Erkenntnisse aus dem Webinar: Working with data

Letzte Woche moderierte Eric Haase das Webinar: Arbeiten mit Daten. Hast du es verpasst? Keine Sorge, hier finden Sie einen Überblick darüber, wie Sie das Beste aus den Daten Ihres Unternehmens herausholen können.

Wir sprechen viel über die technologische Entwicklung und die damit verbundenen schnellen Veränderungen. Change business models are year for year and may even quarter for quarter, to keep the change step and natural competitive able. Und somit relevant.

Was die rasanten Veränderungen des technologischen Fortschritts mit sich bringen, ist eine ständig wachsende Datenmenge. This is available for each company and his employees.

Fähigkeiten der nächsten Generation

Wenn wir uns das makroökonomische Umfeld ansehen, wir sehen viele Daten von draußen: Big Data, KI, Robotik. Kurz gesagt, die Innovation beschleunigt sich mit großer Geschwindigkeit. Sogar volatil. Wir haben es mit einer sich ständig verändernden Landschaft zu tun.

Das passiert zum Beispiel in nur einer Minute online:

Visueller Kapitalist 2018

Um mit diesem unsicheren, volatilen und vieldeutigen Umfeld umzugehen, trainieren wir Powerskills.

ERIC HAASETwittern

The future security your company depends from, how many skills of the next generation you now integrated in your day business. If your staff work in einer sich schnell verändernden Landschaft, müssen sie Fähigkeiten erlernen, die auch in zehn bis zwanzig Jahren noch relevant sein werden. Eine Kombination aus Hard- und Softskills: Power-Skills. Tools, die ihnen helfen, sie werden in einer sich ständig verändernden Landschaft zurecht finden.

Daten sind dabei ein entscheidendes Element. Denn zukunftssichere Fähigkeiten — Fähigkeiten, die sich auch in zehn bis zwanzig Jahren noch als relevant erweisen — sind eng mit Datenkompetenz verbunden.

The meaning of data

Warum müssen wir uns überhaupt auf Daten konzentrieren? The participants of the webinars displayed:

„Es ist wichtig, um Entscheidungen zu treffen“ und noch nuancierter: „Daten sind wichtig, um objektive Entscheidungen zu treffen“.

Außerdem: „Es ist der einzige Weg einer objektiven Analyse, frei von Vorurteilen“ und „sachlichen Informationen“.

„Durch die Verwendung von Daten wird das, was gemessen wird, verwaltet“ und „Messen ist Gewissheit“.

Es scheint ziemlich offensichtlich, dass Daten als Grundlage für Entscheidungen verwendet werden können, und Datenkompetenz kann bedeuten, dass Ihre Entscheidungen objektiv getroffen werden als Entscheidungen, die auf Intuition beruhen.

Daten treiben wirklich alles an, was wir tun. This thinking could have to have that LinkedIn to a global moloch for professional engagement. Ich glaube, wenn Entscheidungen auf Daten basieren, wird die Zukunft nicht mehr dem Zufall überlassen, sondern nur zum Spiegelbild der Wahl.

EHEMALIGER LINKEDIN-CEO JEFF WEINERTwittern

When they minimum the anteil of the „access“ by your business decisions, it minimum the risk. Infolge dessen auch unnötige Kosten, d. h. es ist weniger wahrscheinlich, dass sie eine schlechte Entscheidung treffen.

Use of data: What is for you drin

If data into the risks can be minimal, company data are natural to their advantage. Das ist definitiv kein neuer Trend. Unternehmen werden versuchen, Datenanalysen in ihre Infrastruktur, ihre Wertschöpfungskette und ihre Geschäftsmodelle zu integrieren, um Kosten zu senken und Gewinne zu steigern.

Ein gutes Beispiel für ein anpassungsfähiges Unternehmen ist Tomtom. From the route planning through the personal digital assistant and the software for the consumer market to the main provider of card data and main suppliers of data for the card app of Apple.

