Comment les grandes organisations utilisent-elles les données et les analyses pour éclairer les décisions stratégiques et opérationnelles? Les hauts dirigeants donnent un aperçu des défis et des opportunités.
Rares sont ceux qui contestent le fait que les organisations disposent de plus de données que jamais. Mais en réalité, tirer des conclusions significatives de ces données - et convertir les connaissances en actions - est plus facile à dire qu'à faire. Nous nous sommes entretenus avec six hauts dirigeants de grandes organisations et leur avons posé des questions sur les défis et les opportunités liés à l'adoption d'analyses avancées: Murli Buluswar, directeur scientifique d'AIG; Vince Campisi, directeur de l'information chez GE Software; Ash Gupta, directeur des risques chez American Express; Zoher Karu, vice-président de l'optimisation globale des clients et des données chez eBay; Victor Nilson, vice-président principal du Big Data chez AT & T; et Ruben Sigala, responsable des analyses chez Caesars Entertainment. Une transcription révisée de leurs commentaires suit.
Transcription de l'entrevue
Défis auxquels les organisations sont confrontées en adoptant l'analytique
Murli Buluswar, directeur scientifique, AIG: Le plus grand défi de faire passer une culture savante à une culture d'apprentissage - d'une culture qui dépend largement de l'heuristique dans la prise de décision à une culture beaucoup plus objective et axée sur les données. la puissance des données et de la technologie - ce n'est vraiment pas le coût. Au départ, cela finit en grande partie par l'imagination et l'inertie.
Ce que j'ai appris au cours de mes dernières années, c'est que le pouvoir de la peur est assez énorme pour évoluer et penser et agir différemment aujourd'hui, et pour poser des questions aujourd'hui que nous ne posions pas sur nos rôles auparavant. Et c'est ce changement d'état d'esprit - d'un état d'esprit d'expert à un état beaucoup plus dynamique et beaucoup plus axé sur l'apprentissage, par opposition à un état d'esprit fixe - qui, selon moi, est fondamental pour la santé durable de toute entreprise , grand, petit ou moyen.
Ruben Sigala, responsable de l'analyse, Caesars Entertainment: Ce que nous avons trouvé difficile et ce que je trouve encore difficile dans mes discussions avec mes homologues, c'est de trouver l'ensemble des outils qui permettent aux organisations de générer de la valeur efficacement tout au long du processus . J'entends parler des gains individuels dans certaines applications, mais je pense que nous avons tous des problèmes avec un écosystème plus cohérent dans lequel cela est pleinement intégré, en partie parce que c'est encore très tôt. Bien que nous en parlions apparemment depuis quelques années, la technologie évolue toujours; les sources évoluent toujours.
Zoher Karu, vice-président, optimisation globale des données et des données, eBay: L'un des plus grands défis concerne la confidentialité des données et ce qui est partagé par rapport à ce qui n'est pas partagé. Et mon point de vue à ce sujet est que les consommateurs sont prêts à partager si la valeur est retournée. Le partage à sens unique ne va plus voler. Alors, comment pouvons-nous protéger et comment pouvons-nous exploiter cette information et devenir un partenaire avec nos consommateurs plutôt que juste un fournisseur pour eux?
Zoher Karu, vice-président, optimisation globale des données et des données, eBay: L'un des plus grands défis concerne la confidentialité des données et ce qui est partagé par rapport à ce qui n'est pas partagé. Et mon point de vue à ce sujet est que les consommateurs sont prêts à partager si la valeur est retournée. Le partage à sens unique ne va plus voler. Alors, comment pouvons-nous protéger et comment pouvons-nous exploiter cette information et devenir un partenaire avec nos consommateurs plutôt que juste un fournisseur pour eux?
