19.05.2020. je objavljena informacija o spajanju kompanija Content Insights i Smart Octo u jednu kompaniju - smartocto. smartocto je tzv. SaaS startap kompanija koja u posedu ima dva aplikativna rešenja iz oblasti analitike sadržaja (content analytics). Fokus usluga ove kompanije je u segmentu analitike sadržaja medija (content analytics for publishers). Tog dana sam podelio pomenutu vest, i prvi put sam javno promenio svoju poslovnu poziciju na Linkedinu, što je imalo za posledicu dosta pitanja na temu - šta ja tačno tamo radim, odnosno šta znači poslovna pozicija “Digital Media Business Analytics Manager”? Ovaj tekst je na temu opisa najvećeg problema digitalne i poslovne analitike danas - kako stvoriti smisao od podataka koje analizirate za vaš veb sajt ili kompaniju, i u kojoj je vezi taj problem sa pomenutom poslovnom pozicijom. Šta radi menadžer biznis analitike digitalnih medija? Od početka 2019. g. moj glavni klijent je kompanija Content Insights (koja je 19.05. integracijom postala kompanija smartocto). U toj kompaniji mi je posao u timu za izradu pojednostavljenih varijanti prikaza analitike sadržaja, koje imaju za cilj da jednostavno i očigledno upute klijente u to kako da poslovno odlučuju u odnosu na rezultate (performanse) veb sajta. Ispostavilo se da je za ovaj posao potreban čitav niz znanja i iskustava koja sam “pokupio” u poslednjih 20+ godina rada, kao što su digitalna analitika, poslovna analitika, statistika, poznavanje onlajn medija biznisa, digitalnog izdavaštva, marketinga, prodaje, itd. Actionable Insights Development - proces kreiranja razumljivih uvida u podatke Na engleskom jeziku postoji izraz “actionable insights development”, koji opisuje proces kreiranja razumljivih “uvida” (insights), i koji imaju za cilj da lako dovedu do poslovne odluke, na osnovu zaključaka donetih analizom podataka. Generalno posmatrano, actionable insights imaju za cilj da “stvore smisao” od podataka koje imate o vašem veb sajtu ili o vašoj kompaniji. Na osnovu jednostavnog uvida u te podatke trebalo bi da bez mnogo razmišljanja dođete do poslovne odluke (npr. gde da se reklamirate, kako da povećate prodaju, kako da smanjite trošak poslovanja i sl.). U poslednjih pet godina nekoliko istraživanja najuspešnijih kompanija pokazuje da je više od 80% takvih kompanija koje imaju želju da postanu “vođeni podacima” (data-driven), ali samo nešto više od 30% njih uspeva da kvalitetno unapređuje svoj (onlajn) posao konsultujući podatke o svom poslovanju (data-informed). Koliko dobro koristite vaše podatke iz Google Analytics-a? Odgovor na pitanje zašto tako malo najuspešnijih kompanija kvalitetno koristi podatke u svom poslovanju možete i sami dati, ako ste ikada ušli i koristili neku veb analitiks alatku kao što je Google Analytics (GA), ili pogledaje gornju sliku u ovom tekstu. Koliko vam je jednostavno da pronađete smisao u ogromnim količinama podataka koje predstavlja GA, koliko često na osnovu tih podataka poslovno odlučujete, i koliko ste sigurni da ste dobro upotrebili te podakte za poslovno odlučivanje? Veliki broj kompanija koje imaju svoje aplikativno rešenje iz oblasti veb analitike, često daju za rezultat više podataka ili informacija (dodatno komplikuju analizu, umesto da je pojednostavljuju), i ne daju ono što obećavaju - bolju analizu i bolje zaključke na osnovu datih podataka. Prethodno napisano je razlog zašto poslednjih nekoliko godina jedan od konsalting poslova koji sam najčešće radio jeste trening i konsalting iz oblasti jednostavnog korišćenja GA za potrebe kompanija (obično su to e-trgovine). Veoma je lako izgubiti se u silnim mogućnostima veb analitičkih alata, što ima za rezultat veliku potrošnju vremena na analize za koje se ne zna da li su uopšte dovoljno dobre za vaš posao. Zašto postoji veliki problem analize poslovnih podataka? Odgovor na pitanje problema analize podataka ste takođe mogli sami da vidite za vreme vanrednog stanja, kada ste pročitali ili videli sledeće pitanje: “Kako je 100 zaraženih na početku pandemije značilo mogućnost ‘Italijanskog ili Španskog scenarija’, a sada 100 zaraženih