Quand ça marche, Big Data peut être une belle chose - quelle organisation ne voudrait pas d'informations plus exploitables avec lesquelles alimenter de meilleures décisions basées sur les données dans la quête d'un avantage concurrentiel ? Mais dans la course à l'acquisition de Big Data, les dirigeants peuvent facilement dévier de leur trajectoire avec des résultats dévastateurs. Selon CEM (divulgation : client), seulement environ 1/3 des entreprises sont capables d'utiliser efficacement le Big Data. Dans l'article d'aujourd'hui, j'examinerai les pièges qui attendent ces entreprises à la poursuite du Big Data.
Il est clair que certaines organisations (Amazon, Google, le gouvernement fédéral, etc.) sont mieux placées que d'autres pour exploiter les opportunités offertes par le Big Data. Voici la chose - toutes les entreprises n'ont pas accès, et encore moins la capacité de collecter, d'évaluer et d'opérationnaliser des données en exaoctets (environ 1 milliard de gigaoctets). La quantité d'infrastructures et de personnel nécessaires pour intégrer des données provenant d'entrées disparates, mais omniprésentes, est stupéfiante. La dure réalité est que pour chaque entreprise capable d'exploiter le Big Data, des centaines échoueront dans leur tentative de le faire.
MBO's, KPI's, segmentation, analytics et maintenant Big Data. Tous les dirigeants mesurent les choses - la question est de savoir s'ils mesurent les bonnes choses, pour les bonnes raisons et au bon moment ? Bien que je ne conteste pas la valeur du Big Data, je préférerais que les organisations concentrent leurs efforts de manière réaliste sur l'opérationnalisation connaissances quel que soit le volume ou la vitesse qu'ils peuvent actuellement gérer, puis s'inquiéter de l'échelle. Permettez-moi d'être clair - les mesures sont au mieux inutiles, et très probablement nuisibles, si les mauvaises choses sont mesurées, et en particulier lorsque la quantité est valorisée par rapport à la qualité. Dans un colonne précédente sur Forbes Je mets en garde les dirigeants contre le fait de trop s'appuyer sur les « données » en expliquant que toutes les données ne sont pas de bonnes données (ceci vaut la peine d'être lu).
D'après mon expérience, la plupart des entreprises tentent au moins de mesurer les éléments 1 et 4, mais échouent souvent à mesurer les 3 autres catégories, qui se trouvent également être les mesures les plus significatives. Les sociétés les mieux gérées mesurent les 5 catégories (ainsi que divers sous-ensembles) en se concentrant sur les éléments 3 et 5.
Commençons par énoncer ce qui devrait être évident : toutes les entreprises doivent surveiller les mesures financières statiques de base des revenus, des dépenses, du seuil de rentabilité, des bénéfices et des flux de trésorerie. Bien que l'analyse de ces pilotes vous donne des informations de base sur le fonctionnement, ils sont également quelque peu myopes. La raison pour laquelle je dis cela est que si l'analyse historique est importante, elle passe à l'étape suivante en utilisant ces mesures historiques comme références pour calculer les moteurs de rendement prospectifs qui vous aideront à affiner votre entreprise. Bien que l'aperçu suivant ne soit en aucun cas exhaustif, il constitue un excellent point de départ pour alimenter une réflexion et une conversation productives.
Inducteurs de rendement quantitatif :
Des mesures telles que le retour sur actifs (ROA), le retour sur capitaux propres (ROE), Retour sur investissement (ROI), Return on Cash (cash-on-cash) et Return on Human Capital (ROHC) vous donneront des informations plus utiles que les calculs statiques mentionnés ci-dessus. L'avantage de l'analyse de rendement est que chaque domaine peut être décomposé en plusieurs calculs de rendement qualitatifs plus raffinés.
Facteurs de retour qualitatifs :
Un excellent exemple d'analyse de rendement qualitatif serait la marge de contribution (CM), qui est une mesure qualitative de la performance d'un segment, d'une équipe ou d'un individu sur les bénéfices. Un autre exemple serait le retour sur l'innovation qui serait la mesure qualitative de l'impact sur les nouvelles initiatives. Ces types de moteurs de rendement qualitatifs vous permettent de prendre des décisions d'investissement tournées vers l'avenir qui peuvent avoir un impact immédiat sur l'entreprise.
Inducteurs de performance quantitatifs:
Les mesures dans cette catégorie seraient des éléments tels que les obstacles de revenus, le temps facturable, l'utilisation, les obstacles de production et les niveaux de service. Ce sont les mesures de la performance d'une organisation par rapport à ses références.
Facteurs de performance qualitatifs:
Les mesures de cette catégorie sont celles où une organisation devient réellement productive grâce à l'analytique. Ces ensembles de mesures se concentrent sur les mesures entourant les éléments qui génèrent de l'influence, améliorent la culture, développent les talents, créent l'engagement, constituent des équipes, gèrent l'expérience client, améliorent la satisfaction client et augmentent la valeur de la marque. Atteindre le niveau qualitatif de la mesure du rendement est difficile dans la mesure où il est souvent nécessaire de surmonter un ensemble de comportements et de croyances traditionnels en matière de leadership.
Posez-vous cette question… mesurez-vous les mesures qui sont d'une importance cruciale, ou seulement celles qui sont évidentes et faciles à mesurer ? Si la direction de l'entreprise peut apporter les ajustements d'attitude nécessaires pour créer une responsabilisation et se concentrer sur des mesures de performance qualitatives, elle constatera que ce sont ces mesures qui aident à catalyser la croissance, à permettre l'exécution et à créer des organisations dynamiques.
Les pensées? Je serais également intéressé à avoir de vos nouvelles concernant les mesures/métriques qui vous ont été particulièrement bénéfiques.
Ce site web utilise des cookies.