Capturing impact from analytics
Ruben Sigala: Vous devez commencer par la charte de l'organisation. Vous devez être très précis au sujet de l'objectif de la fonction au sein de l'organisation et de la façon dont elle a l'intention d'interagir avec l'entreprise en général. Certaines organisations commencent par se concentrer sur les fonctions traditionnelles telles que le marketing, la tarification et d'autres domaines spécifiques. Et puis il y a d'autres organisations qui adoptent une vision beaucoup plus large de l'entreprise. Je pense que vous devez d'abord définir cet élément.
Cela permet de mieux informer la structure appropriée, les forums, puis, en fin de compte, de définir les niveaux d'opération plus granulaires tels que la formation, le recrutement, etc. Mais l'alignement sur la façon dont vous allez diriger l'entreprise et la façon dont vous allez interagir avec l'organisation dans son ensemble est absolument essentiel. De là, tout le reste devrait tomber dans la ligne. C'est ainsi que nous avons commencé notre chemin.
Vince Campisi, directeur de l'information, GE Software: L'une des choses que nous avons apprises est que lorsque nous commençons et que nous nous concentrons sur un résultat, c'est une excellente façon d'offrir de la valeur rapidement et d'enthousiasmer les gens. Et cela nous a menés dans des endroits que nous n'avions pas prévus d'atteindre auparavant. Nous pouvons donc aller après un résultat particulier et essayer d'organiser un ensemble de données pour atteindre ce résultat. Une fois que vous faites cela, les gens commencent à apporter d'autres sources de données et d'autres choses qu'ils veulent se connecter. Et cela vous emmène vraiment dans un endroit où vous allez après un résultat que vous n'aviez pas prévu d'atteindre avant. Vous devez être disposé à être un peu agile et fluide dans votre façon de penser les choses. Mais si vous commencez avec un résultat et le livrez, vous serez surpris de savoir où cela vous mènera ensuite.
Vince Campisi, directeur de l'information, GE Software: L'une des choses que nous avons apprises est que lorsque nous commençons et que nous nous concentrons sur un résultat, c'est une excellente façon d'offrir de la valeur rapidement et d'enthousiasmer les gens. Et cela nous a menés dans des endroits que nous n'avions pas prévus d'atteindre auparavant. Nous pouvons donc aller après un résultat particulier et essayer d'organiser un ensemble de données pour atteindre ce résultat. Une fois que vous faites cela, les gens commencent à apporter d'autres sources de données et d'autres choses qu'ils veulent se connecter. Et cela vous emmène vraiment dans un endroit où vous allez après un résultat que vous n'aviez pas prévu d'atteindre avant. Vous devez être disposé à être un peu agile et fluide dans votre façon de penser les choses. Mais si vous commencez avec un résultat et le livrez, vous serez surpris de savoir où cela vous mènera ensuite.
Ash Gupta, chef des risques, American Express: Le premier changement que nous avons dû faire était juste de rendre nos données de meilleure qualité. Nous avons beaucoup de données, et parfois nous n'utilisions pas ces données et nous n'accordions pas autant d'attention à leur qualité que nous le devons maintenant. C'était, premièrement, de s'assurer que les données ont la bonne lignée, que les données ont le bon but autorisé pour servir les clients. Ceci, dans mon esprit, est un voyage. Nous avons bien progressé et nous espérons continuer à progresser dans notre système.
Le deuxième domaine consiste à travailler avec nos employés et à nous assurer que nous centralisons certains aspects de nos activités. Nous centralisons nos capacités et nous démocratisons son utilisation. Je pense que l'autre aspect est que nous reconnaissons, en tant qu'équipe et en tant qu'entreprise, que nous-mêmes n'avons pas les compétences suffisantes et que nous avons besoin d'une collaboration entre toutes sortes d'entités en dehors d'American Express. Cette collaboration vient des innovateurs technologiques, elle vient des fournisseurs de données, elle vient des entreprises analytiques. Nous devons mettre ensemble un paquet complet pour nos collègues de travail et nos partenaires afin que ce soit un argument convaincant que nous sommes en train de développer des choses ensemble, que nous apprenons à colorier, et que nous construisons les uns sur les autres.