znači da izlazimo iz krize?” Većina osoba ne zna da tumači podatke, ne zna statistiku, ne razume razliku između apsolutnih i relativnih vrednosti podataka, itd. Ovakve osobe često u kompanijama treba da poslovno odlučuju i da koriste podatke u tom odlučivanju. Sa druge strane, osobe na poslovnim pozicijama pod nazivom “data analyst” se najčešće razumeju u prikupljanje, obradu i vizuelizaciju velikih količina podataka, a da bi došli do adekvatnih razumljivih uvida u konkretnu poslovnu problematiku, u njihovom timu je potrebno da postoji osoba koja ima veliko znanje i iskustvo iz te poslovne problematike i iz analitike. Kratak (i ne naročito informativan) odgovor na prethodno pitanje veliki problema analize podataka je - da biste došli u situaciju da lako “izvlačite smisao” iz gomile podataka potrebno je dosta vremena i prethodnog iskustva u tom poslu. Kreiranje razumljivih “uvida” (actionable insights) zahteva od samih kreatora tih “uvida” da imaju adekvatna znanja i pozitivna iskustva iz 3 faze razvoja (digitalne) analitike: Opisna analitika (descriptive analytics) - Aplikativna rešenja kao što je Google analytics su aplikacije iz oblasti opisne analitike. Cilj ovakvih aplikacija je da opisuju podatke i daju informacije o tome šta se desilo u sistemu (veb sajtu), ili šta se trenutno dešava. Prediktivna analitika (predictive analytics) - Statistička obrada postojećih podataka i kreiranje kvalitetnih matematičkih modela predviđanja (predikcije) budućih rezultata poslovanja, na osnovu prethodno kvalitetno odabranih podataka. U poslednjih godinu ili dve počela su da se pojavljuju aplikativna rešenja iz oblasti prediktivne analitike koja opravdano mogu platiti (odnos cena/kvalitet) uspešne manje kompanije. Preskriptivna analitika (prescriptive analytics) - Kreiranje upotrebljivih, razumljivih i jednostavnih “uvida” (actionable analytics) koji omogućuju donošenje kvalitetnih zaključaka i odluka u poslovanju, nalazi se u segmentu preskriptivne analitike. Preskriptivna analitika daje “recept” (prescription) šta da radite na osnovu podataka koje imate u vašem poslovanju. U poslednjih godinu ili dve počela su da se pojavljuju aplikativna rešenja iz oblasti preskriptivne analitike koja opravdano mogu platiti (odnos cena/kvalitet) uspešne manje kompanije. Ukratko, potrebno je veoma veliko znanje i iskustvo iz oblasti digitalne analitike. Osnovni problem u ovoj oblasti jeste - kako dovoljno pojednostaviti “uvid” (insight) da on ima poslovnog smisla s jedne strane, a da sa druge strane ima dovoljno elemenata za poslovno odlučivanje onih koji taj “uvid” analiziraju. Da bih ilustrovao problem “pojednostavljivanja”, dovoljno je da napomenem da je naš tim za pojedine “uvide” (insights) trebao i po deset iteracija/verzija (od nekoliko nedelja do nekoliko meseci razvoja od inicijalnog kreiranja). Proces unapređenja “uvida” (insight) traje do momenta kada na osnovu testiranja sa našim klijentima, dođemo do dovoljno razumljivog i jednostavnog prikaza i opisa poslovnog problema. To uključuje prikaz i opis načina kako se posmatrani poslovni problem može rešiti tim “uvidom”. Razlog zašto je toliko zahtevno kreirati jednostavan prikaz rezultata koje mogu da daju podaci, jeste upravo generalni nivo (ne)znanja tumačenja podataka od strane osoba u kompaniji, koje treba da poslovno odlučuju na osnovu datih “uvida” (insights). Šta je potrebno da bi kompanija počela da kvalitetno koristi podatke o svom (onlajn) poslovanju i da time značajno unapređuje poslovne rezultate? Što kompanija više koristi svoje poslovne podatke u poslovanju, ima veću šansu za značajnije napredovanje i značajnije povećanje prihoda. Ali, da bi se to i desilo potrebna je jaka želja koja slama otpore promenama u kompaniji zbog promene načina poslovanja, dosta vremena i pozitivno iskustvo. U nastavku sledi kratak opis nekoliko najvažnijih preduslova da bi kompanija počela uspešno da konsultuje poslovne podatke za značajno unapređenje svog poslovanja: Želja za korišćenjem podataka za poboljšanje poslovnog odlučivanja. Veliki broj donosilaca odluka deklarativno želi da poboljša