অনেক সংস্থা যারা মনে করে যে তারা ডেটা-চালিত তা এখনও প্রথম গিয়ারে রয়েছে। আপনি কীভাবে কেবল প্রচুর ডেটা সংগ্রহ করা থেকে শুরু করে একটি ব্যবসায়িক বিশ্লেষণ ফাংশন সেট আপ করতে যান যা আসলে আপনাকে বলে যে কীভাবে লাভজনকতা উন্নত করতে আপনার মডেলকে পরিবর্তন করতে হয়?
আমরা ট্র্যাভিস অ্যান্ডারসনের সাক্ষাত্কার নিয়েছি, টপটালের ব্যবসায়িক বিশ্লেষণের পরিচালক, একটি কোম্পানির মধ্যে একটি কেন্দ্রীয় ফাংশন সেট আপ করার জন্য, রিপোর্টিং পক্ষপাত দূর করা, ডেটা ব্যবহারের গুরুত্ব এবং সম্ভাব্য ক্ষতির বিষয়ে তার অন্তর্দৃষ্টি এবং ব্যবসায়িক বিশ্লেষণের টিপস পেতে। টপটালের ব্যবসায়িক বিশ্লেষণের পরিচালক হিসাবে, অ্যান্ডারসন এমন একটি দলের নেতৃত্ব দেন যা ডেটা কার্যকলাপের সাথে ব্যবসায়িক কৌশল সংযুক্ত করে ডেটা-চালিত সিদ্ধান্ত গ্রহণকে সক্ষম করে (যেমন, ডেটা বিশ্লেষণ, রিপোর্টিং, ডায়াগনস্টিক অ্যানালিটিক্স, এবং ডেটা সায়েন্স)।
ব্যবসায়িক বিশ্লেষণ বিক্রয়, বিপণন, অর্থ, পণ্য, অপারেশন এবং এইচআর সহ ব্যবসার সমস্ত কার্যকরী ক্ষেত্র সমর্থন করে। অ্যান্ডারসন এক দশকেরও বেশি অভিজ্ঞতা তৈরি করে এবং গুরুত্বপূর্ণ ব্যবসায়িক প্রবৃদ্ধি চালানোর জন্য নেতৃস্থানীয় বিশ্লেষণ এবং প্রকৌশল দল নিয়ে এসেছেন, যার মধ্যে রয়েছে Vivint Smart Home, Symantec, Brigham Young University, এবং তার স্টার্টআপ, Mapline-এ। তিনি ব্রিগহাম ইয়াং ইউনিভার্সিটি থেকে মেকানিক্যাল ইঞ্জিনিয়ারিং এবং এমবিএতে বিএস এবং এমএস ডিগ্রি অর্জন করেছেন।
MicroStrategy-এর 2020 গ্লোবাল স্টেট অফ এন্টারপ্রাইজ অ্যানালিটিক্স রিপোর্ট অনুসারে, ব্যবসায়িক বিশ্লেষণ ব্যবস্থাপকদের আরও ভাল এবং আরও সচেতন সিদ্ধান্ত নেওয়ার অনুমতি দেয় এবং ম্যানেজারদের সংস্থানগুলিকে আরও দক্ষতার সাথে ব্যবহার করতে এবং শেষ পর্যন্ত বটম লাইনকে অপ্টিমাইজ করতে সাহায্য করে অপারেশনাল দক্ষতা বাড়াতে পারে৷
টপটালের ক্ষেত্রে, অ্যান্ডারসন আমাদের ব্যবসা পরিচালনা এবং গ্রাহকদের জীবনকালের মূল্যের কেন্দ্রবিন্দু চারটি নীতি চিহ্নিত করেছেন:
এই চারটি নীতিও ব্যবসার জন্য ডেটা এবং ব্যবসায়িক বিশ্লেষণে ROI পরিমাপ করার একটি উপায়৷