Le deuxième domaine consiste à travailler avec nos employés et à nous assurer que nous centralisons certains aspects de nos activités. Nous centralisons nos capacités et nous démocratisons son utilisation. Je pense que l'autre aspect est que nous reconnaissons, en tant qu'équipe et en tant qu'entreprise, que nous-mêmes n'avons pas les compétences suffisantes et que nous avons besoin d'une collaboration entre toutes sortes d'entités en dehors d'American Express. Cette collaboration vient des innovateurs technologiques, elle vient des fournisseurs de données, elle vient des entreprises analytiques. Nous devons mettre ensemble un paquet complet pour nos collègues de travail et nos partenaires afin que ce soit un argument convaincant que nous sommes en train de développer des choses ensemble, que nous apprenons à colorier, et que nous construisons les uns sur les autres.
Exemples d'impact
Victor Nilson, vice-président principal, Big Data, AT & T: Nous commençons toujours par l'expérience client. C'est ce qui compte le plus. Dans nos centres de service à la clientèle maintenant, nous avons un grand nombre de produits très complexes. Même les produits simples ont parfois des problèmes ou des solutions potentiels très complexes, de sorte que le flux de travail est très complexe. Alors, comment pouvons-nous simplifier le processus pour l'agent de service à la clientèle et le client en même temps, chaque fois qu'il y a une interaction?
Nous avons utilisé des techniques de big data pour analyser toutes les permutations différentes afin d'augmenter cette expérience afin de résoudre ou d'améliorer plus rapidement une situation particulière. Nous prenons la complexité et la transformons en quelque chose de simple et d'exploitable. Simultanément, nous pouvons ensuite analyser ces données et ensuite revenir en disant: «Optimisons-nous le réseau de manière proactive dans ce cas particulier?» Donc, nous prenons l'optimisation non seulement pour le service à la clientèle mais aussi pour le réseau, puis lier ensemble aussi.
Nous avons utilisé des techniques de big data pour analyser toutes les permutations différentes afin d'augmenter cette expérience afin de résoudre ou d'améliorer plus rapidement une situation particulière. Nous prenons la complexité et la transformons en quelque chose de simple et d'exploitable. Simultanément, nous pouvons ensuite analyser ces données et ensuite revenir en disant: «Optimisons-nous le réseau de manière proactive dans ce cas particulier?» Donc, nous prenons l'optimisation non seulement pour le service à la clientèle mais aussi pour le réseau, puis lier ensemble aussi.
Vince Campisi: Je vais vous donner une perspective interne et une perspective externe. Premièrement, nous faisons beaucoup dans ce que nous appelons un fil numérique: comment relier l'innovation par l'ingénierie, la fabrication et l'entretien d'un produit. [Pour en savoir plus sur l'approche "fil numérique" de l'entreprise, voir "Jeff Immelt de GE sur la numérisation dans l'espace industriel."] Et, dans ce cadre, nous nous concentrons sur une usine géniale. Alors, prenez l'exemple de l'optimisation de la chaîne d'approvisionnement. Nous avons été en mesure de prendre en charge plus de 60 silos d'informations sur l'achat de matériel direct, de tirer parti des analyses pour examiner de nouvelles relations et d'utiliser l'apprentissage automatique pour identifier les quantités d'efficacité de nos produits.
Un exemple externe est la manière dont nous tirons parti des analyses pour vraiment améliorer les performances des actifs. Nous appelons cela la gestion de la performance des actifs. Et nous commençons à permettre aux industries numériques, comme un parc éolien numérique, de tirer parti des analyses pour aider les machines à s'auto-optimiser. Ainsi, vous pouvez aider un fournisseur d'électricité qui utilise le même vent que celui qui a traversé et, en faisant en sorte que les éoliennes se positionnent correctement et comprennent comment optimiser le vent, nous avons démontré la capacité de produire jusqu'à 10% de plus production d'énergie à partir de la même quantité de vent. C'est un exemple d'utilisation de l'analytique pour aider un client à générer plus de rendement et plus de productivité grâce à ses investissements en capital existants.
