데이터 중심적이라고 생각하는 많은 조직이 여전히 첫 번째 기어에 있습니다. 단순히 많은 데이터를 수집하는 것에서 수익성을 개선하기 위해 모델을 조정하는 방법을 실제로 알려주는 비즈니스 분석 기능을 설정하는 방법은 무엇입니까?
Toptal의 비즈니스 분석 이사인 Travis Anderson을 인터뷰하여 회사 내 중앙 기능 설정, 보고 편향 제거, 데이터 사용의 중요성 및 잠재적 함정에 대한 통찰력과 비즈니스 분석 팁을 얻었습니다. Toptal의 비즈니스 분석 이사인 Anderson은 비즈니스 전략을 데이터 활동(예:데이터 분석, 보고, 진단 분석 및 데이터 과학)과 연결하여 데이터 기반 의사 결정을 가능하게 하는 팀을 이끌고 있습니다.
비즈니스 분석은 영업, 마케팅, 재무, 제품, 운영 및 HR을 포함한 비즈니스의 모든 기능 영역을 지원합니다. Anderson은 Vivint Smart Home, Symantec, Brigham Young University 및 그의 신생 기업인 Mapline을 포함하여 상당한 비즈니스 성장을 주도하기 위해 분석 및 엔지니어링 팀을 구축하고 이끄는 10년 이상의 경험을 제공합니다. 그는 Brigham Young University에서 기계 공학 학사 및 석사 학위와 MBA를 취득했습니다.
MicroStrategy의 2020 Global State of Enterprise Analytics 보고서에 따르면 비즈니스 분석을 통해 관리자는 더 나은 정보에 입각한 결정을 내리고 관리자가 리소스를 보다 효율적으로 활용하고 궁극적으로 수익을 최적화할 수 있도록 지원하여 운영 효율성을 높일 수 있습니다.
Toptal의 경우 Anderson은 우리 비즈니스와 고객의 평생 가치를 주도하는 데 핵심적인 4가지 원칙을 확인했습니다.
이 네 가지 원칙은 비즈니스에서 데이터 및 비즈니스 분석의 ROI를 측정하는 방법이기도 합니다.
Anderson에 따르면 그가 Toptal에 합류했을 때 직면한 첫 번째 과제는 분석에 대한 내부 접근 방식의 변화였습니다. 당시 대부분의 내부 기능팀에서 분석을 수행하고 있었습니다. 대부분의 팀에는 데이터 분석가가 있었고 각각 보고, 분석 및 추세 분석에 집중된 데이터 작업을 수행했습니다. 데이터 문화가 존재하고 라인 관리자가 의사 결정에 데이터를 활용했지만 설정이 비효율적이었습니다.
팀마다 접근 방식이 달라 메시지가 흐려졌습니다. 각 그룹에는 내부 데이터 기능이 있기 때문에 정의 및 KPI에 일관성이 없었습니다. 경영진 논의는 종종 화해에 초점을 맞추었고, 이는 주의를 산만하게 만들 수 있습니다. 정의가 다르기 때문에 데이터에서 얻은 교훈이 때때로 손실되었습니다.
분산된 데이터 수집 및 보고에서 발생한 두 번째 문제는 각 팀이 데이터를 제공하는 데 편견이 있다는 것이었습니다. 각 기능은 가장 좋은 빛을 표현할 데이터를 선택했습니다. 이러한 관행은 집중력 부족과 통제력 부족을 초래할 수 있습니다.
앤더슨은 회사의 접근 방식과 비즈니스 분석 프레임워크를 전면적으로 개편했습니다. 우선 순위는 중앙 기능을 만드는 것이었습니다. 즉, 비즈니스 라인 외부에 존재하고 제어 지점 역할을 하는 탁월한 분석 센터입니다. 중앙 기능은 데이터가 균질하게 수집 및 분석되고 보고 편향이 제거되도록 합니다.
