Уже многие компании научились успешно собирать и использовать внутренние данные, но добиться такой же отдачи и от внешних данных пока мало кому удалось. В McKinsey изучили опыт компаний, которые эффективно используют внешние данные. В данной статье поговорим об этих компаниях.
Успешные примеры компаний
Успешные примеры есть, причем в самых разных отраслях. Например, инвестфонды, принимающие решение о том, стоит ли вложиться в компанию, изучают ее вакансии, отзывы сотрудников, данные о патентах, чтобы глубже понять стратегию и состояние дел внутри организации. В ритейле аналитики могут использовать агрегированные данные по транзакциям, чтобы понять, какие покупки потребители совершают, как меняются доли различных продуктов, как растет или падает трафик, каковы модели кросс-шопинга и т. д.
В McKinsey выделили три полезных шага для повышения эффективности использования внешних данных
1. Создание специальной команды по внешним данным
Центральная фигура – стратег, который вместе с аналитиками и функциональными службами выясняет, где за счет внешних данных можно повысить операционную эффективность, добиться экономии или роста. Также в команду могут входить специалисты по закупкам, инженеры данных, аналитики, технологические эксперты. Их привлекают на временной основе. Важная часть работы – проверка данных. Руководители бизнеса, сотрудники риск-функции и юридического отдела, входящие в группу проверки, должны удостовериться, что данные корректны и собраны с получением всех разрешений.
2. Сотрудничество с маркетплейсами и агрегаторами
Благодаря такой совместной работе можно получить доступ к обширным данным в довольно узких областях. Это экономит время и средства по сравнению с запросами данных от каждого вендора по отдельности. Но важно понять, насколько конкретный набор данных полезен. Например, у провайдера может быть база данных по миллионам покупок, но если большая часть этих операций совершена миллениалами, такие данные не позволят увидеть общие тренды.
3. Подготовка архитектуры для внешних данных
Важно понять, сколько данных будет поступать и как часто, как они будут храниться, как обеспечить их безопасность и интеграцию с внутренними данными (например, за счет API-интерфейсов, настройки запросов и т. д.). Нужно следить за качеством информации – отслеживать изменения в источниках данных и анализировать, с какими факторами это связано.
Подписывайтесь на канал AlfaProExpert, чтобы узнать больше о карьере, заработных платах, лучших работодателях, прохождении интервью, поступлению в ВУЗ, образовании известных людей, лучших университетах и многом другом.