Un exemple externe est la manière dont nous tirons parti des analyses pour vraiment améliorer les performances des actifs. Nous appelons cela la gestion de la performance des actifs. Et nous commençons à permettre aux industries numériques, comme un parc éolien numérique, de tirer parti des analyses pour aider les machines à s'auto-optimiser. Ainsi, vous pouvez aider un fournisseur d'électricité qui utilise le même vent que celui qui a traversé et, en faisant en sorte que les éoliennes se positionnent correctement et comprennent comment optimiser le vent, nous avons démontré la capacité de produire jusqu'à 10% de plus production d'énergie à partir de la même quantité de vent. C'est un exemple d'utilisation de l'analytique pour aider un client à générer plus de rendement et plus de productivité grâce à ses investissements en capital existants.
Gagner la guerre des talents
Ruben Sigala: La concurrence pour le talent analytique est extrême. Et il est difficile de préserver et de maintenir une base de talents au sein d'une organisation, surtout si vous considérez cela comme une compétence de base. Nous nous sommes principalement concentrés sur le développement d'une plate-forme qui reflète ce que nous considérons comme une proposition de valeur importante pour les personnes qui souhaitent démarrer une carrière ou poursuivre une carrière dans ce domaine.
Lorsque nous parlons de la proposition de valeur, nous utilisons des termes tels que la possibilité d'avoir une incidence réelle sur les résultats de l'entreprise, d'avoir un large éventail d'exercices analytiques auxquels vous serez régulièrement confrontés. Mais, dans l'ensemble, faire partie d'une organisation qui voit cela comme un élément critique de la façon dont elle est en concurrence sur le marché, et ensuite exécuter contre cela régulièrement. En partie, et pour le faire bien, il faut avoir de bons programmes de formation, il faut avoir des formes d'interactions très spécifiques avec l'équipe senior. Et vous devez également faire partie de l'organisation qui dirige la stratégie de l'entreprise.
Murli Buluswar: J'ai trouvé que se concentrer sur les principes fondamentaux de la création de la science, nos aspirations, et comment faire partie de cette équipe va façonner l'évolution professionnelle des membres de l'équipe a été assez profond pour attirer le calibre des talents se soucient de. Et puis, bien sûr, vient la partie encore plus difficile de vivre cette promesse au jour le jour.
Oui, l'argent est important. Ma philosophie sur l'argent est que je veux être dans le 75e percentile; Je ne veux pas être dans le 99e centile. Parce que peu importe où vous êtes, la plupart des gens - en particulier les gens dans la fonction de science des données - ont la possibilité d'obtenir une augmentation de 20 à 30 pour cent de leur rémunération, s'ils choisissent de faire un mouvement. Mon intention n'est pas d'essayer de réduire cet écart. Mon intention est de créer un environnement et une culture où ils voient qu'ils apprennent; ils voient qu'ils travaillent sur des problèmes qui ont un impact plus large sur l'entreprise, sur l'industrie et, par là même, sur la société; et ils font partie d'une équipe dynamique qui est inspirée par pourquoi elle existe et comment elle définit le succès. À mon avis, se concentrer sur cela est un outil absolument essentiel pour attirer le talent dont j'ai besoin et dont quelqu'un d'autre aurait besoin.
Murli Buluswar: J'ai trouvé que se concentrer sur les principes fondamentaux de la création de la science, nos aspirations, et comment faire partie de cette équipe va façonner l'évolution professionnelle des membres de l'équipe a été assez profond pour attirer le calibre des talents se soucient de. Et puis, bien sûr, vient la partie encore plus difficile de vivre cette promesse au jour le jour.