센터가 설립되면 적절한 인력을 확보해야 합니다. 우선 순위의 첫 번째 순서는 기술 격차를 식별하는 것입니다. 효과적이고 영향력 있는 팀을 구성하려면 탄탄한 기술적 능력, 강력한 문제 해결 능력, 비즈니스 통찰력을 갖춘 사람들이 필요합니다.
Anderson에 따르면 중앙 데이터 및 비즈니스 분석 기능 생성의 주요 부가 가치는 성능을 개선하고 비용을 절감하는 것입니다 . 기업이 시간이 지남에 따라 성과를 일관되게 측정할 때까지 경영진이 성과를 크게 개선하기는 어렵습니다.
첫 번째 단계는 메트릭의 일관성을 설정하고 이러한 합의된 메트릭을 기반으로 목표를 수량화하는 것입니다. 이것은 직원에게 동기를 부여하는 본질적인 행동 효과가 있습니다. Anderson이 지적했듯이 목표가 없는 경우 사람들에게 동기를 부여하는 방법은 무엇입니까? 또한 모든 양적 지표가 없는 것보다 낫습니다. Anderson의 의견에 따르면 "한 가지만 측정하기 시작하면 실질적인 이점을 볼 수 있습니다. 영향을 줄 수 있거나 관련이 없다는 것을 알 수 있기 때문입니다."
Anderson의 팀은 모든 비즈니스 기능을 지원하고 각각에 대해 매주 및 격주로 체크인을 진행합니다. 작업의 첫 번째 부분은 올바른 데이터 수집을 보장하는 것입니다. 이 컬렉션은 사람들이 업무를 수행하고 성과에 "점수"를 할당하도록 동기를 부여하는 행동 목표를 제공합니다.
일관되고 고품질의 데이터가 수집되면 가장 큰 문제가 발생합니다. 바로 각 사업부에 적합한 KPI가 무엇인지 평가하는 것입니다. 평가는 위에서 아래로 시작됩니다. 비즈니스 분석 팀은 선택한 비즈니스 분석 KPI가 통찰력을 제공하는 데 유용하고 하향식 및 비즈니스 수준 모두에서 중요하도록 데이터에서 회사 전략을 매핑합니다.
적절한 KPI를 설정하는 몇 가지 질문은 다음과 같습니다.
비즈니스 분석 팀이 비즈니스와 전략을 철저히 이해하는 것이 무엇보다 중요합니다. Toptal에는 조직의 사명을 위해 회사 내에서 강력한 지원이 있습니다.
데이터는 건전한 통계 모델링 및 예측을 활용하여 처리되고 연구됩니다. 그러나 분석의 결과는 결정이 아니라 더 나은 선택을 하는 데 도움이 되는 양적 입력이라는 점에 유의하는 것이 중요합니다. 궁극적으로 모든 비즈니스 결정은 비즈니스 리더의 책임입니다. 반복적인 프로세스를 통해 이해 관계자와 데이터 및 비즈니스 분석 팀 간에 파트너십이 있습니다. 결정이 내려지면 데이터가 이를 뒷받침해야 합니다. 뿐만 아니라 KPI가 항상 회사의 전략적 우선순위와 일치하는지 확인하기 위해 정기적으로 KPI를 재평가합니다.
그 과정이 항상 고통스럽지는 않습니다. 때로는 데이터에 많은 피드백이 있기 때문에 이해 관계자 간에 마찰이 있을 수 있습니다. 모든 관리자가 그러한 피드백을 동등하게 받아들이는 것은 아닙니다. Anderson은 소화 가능한 권장 사항을 제공하고 데이터에서 추출한 통찰력을 해석하는 방법에 대해 경영진을 교육하는 것이 자신의 책임이라고 생각합니다.
Anderson은 데이터 수집 및 분석에서 내부 규율이 부실할 때 회사가 직면할 수 있는 잠재적인 불리한 결과에 대해 언급했습니다. 이전 계약에서 그는 회사 수익의 상당 부분을 담당하는 대규모 사업부가 있는 비즈니스를 접했습니다. 이 사업부에는 2억 달러 이상의 매출을 총괄하는 여러 영업 담당자가 있었습니다. 그러나 이 팀은 다른 회사와 다르게 수익을 측정하고 별도의 시스템에서 보고했습니다.