অ্যান্ডারসনের মতে, টপটালে যোগদানের সময় তিনি যে প্রথম চ্যালেঞ্জের মুখোমুখি হন তা ছিল বিশ্লেষণে অভ্যন্তরীণ পদ্ধতির রূপান্তর। সেই সময়ে, বেশিরভাগ অভ্যন্তরীণ কার্যকরী দল তাদের বিশ্লেষণ চালিয়ে যাচ্ছিল। বেশিরভাগ দলে একজন ডেটা বিশ্লেষক ছিল এবং তারা প্রত্যেকেই তাদের ডেটা কাজ করছিল, যা বেশিরভাগই রিপোর্টিং, বিশ্লেষণ এবং প্রবণতা বিশ্লেষণের উপর কেন্দ্রীভূত ছিল। যদিও একটি ডেটা সংস্কৃতি বিদ্যমান ছিল এবং লাইন ম্যানেজাররা তাদের সিদ্ধান্ত গ্রহণে ডেটা ব্যবহার করেছিলেন, সেটআপটি অকার্যকর ছিল৷
প্রতিটি দলের একটি ভিন্ন পদ্ধতি ছিল, যার ফলে বার্তাটি গোলমাল হয়ে গিয়েছিল। যেহেতু প্রতিটি গ্রুপের একটি অভ্যন্তরীণ ডেটা ফাংশন ছিল, তাই সংজ্ঞা এবং কেপিআইগুলির মধ্যে কোন সামঞ্জস্য ছিল না। ব্যবস্থাপনা আলোচনা প্রায়ই পুনর্মিলনের উপর দৃষ্টি নিবদ্ধ করে, যা একটি বিভ্রান্তি হতে পারে। যেহেতু সংজ্ঞা ভিন্ন ছিল, ডেটা থেকে শেখা, মাঝে মাঝে, হারিয়ে গেছে।
বিকেন্দ্রীভূত ডেটা সংগ্রহ এবং রিপোর্টিং থেকে উদ্ভূত দ্বিতীয় সমস্যাটি হল যে প্রতিটি দল তার ডেটা উপস্থাপনে পক্ষপাতী ছিল। প্রতিটি ফাংশন সেরা আলোতে নিজেকে চিত্রিত করার জন্য ডেটা নির্বাচন করছিল। এই অভ্যাসটি মনোযোগের অভাব এবং নিয়ন্ত্রণের সম্ভাব্য অভাব তৈরি করেছে।
অ্যান্ডারসন কোম্পানির দৃষ্টিভঙ্গি এবং ব্যবসায়িক বিশ্লেষণ কাঠামোর সম্পূর্ণ সংশোধনের কাজ শুরু করেছেন। অগ্রাধিকারটি ছিল একটি কেন্দ্রীয় ফাংশন তৈরি করা:উৎকর্ষের একটি বিশ্লেষণ কেন্দ্র যা ব্যবসায়িক লাইনের বাইরে বিদ্যমান এবং একটি নিয়ন্ত্রণ পয়েন্ট হিসাবে কাজ করে। একটি কেন্দ্রীয় ফাংশন নিশ্চিত করে যে ডেটা একজাতভাবে সংগ্রহ এবং বিশ্লেষণ করা হয় এবং রিপোর্টিং পক্ষপাত দূর করা হয়।
একবার কেন্দ্রটি প্রতিষ্ঠিত হলে, এটি যথাযথভাবে কর্মরত আছে কিনা তা নিশ্চিত করা প্রয়োজন। অগ্রাধিকারের প্রথম ক্রম হল দক্ষতার ব্যবধান চিহ্নিত করা। কার্যকরী হতে পারে এবং প্রভাব ফেলতে পারে এমন একটি দল তৈরি করতে, আপনার এমন লোকদের প্রয়োজন যাদের শক্তিশালী প্রযুক্তিগত দক্ষতা, শক্তিশালী সমস্যা সমাধানের দক্ষতা, তবে ব্যবসায়িক দক্ষতাও রয়েছে।