svoje odlučivanje na osnovu uvida u razumljive podatke o poslovanju, ali se u praksi često dešava da u odlučivanju ipak preovlađuje “osećaj”, bez obzira na to šta podaci o govore o tom “osećaju”. Načini vođenja posla, određivanje poslovnih ciljeva, planiranje poslovanja i strateško odlučivanje u poslu. U zavisnosti od načina kako se i koliko planira u poslovanju kompanije zavisi i koliko će značajno kompanija bolje poslovati uvođenjem korišćenja poslovnih podataka u odlučivanju. Mnoge kompanije koje su “vođene na osnovu osećaja” trebaju dosta vremena da bi realno iskoristile mogućnosti unapređenja poslovanja analizom poslovnih podataka. Razvijanje načina učenja u kompaniji i razvijanje načina uvođenja promena u poslovanje. Da bi upotreba (digitalne) analitike značajno unapredila poslovanje u kompaniji, potrebno je sprovesti u delo prilagođavanje poslovnih procesa novom načinu donošenja odluka (odlučivanje uz pomoć podataka). Za to je potrebno edukovati zaposlene novom načinu poslovanja. To se obično rešava na početku tako što se oformi mala grupa zaposlenih koja samostalno radi celokupanj posao pripreme za odlučivanje uz pomoć podataka (slično kao na primeru ozbiljnijeg uvođenja društvenih mreža u poslovanje kompanije - prvo deo zaposlenih koristi društvene mreže u poslovanju, kasnije većina zaposlenih). Edukacija iz oblasti statističke analize podataka (data literacy). Potrebno je da bar neko od glavnih menadžera razume analizu podataka, a naročito neko ko bi trebao da bude u timu koji će da razvije uvođenje analize podataka u poslovno odlučivanje (analitika predstavlja način poslovnog odlučivanja u odnosu na analizu podataka). Bez obzira na mogućnost angažovanja spoljnih konsultanata za ovakve poslove, trebalo bi da postoje zaposleni u kompaniji koji će naučiti načine razumevanja podataka i njihove analize. Razvoj kulture poslovanja u pravcu poslovnog odlučivanja koje zasnovano na analizi podataka (data driven vs. data informed). Razvoj načina upotrebe podataka u poslovnom odlučivanju obično ide u pravcu da kompanije prvo ulaze u fazu poslovanja i poslovnih rezultata koji su “vođeni” podacima (data-driven). Tek nakon nekog vremena i uz pozitivna iskustva, kompanije prelaze u fazu poslovnog odlučivanja koje je konsultovano kvalitetnim podacima, a nije vođeno tim podacima. Na početku korišćenja podataka u poslovnom odlučivanju u kompaniji dobro je znati da postoji ovakva podela razumevanja upotrebe podataka u poslovanju. Znači, za značajno unapređenje poslovanja korišćenjem podataka u poslovnom odlučivanju, prethodno su opisani preduslovi koji relativno brzo mogu kompaniju dovesti do vidno dobrih poslovnih rezultata. Često u praksi, kompanijama su potrebne godine, mnogo potrošenog vremena i bačenih para, dok se ne dođe do stadijuma poslovanja u kojem poslovni rezultati vidno napreduju konsultovanjem poslovnih podataka. Jednostavni i razumljivi “uvidi” u podatke i značajno poboljšanje poslovnih rezultata (“Boj ne bije svijetlo oružje...”) Kroz ceo ovaj tekst se provlači konstatacija da postoji veoma veliki broj činilaca koji utiču na to da li će neka kompanija iskoristi analizu svojih poslovnih podataka za unapređenje poslovanja. U ovom tekstu ste mogli da pročitate koliko je kompleksno kreiranje realno jednostavnih i upotrebljivih “uvida” (insights), i od čega to sve zavisi. Važno je znati da bez obzira na upotrebljivost opisanih “uvida”, ako se oni ne koriste redovno u poslovanju, nema nogo koristi od njih. Npr. u medijskoj industriji se često dešava da urednici dobiju veoma korisne i upotrebljive alatke digitane analitike za svoj posao, ali zbog prethodno stvorenih navika oni te alatke retko koriste ili ih ne koriste, iako vide prednosti njihovog korišćenja. Razlog za takvo ponašanje je činjenica da ljudi u osnovi ne vole da menjaju svoj način rada na koji su navikli godinama. Prethodni primer opisuje osnovni preduslov za uspešnu implementaciju korišćenja podataka u poslovnom odlučivanju - značajno poboljšanje poslovnih rezultata može da se desi samo ako se promeni postojeći način poslovanja.  
Pročitajte celu vest