경영진이 바뀌는 동안 새로운 임원은 데이터가 일관성이 없다는 것을 깨닫지 못하고 모든 팀원을 해고했습니다. 그들은 데이터에서 잘못된 통찰력을 얻었고 팀이 성과를 내지 못하고 있다고 믿었습니다. ERP 시스템의 잘못된 숫자와 일치하지 않는 숫자를 기반으로 결정이 내려졌습니다. 결국 5000만 달러의 실수였다. 이 일화는 마스터 데이터 관리 원칙, 특히 M&A 통합을 진행 중인 회사가 중요한 이유를 잘 보여줍니다. .
Anderson은 데이터 분석을 탐색하기 시작한 회사에서 두 가지 일반적인 문제에 직면했습니다. 이러한 문제는 스펙트럼의 두 끝 부분에 있습니다. 첫째, 기업은 때때로 궁극적으로 사용되지 않는 완벽한 데이터를 수집하기 위해 대규모 이니셔티브에 착수합니다. 두 번째 문제는 기업이 데이터의 품질이 좋지 않아 분석을 시작조차 하지 않는 경우입니다. Anderson이 여기서 제공하는 중요한 조언은 데이터가 신뢰할 수 없는 경우에도 몇 가지 중요한 KPI를 측정하면 유용한 통찰력을 얻을 수 있다는 것입니다. 그렇게 하면 회사에서 입력을 보다 안정적으로 만드는 방법을 배울 수 있습니다.
올바른 KPI를 측정하는 것이 필수적이지만 너무 많은 데이터(또는 관련 없는 데이터)가 반드시 더 좋은 것은 아니라는 점에 유의해야 합니다. 초점이 맞지 않는 측정은 의사 결정을 혼란스럽게 하고 주의를 산만하게 할 수 있습니다. 중요하지만 몇 가지 중요한 데이터 포인트를 일관되고 정확하게 측정하여 시작하는 것이 더 효과적입니다.
Anderson 팀의 효율성은 위의 4가지 원칙, 즉 고객 확보, 공간 확장, 고객 유지 및 비용 최적화를 참조하여 측정됩니다. 이들 각각에 대해 영향을 측정하고 정량화하여 팀 작업에 대한 ROI를 제공합니다. 팀이 많은 분석을 수행했지만 변화에 영감을 주지 않았다면 그 작업은 효과가 없었습니다. 궁극적으로 팀의 성공은 측정 가능한 영향력을 의미합니다.
Anderson의 많은 통찰력은 데이터 분석의 성공적인 구현을 위한 몇 가지 비즈니스 분석 팁으로 요약될 수 있습니다.
첫째, 그러한 팀의 사명은 정량적 측정을 통해 경영진의 마음을 변화시키고 매일 영향을 미치는 것입니다. 이러한 변화는 지속적인 반복과 개선을 통해 영향을 미치는 작고 점진적인 변화가 될 것입니다.
둘째, 비즈니스 분석 팀은 의사 결정이 아니라 경영진을 안내할 수 있는 정보를 제공합니다. 비즈니스 리더는 여전히 회사 전략에 대한 책임이 있습니다.
셋째, 비즈니스 분석 기능의 영향은 측정 가능하고 ROI가 있어야 합니다.
마지막으로, 제한된 비즈니스 분석 KPI 세트로 시작하는 것이 데이터를 전혀 측정하지 않는 것보다 낫습니다 . 뿐만 아니라 프로세스는 조직에서 데이터 우수성의 문화를 만듭니다. 이를 적절하게 수행하는 회사는 처음에는 기술적으로 까다롭고 비용이 많이 들고 문화 변화가 필요하더라도 항상 능가합니다. 프로세스를 지속하고 성공적으로 탐색하는 회사는 인재를 유지하고 더 나은 성과를 내며 책임 있는 기업 문화를 촉진하는 경향이 있습니다.