অ্যান্ডারসনের মতে, একটি কেন্দ্রীয় ডেটা এবং ব্যবসা বিশ্লেষণ ফাংশন তৈরির প্রাথমিক যোগ মান হল কর্মক্ষমতা উন্নত করা এবং খরচ কমানো . যতক্ষণ না একটি ব্যবসা সময়ের সাথে ধারাবাহিকভাবে পারফরম্যান্স পরিমাপ করে, ততক্ষণ পর্যন্ত কার্যক্ষমতা উল্লেখযোগ্যভাবে উন্নত করা ব্যবস্থাপনার জন্য চ্যালেঞ্জিং।
প্রথম ধাপ হল মেট্রিক্সের ধারাবাহিকতা প্রতিষ্ঠা করা এবং এই সম্মত মেট্রিকগুলির চারপাশে ভিত্তি করে একটি উদ্দেশ্যের পরিমাণ নির্ধারণ করা। এটির কর্মীদের অনুপ্রাণিত করার অপরিহার্য আচরণগত প্রভাব রয়েছে - যেমন অ্যান্ডারসন উল্লেখ করেছেন, কোন লক্ষ্য না থাকলে আপনি কীভাবে লোকেদের অনুপ্রাণিত করবেন? উপরন্তু, যে কোনো পরিমাণগত মেট্রিক কোনোটির চেয়ে ভালো নয়। অ্যান্ডারসনের মতে, "আপনি যদি শুধুমাত্র একটি জিনিস পরিমাপ করা শুরু করেন, তাহলে আপনি একটি প্রকৃত সুবিধা দেখতে পাবেন-হয় আপনি এটিকে প্রভাবিত করতে পারেন বা আপনি দেখতে পারেন যে এটি প্রাসঙ্গিক নয়।"
অ্যান্ডারসনের দল সমস্ত ব্যবসায়িক ফাংশন সমর্থন করে এবং প্রত্যেকের সাথে সাপ্তাহিক এবং পাক্ষিক চেক-ইন করে। কাজের প্রথম অংশ হল সঠিক তথ্য সংগ্রহ নিশ্চিত করা। এই সংগ্রহটি লোকেদের তাদের কাজ করতে অনুপ্রাণিত করতে এবং তাদের পারফরম্যান্সের জন্য একটি "স্কোর" বরাদ্দ করার জন্য একটি আচরণগত লক্ষ্য পরিবেশন করে।
একবার সামঞ্জস্যপূর্ণ এবং উচ্চ-মানের ডেটা সংগ্রহ করা হলে, সবচেয়ে বড় চ্যালেঞ্জ দেখা দেয়:প্রতিটি ব্যবসায়িক ইউনিটের জন্য সঠিক কেপিআইগুলি কী তা মূল্যায়ন করা। মূল্যায়ন উপরে থেকে শুরু হয়। বিজনেস অ্যানালিটিক্স টিম ডেটাতে কোম্পানির কৌশল তৈরি করে যাতে নির্বাচিত ব্যবসায়িক অ্যানালিটিক্স কেপিআইগুলি অন্তর্দৃষ্টি দেওয়ার ক্ষেত্রে উপযোগী হয় এবং টপ-ডাউন এবং ব্যবসায়িক স্তর উভয় ক্ষেত্রেই গুরুত্বপূর্ণ৷
উপযুক্ত কেপিআই প্রতিষ্ঠার দিকে পরিচালিত করে এমন কিছু প্রশ্ন হল:
এটি সর্বোত্তম যে ব্যবসায়িক বিশ্লেষণ দলটি ব্যবসা এবং এর কৌশলটি পুঙ্খানুপুঙ্খভাবে বোঝে। Toptal-এ, সংস্থার মিশনের জন্য কোম্পানির মধ্যে শক্তিশালী সমর্থন রয়েছে।