What we see here, is a company, has changed his model of product orientation on data controlled. TomTom hat ihre Stärke ausgespielt! Angesichts der Menge an Daten, über sie bereits verfügbar, war es eine kluge Entscheidung, Lieferant eines der größten Technologieunternehmen der Welt.

In der sich schnell ändernden Umgebung ist es notwendig, anpassungsfähig zu sein. Was wir aber auch in der Geschichte der Datennutzung beobachten, ist, dass Unternehmen dazu übergehen, Daten nicht mehr auf der Grundlage des „Was“ zu verwenden — welche Daten wir betrachten? Was passiert im Moment? − zu einer Prognose des ‚Warum' − why find this change just statt.

Predictive Analytics by Gartner

What is the relation between the „Was“ and dem „Warum“ is the relation between the „was“ and the „why“. Unser Beispiel TomTom ist, wie oben erwähnt, nicht nur ein anpassungsfähiger Akteur, sondern gleichzeitig ein Datenlieferant für eines der größten Prognoseunternehmen: Apple.

Beispiel für den Übergang von deskriptiv zu präskriptiv:

War: Die Leute kaufen Eiscreme

Why: Es ist heiß, auch die Leute Eiscreme kaufen

Wein: Wie können wir die wärmsten Jahreszeiten kartieren und nutzen, um noch mehr Eiscreme zu verkaufen?

Prognosen sind von ausschlaggeblicher Bedeutung und die ausgefeilteste Form der Datenkompetenz. Wie können wir das „Was“ und „Warum“ des Kundenverhaltens so gestalten, dass wir als Unternehmen davon profitieren. The use of data has developed by an descriptive review to vorausschauend, prescriptive use.

Präskriptive Analysen sind äußerst wertvoll, natürlich auch innerhalb der Personalabteilung. Denn wer würde schon lieber im Nachhinein arbeiten, wenn es auch möglich ist, vorausschauend zu arbeiten? Du willst wissen, warum jemand geht. Natürlich. Aber noch wichtiger ist, dass Sie wissen wollen, wann (und warum) auch andere Mitarbeiter das Unternehmen verlassen könnten.

Anhand der Daten können Sie herausfinden, wann (und warum) ein Mitarbeiter ein hohes Risiko hat, das Unternehmen zu verlassen, und wie Sie Maßnahmen ergreifen können, um zu verhindern, dass das Unternehmen aufgrund genau dieser Probleme verlassen wird.

Kurz gesagt, Sie können diese Daten verwenden, um Erkenntnisse zu gewinnen und aus diesen Erkenntnissen eine Art von Aktion abzuleiten.

So fangen Sie an: Sie beherrschen die Grundlagen

Tue the first step and: create your own knowledge.

When we work with data to the basic reduce, means data competence really: the correct questions.

Seid also herausfordernd und neugierig, wenn sie sich eine Reihe von Daten ansehen. Sie stellen sich selbst kritische Fragen. Was schaue ich mir genau an? Sind alle Daten, die ich gesammelt habe, relevant? And is the data set complete? If they have created a klares image, you can take measures.

Um die richtigen Fragen zu stellen und Ihre Kenntnisse zu gewinnen, benötigen Sie die richtigen Tools. Wenn sie drei einfache Schritte befolgen, sind Sie auf dem besten Weg, Datenkompetenz zu erlangen!

Meistere die Grundlagen

• Sie benötigen Problemlösungstechniken, wenn Sie Rohdaten und das, was wirklich wichtig ist, genauer untersuchen möchten. Schools Sie Ihre Mitarbeiter in diesen Leistungskompetenzen!
• The training to business tools can provide them the basic that you need, to start with the Structuring your data.
• Vergiss nicht, Your data best possible to show! Beziehen Sie andere in die Analysen ein, die Sie durchgeführt haben, und bringen Sie Ihren Standpunkt wirklich auf den Punkt.