de datos tiene en su esencia la capacidad de generar pilotos cada trimestre para facilitar pruebas y aprendizaje más significativos. La innovación de datos analíticos tiene un impacto directo en la satisfacción y retención del cliente.

Este artículo fue escrito inicialmente hace unos años; sin embargo, en ese momento, lo único que parecía que escuchábamos period sobre ganancias rápidas y no sobre configurar la monetización y probar y aprender como un proceso. Postulo que el enfoque continuo en ganancias rápidas únicamente y no crear un proceso de aprendizaje puede estar obstaculizando la adopción analítica y moviendo la madurez del análisis de datos al siguiente nivel. Hay ganancias rápidas buenas y ganancias rápidas malas dependiendo de si son medibles y escalables. Ahora podría ser el momento de sugerir un equipo y un proceso más definidos dentro de la CDAO y diseñar mundos para pisar el acelerador de las monetizaciones. En algunas empresas, particularmente en Fintech, las prácticas de diseño unidas a la cadera con las CDAO están comenzando a crear dicho proceso. Mis actualizaciones del proceso están a continuación.

Actualizaciones del proceso de innovación de datos

Bigstock

Los desafíos en el desarrollo del proceso de innovación de datos analíticos incluyen:

  • Construir una capacidad robusta de monetización de datos para impulsar la estrategia comercial y de consumo al mejorar los ingresos y los impactos en las ganancias en varias actividades.
  • Desarrollar una hoja de ruta de análisis estratégico para llevar a la empresa al siguiente nivel. Como punto de partida, es necesario comprender el estado precise del análisis de datos y las ciencias de la decisión.
  • Optimizar la función para impulsar el crecimiento orgánico mediante la actualización de las capacidades existentes a medida que el negocio se transforma de los canales fuera de línea a los digitales.
  • Construir un equipo de expertos altamente respetado con nuevos conjuntos de habilidades para crear productos analíticos y monetizar los datos al tiempo que garantiza el cumplimiento de la privacidad del consumidor y otras consideraciones reglamentarias. Esto incluye conjuntos de habilidades de diseño.
  • Usar Agile y Agile at Scale para crear escuadrones y nuevos equipos, con nuevos departamentos en línea, como prácticas de diseño y COE de análisis de datos. Configure protocolos lean start-up utilizando principios de diseño para crear pruebas basadas en un proceso de monetización que tenga un camino claro para implementarse dentro de la estrategia de la empresa. La disciplina del diseño puede ayudar a los CDAO y CDO a dar vida a sus ganancias rápidas. Los casos comerciales y los objetivos de ROI deben establecerse para cada prueba y monetización.
  • Establecer una orientación hacia la innovación y el cambio de liderazgo, centrándose en una prueba eficiente y una disciplina de aprendizaje para mejorar el resultado ultimate. En muchas firmas, esto todavía no es un proceso y un equipo definido, aunque, como se mencionó, las start-ups y las fintech parecen estar a la cabeza en esta área.

Para cada piloto, se debe seguir un proceso de monetización, comenzando con la definición del caso comercial y examinándolo con socios comerciales y ejecutivos. ¿Está la empresa dispuesta a hacer cambios e implementar los aprendizajes? Después de obtener la aprobación de los socios comerciales, reúna el equipo adecuado para mantener el esfuerzo de monetización en marcha, incluidos patrocinadores ejecutivos, consultores/expertos en análisis, académicos, expertos en prácticas de diseño, empresas de creación de prototipos, patrocinadores de línea de negocios y TI.

Para crear el proceso de desarrollo piloto adecuado, puede utilizar Agile y SDLC, lo que garantiza la formulación de los requisitos comerciales y de datos adecuados. Tome los mejores elementos de diferentes métodos de gestión de proyectos para crear los criterios. Por ejemplo, un método de proceso de desarrollo puede garantizar que se establezcan medidas de éxito para el proyecto.

Los siguientes pasos son realizar un análisis de factibilidad, crear un prototipo y validar el piloto. Para la mayoría de los pilotos analíticos, esto implicó crear segmentaciones o modelos de prueba que luego se pueden implementar en el mercado para que uno pueda leer y validar los resultados. Algunos de los pasos que realicé para validar los pilotos incluyeron asegurarme de que tuviéramos datos y sistemas reales para implementar la solución analítica. Por ejemplo, algunos modelos requieren fuentes de datos únicas para poder calificarlos e implementarlos en su punto de uso.

El paso ultimate es determinar en qué etapa del ciclo de monetización tomará un piloto analítico. Por ejemplo, muchas veces en la segmentación, puede encontrar un segmento rentable pero el segmento no puede crecer o escalar rápidamente. Por otro lado, un piloto que entra en implementación requerirá soporte de ejecución y el establecimiento de métricas de éxito. Un nuevo comentario sobre esto es que el piloto debe tener una definición de métricas de éxito claras y terminadas que el CEO y el COO conozcan y respalden para que cuando el piloto sea un éxito, pueda implementarse y celebrarse.

Mi filosofía es mantener una tubería de pilotos analíticos, sabiendo que solo el 10%-20% se monetizará por completo. Esta es la premisa central detrás de la prueba que aprende y falla de forma rápida y económica. Las prácticas de diseño ahora pueden ayudar a expandir la cantidad de pilotos que se monetizan. Ver el libro de Randy Bean Fracasa rápido Aprende más rápido para las perspectivas sobre esto.

Idealmente, hay suficiente diversidad de pilotos en la cola para generar nuevos productos analíticos trimestralmente. Este proceso es iterativo, ya que los pilotos deben verse como soluciones vivas, y deben establecerse departamentos, escuadrones y tribus permanentes para perpetuar este modelo.

Dado que muchos CDAO todavía están luchando con la tenencia y la inversión y demostrando el ROI, quiero sus pensamientos sobre cómo puede ayudar este proceso y cuál cree que es el estado del estado que está en prueba, aprendizaje y monetización. ¿Las ganancias rápidas siguen siendo rápidas o este proceso necesita usurpar las ganancias rápidas?

De los artículos de su sitio

Artículos relacionados en la Internet

I hope the article kind of ¿La monetización de datos realmente requiere una disciplina de proceso?
provides notion to you and is beneficial for add-on to your data

¿La monetización de datos realmente requiere una disciplina de proceso?
Worth creation with information analytics,Fast wins,Knowledge monetization,Take a look at and study,Design practices,Randy bean

x