শব্দ পরিসংখ্যানগত মডেলিং এবং পূর্বাভাস ব্যবহার করে ডেটা প্রক্রিয়া করা হয় এবং অধ্যয়ন করা হয়। যাইহোক, এটি লক্ষ্য করা গুরুত্বপূর্ণ যে বিশ্লেষণের আউটপুট একটি সিদ্ধান্ত নয়, বরং পরিমাণগত ইনপুট যা ভাল পছন্দ করতে সহায়তা করে। শেষ পর্যন্ত, সমস্ত ব্যবসায়িক সিদ্ধান্ত ব্যবসায়ী নেতার দায়িত্ব। একটি পুনরাবৃত্ত প্রক্রিয়ার মাধ্যমে স্টেকহোল্ডার এবং ডেটা এবং ব্যবসায়িক বিশ্লেষণ দলের মধ্যে একটি অংশীদারিত্ব রয়েছে। একবার একটি সিদ্ধান্ত নেওয়া হলে, ডেটা এটিকে সমর্থন করতে হবে। শুধু তাই নয়, কেপিআইগুলির একটি নিয়মিত পুনঃমূল্যায়ন রয়েছে যাতে তারা সবসময় কোম্পানির কৌশলগত অগ্রাধিকারের সাথে সামঞ্জস্যপূর্ণ থাকে।
প্রক্রিয়া সবসময় ব্যথাহীন হয় না। অনেক সময়, স্টেকহোল্ডারদের মধ্যে ঘর্ষণ হতে পারে, কারণ ডেটাতে অনেক প্রতিক্রিয়া রয়েছে। সমস্ত পরিচালকরা এই ধরনের প্রতিক্রিয়ার জন্য সমানভাবে গ্রহণযোগ্য নয়। অ্যান্ডারসন তার দায়িত্বকে একটি হজমযোগ্য সুপারিশ প্রদান এবং এক্সিকিউটিভদের কীভাবে ডেটা থেকে প্রাপ্ত অন্তর্দৃষ্টিগুলি ব্যাখ্যা করতে হয় সে সম্পর্কে শিক্ষিত হিসাবে দেখেন৷
অ্যান্ডারসন ডেটা সংগ্রহ এবং বিশ্লেষণে দুর্বল অভ্যন্তরীণ শৃঙ্খলা থাকলে একটি কোম্পানির সম্মুখীন হতে পারে এমন সম্ভাব্য প্রতিকূল ফলাফলগুলিকে স্পর্শ করেছিলেন। পূর্ববর্তী একটি ব্যস্ততায়, তিনি এমন একটি ব্যবসার সম্মুখীন হয়েছিলেন যার একটি বড় ব্যবসায়িক ইউনিট ছিল যা কোম্পানির আয়ের একটি উল্লেখযোগ্য অংশের জন্য দায়ী ছিল। এই ব্যবসায়িক ইউনিটে একাধিক বিক্রয় প্রতিনিধি ছিলেন যারা $200 মিলিয়নেরও বেশি আয়ের জন্য সম্মিলিতভাবে দায়ী ছিলেন। যাইহোক, এই দলটি বাকি কোম্পানির থেকে আলাদাভাবে তার আয় পরিমাপ করেছে এবং একটি পৃথক সিস্টেমে রিপোর্ট করেছে।
ম্যানেজমেন্ট পরিবর্তনের সময়, একজন নতুন এক্সিকিউটিভ বুঝতে ব্যর্থ হন যে ডেটা সামঞ্জস্যপূর্ণ ছিল না এবং সমস্ত দলের সদস্যদের বরখাস্ত করেছিলেন-তারা ডেটা থেকে ভুল অন্তর্দৃষ্টি পেয়েছিলেন এবং বিশ্বাস করেছিলেন যে দলটি পারফর্ম করছে না। ইআরপি সিস্টেমে ত্রুটিপূর্ণ এবং অসামঞ্জস্যপূর্ণ সংখ্যার ভিত্তিতে এই সিদ্ধান্ত নেওয়া হয়েছিল। এটি $50 মিলিয়ন ভুল হয়ে শেষ হয়েছে। এই উপাখ্যানটি স্পষ্টভাবে ব্যাখ্যা করে যে কেন মাস্টার ডেটা ম্যানেজমেন্ট ডিসিপ্লিন অত্যন্ত গুরুত্বপূর্ণ, বিশেষ করে এমএন্ডএ ইন্টিগ্রেশনের মধ্য দিয়ে যাওয়া কোম্পানিগুলির জন্য .