Oui, l'argent est important. Ma philosophie sur l'argent est que je veux être dans le 75e percentile; Je ne veux pas être dans le 99e centile. Parce que peu importe où vous êtes, la plupart des gens - en particulier les gens dans la fonction de science des données - ont la possibilité d'obtenir une augmentation de 20 à 30 pour cent de leur rémunération, s'ils choisissent de faire un mouvement. Mon intention n'est pas d'essayer de réduire cet écart. Mon intention est de créer un environnement et une culture où ils voient qu'ils apprennent; ils voient qu'ils travaillent sur des problèmes qui ont un impact plus large sur l'entreprise, sur l'industrie et, par là même, sur la société; et ils font partie d'une équipe dynamique qui est inspirée par pourquoi elle existe et comment elle définit le succès. À mon avis, se concentrer sur cela est un outil absolument essentiel pour attirer le talent dont j'ai besoin et dont quelqu'un d'autre aurait besoin.
Développer la bonne expertise
Victor Nilson: Le talent est tout, n'est-ce pas? Vous devez avoir les données, et, de toute évidence, AT & T a une riche richesse de données. Mais sans talent, c'est sans signification. Le talent est le différentiateur. Le bon talent ira trouver les bonnes technologies; le bon talent ira résoudre les problèmes là-bas.
Nous avons contribué en partie au développement de nombreuses nouvelles technologies émergentes dans la communauté open-source. Nous avons l'héritage des techniques avancées des laboratoires, nous avons la Silicon Valley émergente. Mais nous avons aussi des talents traditionnels à travers le pays, où nous avons des ingénieurs très avancés, nous avons des managers de tous niveaux, et nous voulons développer encore plus leurs talents.
Nous avons donc dispensé plus de 50 000 cours de formation liés au Big Data cette année seulement. Et nous continuons d'aller de l'avant là-dessus. C'est tout un continuum. Ce pourrait être juste un camp d'entraînement d'une semaine, ou il pourrait être avancé, la science des données au niveau du doctorat. Mais nous voulons continuer à développer ce talent pour ceux qui ont l'aptitude et l'intérêt. Nous voulons nous assurer qu'ils peuvent développer leurs compétences et les relier avec les outils pour maximiser leur productivité.
Nous avons contribué en partie au développement de nombreuses nouvelles technologies émergentes dans la communauté open-source. Nous avons l'héritage des techniques avancées des laboratoires, nous avons la Silicon Valley émergente. Mais nous avons aussi des talents traditionnels à travers le pays, où nous avons des ingénieurs très avancés, nous avons des managers de tous niveaux, et nous voulons développer encore plus leurs talents.
Nous avons donc dispensé plus de 50 000 cours de formation liés au Big Data cette année seulement. Et nous continuons d'aller de l'avant là-dessus. C'est tout un continuum. Ce pourrait être juste un camp d'entraînement d'une semaine, ou il pourrait être avancé, la science des données au niveau du doctorat. Mais nous voulons continuer à développer ce talent pour ceux qui ont l'aptitude et l'intérêt. Nous voulons nous assurer qu'ils peuvent développer leurs compétences et les relier avec les outils pour maximiser leur productivité.
Zoher Karu: Le talent est essentiel tout au long des données et de l'analyse. Et le talent analytique en lui-même n'est plus suffisant, à mon avis. Nous ne pouvons pas avoir des gens avec des compétences singulières. Et la façon dont je construis mon organisation est que je cherche des personnes avec une majeure et une mineure. Vous pouvez major dans l'analyse, mais vous pouvez mineur dans la stratégie de marketing. Parce que si vous n'avez pas de mineur, comment allez-vous communiquer avec d'autres parties de l'organisation? Dans le cas contraire, le data scientist pur ne pourra pas parler à l'administrateur de la base de données, qui ne pourra pas parler au market researcher, qui ne pourra pas parler au propriétaire du canal email, par exemple. Vous devez prendre des décisions d'affaires judicieuses, basées sur des analyses, qui peuvent évoluer.
Comment pouvons nous vous aider ?
Comment pouvons nous vous aider ?
0 comments:
Post a Comment