অ্যান্ডারসন এমন দুটি সাধারণ সমস্যার সম্মুখীন হয়েছেন যে কোম্পানিগুলি ডেটা অ্যানালিটিক্স অন্বেষণ করতে শুরু করে। এই সমস্যাগুলি বর্ণালীর দুই প্রান্তে পড়ে। প্রথমত, কোম্পানিগুলি কখনও কখনও নিখুঁত ডেটা সংগ্রহের জন্য বড় উদ্যোগ গ্রহণ করে যা শেষ পর্যন্ত ব্যবহার করা হয় না। দ্বিতীয় সমস্যা হল যখন কোম্পানিগুলো তাদের ডেটার নিম্নমানের কারণে কোনো বিশ্লেষণও শুরু করে না। অ্যান্ডারসন এখানে যে সমালোচনামূলক পরামর্শ প্রদান করেছেন তা হল যে ডেটা নির্ভরযোগ্য না হলেও, কয়েকটি সমালোচনামূলক কেপিআই পরিমাপ করা দরকারী অন্তর্দৃষ্টি প্রদান করে। এটি করা কোম্পানিকে কীভাবে ইনপুটগুলিকে আরও নির্ভরযোগ্য করা যায় তা শিখতে অনুমতি দেবে৷
৷সঠিক KPIs পরিমাপ করা অপরিহার্য, এটা লক্ষনীয় যে খুব বেশি ডেটা (বা অপ্রাসঙ্গিক ডেটা) অগত্যা ভাল নয়। মনোযোগহীন পরিমাপ সিদ্ধান্ত গ্রহণকে বিভ্রান্ত করে এবং এটি একটি বিভ্রান্তি হতে পারে। ধারাবাহিকভাবে এবং সঠিকভাবে কয়েকটি কিন্তু গুরুত্বপূর্ণ ডেটা পয়েন্ট পরিমাপ করে শুরু করা আরও কার্যকর।
অ্যান্ডারসনের দলের কার্যকারিতা উপরের চারটি নীতির রেফারেন্সে পরিমাপ করা হয়:গ্রাহক অধিগ্রহণ, ফুটপ্রিন্ট সম্প্রসারণ, গ্রাহক ধরে রাখা এবং খরচ অপ্টিমাইজেশান। এগুলির প্রত্যেকটির জন্য, প্রভাব পরিমাপ করা হয় এবং পরিমাপ করা হয়, যা দলের কাজের জন্য একটি ROI প্রদান করে। যদি দলটি প্রচুর বিশ্লেষণ করে থাকে কিন্তু পরিবর্তনকে অনুপ্রাণিত না করে, তবে তার কাজটি অকার্যকর হয়েছে। শেষ পর্যন্ত, দলের সাফল্য মানে একটি পরিমাপযোগ্য প্রভাব।
ডেটা অ্যানালিটিক্সের সফল বাস্তবায়নের জন্য অ্যান্ডারসনের অনেক অন্তর্দৃষ্টি কয়েকটি ব্যবসায়িক বিশ্লেষণের টিপসে পাতিত করা যেতে পারে৷
প্রথমত, এই জাতীয় দলের লক্ষ্য হল পরিমানগত ব্যবস্থার মাধ্যমে নির্বাহীদের মন পরিবর্তন করা এবং প্রতিদিন তাদের প্রভাবিত করা। এগুলি হবে ছোট, ক্রমবর্ধমান পরিবর্তনগুলি ক্রমাগত পুনরাবৃত্তি এবং উন্নতির মাধ্যমে প্রভাবশালী।
দ্বিতীয়ত, ব্যবসায়িক বিশ্লেষণ দল সিদ্ধান্ত প্রদান করে না কিন্তু তথ্য প্রদান করে যা নির্বাহীদের গাইড করতে পারে। ব্যবসায়িক নেতারা এখনও একটি কোম্পানির কৌশলের জন্য সবসময় দায়ী।
তৃতীয়ত, ব্যবসায়িক বিশ্লেষণ ফাংশনের প্রভাব পরিমাপযোগ্য এবং একটি ROI থাকা উচিত৷
পরিশেষে, ব্যবসায়িক বিশ্লেষণের সীমিত সেট দিয়ে শুরু করা KPIs ডেটা পরিমাপ না করার চেয়ে ভাল . শুধু নয়, প্রক্রিয়াটি একটি প্রতিষ্ঠানে ডেটা শ্রেষ্ঠত্বের সংস্কৃতি তৈরি করে। যে কোম্পানিগুলি এটি সঠিকভাবে করে তারা সর্বদা ছাড়িয়ে যাবে, এমনকি যদি প্রাথমিকভাবে এটি প্রযুক্তিগতভাবে চতুর, ব্যয়বহুল, এবং সংস্কৃতি পরিবর্তনের প্রয়োজন হয়। যে কোম্পানিগুলি স্থির থাকে এবং সফলভাবে প্রক্রিয়াটি নেভিগেট করে তারা প্রতিভা ধরে রাখে, আরও ভাল পারফর্ম করে এবং জবাবদিহিতার একটি কর্পোরেট সংস্কৃতি প্রচার করে৷