Data Maturity Model คืออะไร?

หากคุณกำลังอ่านข้อความนี้อยู่ คุณอาจทราบข้อมูลบางอย่างเกี่ยวกับข้อมูล ข้อมูลเป็นหนึ่งในทรัพยากรที่เติบโตอย่างรวดเร็วที่สุดในโลก โดยมีประมาณ 2.5 quintillion ไบต์ที่สร้างขึ้นทุกวัน ดูเหมือนว่ากว่า 90% ของข้อมูลที่มีอยู่ในปัจจุบันถูกสร้างขึ้นภายในห้าปีที่ผ่านมา

มนุษย์ทำผิดพลาด เราทำผิดพลาดจากข้อเท็จจริงและผิดพลาดในการตัดสิน เรามีจุดบอดในด้านการมองเห็นและช่องว่างในกระแสความสนใจของเรา บางครั้งเราไม่สามารถแม้แต่จะตอบคำถามที่ง่ายที่สุด สัปดาห์ที่แล้วฉันอยู่ที่ไหนในเวลานี้ ฉันปวดเข่าแบบนี้มานานแค่ไหนแล้ว? ปกติฉันใช้เงินเท่าไหร่ในหนึ่งวัน? จุดอ่อนเหล่านี้ทำให้เราเสียเปรียบ เราตัดสินใจด้วยข้อมูลบางส่วน เราถูกบังคับโดยการเดา เราไปกับลำไส้ของเรา

นั่นคือพวกเราบางคนทำ คนอื่นใช้ข้อมูล

โมเดลความสมบูรณ์ของข้อมูลคืออะไร

แบบจำลองความสมบูรณ์ของข้อมูล พูดง่ายๆ คือโรดแมปจากจุด A ไปยังจุด B โดยมีเหตุการณ์สำคัญอยู่ระหว่างนั้น เพื่อให้กรอบการทำงานที่ช่วยให้องค์กรเข้าใจและปรับปรุงวิธีปฏิบัติในการจัดการข้อมูลของตน ได้รับการออกแบบมาเพื่อช่วยให้องค์กรประเมินสถานะปัจจุบันของการจัดการข้อมูลและระบุจุดที่ต้องปรับปรุง

ในช่วง 5 ปีที่ผ่านมา เนื่องจากจำนวนข้อมูลที่ผลิตได้เพิ่มความสามารถของเราในการประมวลผลและดึงข้อมูลจากข้อมูลนี้ก็เพิ่มขึ้นเช่นกัน ด้วยความสามารถนี้ ช่องว่างระหว่างจุด A และจุด B จึงเพิ่มขึ้นอย่างต่อเนื่อง โดยองค์กรต่าง ๆ สร้างกรณีการใช้ข้อมูลที่ซับซ้อนเพื่อรองรับความต้องการทางธุรกิจได้ดียิ่งขึ้น ด้วยข้อมูลที่เอดจ์มีให้เหนือคู่แข่ง กลยุทธ์ด้านข้อมูลจึงไม่ใช่เรื่องจำเป็นอีกต่อไป แต่เป็นสิ่งที่จำเป็น

โดยทั่วไป กรอบงานจะถูกจำแนกออกเป็น 4 หรือ 5 ประเภทกว้างๆ เพื่อสรุปรูปแบบนี้

หลักชัยที่สำคัญในการเดินทางจากการรับรู้ข้อมูลไปสู่ผู้บุกเบิกข้อมูลมีลักษณะอย่างไร

ข้อมูลทราบ:

1. ส่งเสริมคนที่เหมาะสมเพื่อสนับสนุนการเดินทางข้อมูลของคุณ — ในขั้นตอนนี้ ให้จัดลำดับความสำคัญของทักษะและประสบการณ์ที่กว้างกว่าความเชี่ยวชาญที่แคบ แม้ว่าคุณอาจต้องการผู้เชี่ยวชาญด้านข้อมูลเมื่อองค์กรเติบโตเต็มที่ แต่ในขั้นตอนนี้ ผู้เชี่ยวชาญด้านข้อมูลมีความสำคัญมากกว่า
2. เผยแพร่ข้อมูลของคุณจากโซลูชันแบบแพ็คเกจ เช่น google analytics ซึ่งไม่ได้ให้เมตริกที่ซ่อนอยู่ แต่จะรวบรวมข้อมูลของคุณในหมวดหมู่กว้างๆ แทน การถ่ายโอนข้อมูลดิบที่ไม่มีความคิดเห็นของคุณไปยังแพลตฟอร์มอื่น คุณจะมีความยืดหยุ่นมากขึ้นในการจัดการข้อมูล

1. กำหนดเป้าหมายที่ครอบคลุมของการเดินทางข้อมูลของคุณ คุณอาจต้องการเสริมศักยภาพให้กับทีมภายในหรือสร้างผลิตภัณฑ์ข้อมูลสำหรับการใช้งานภายนอก กำหนดเป้าหมายข้อมูลของคุณให้สอดคล้องกับวัตถุประสงค์ทางธุรกิจของคุณ และวางแผนว่าจะบรรลุเป้าหมายดังกล่าวได้อย่างไร
2. สำรวจการเปลี่ยนไปใช้กองข้อมูลโมดูลาร์ การทำความเข้าใจข้อจำกัดของแพล็ตฟอร์มการวิเคราะห์แบบแพ็คเกจและวิธีสร้างสแต็กข้อมูลแบบกำหนดเองจะเอาชนะสิ่งเหล่านี้ได้อย่างไร
3. คิดเกี่ยวกับการกำกับดูแลข้อมูลเนื่องจากจะใช้เวลาที่สำคัญกว่าเมื่อข้อมูลของคุณครบกำหนดเท่านั้น ทั้งนี้เพื่อให้แน่ใจว่าข้อมูลเป็นที่เข้าใจและเชื่อถือได้ทั่วทั้งองค์กรของคุณ และถูกต้อง สมบูรณ์ และเป็นไปตามข้อกำหนด
4. วางรากฐานสำหรับการรวบรวมข้อมูลจากบุคคลที่หนึ่ง การติดตามแบบไม่ระบุตัวตนหรือแบบไม่ใช้คุกกี้ ซึ่งจะช่วยปกป้องผู้ใช้ของคุณด้วย

1. การสร้างแหล่งความจริงแหล่งเดียว — จำเป็นอย่างยิ่งที่จะต้องสร้างที่เก็บข้อมูลกลางที่จะทำหน้าที่เป็น 'สมอง' ขององค์กร ขจัดไซโลข้อมูล รวมทีม และช่วยให้นักวิเคราะห์ให้บริการข้อมูลจากแหล่งความจริงแหล่งเดียว สิ่งนี้สร้างความไว้วางใจในข้อมูลที่ทีมกำลังทำงานด้วย
2. หลุดพ้นจากโซลูชันแบบแพ็คเกจ เช่น google analytics ไปสู่การตั้งค่าแบบแยกส่วนที่ทำให้คุณต้องควบคุมข้อมูลของคุณ คุณยังสามารถสร้างโครงสร้างพื้นฐานรอบ ๆ ธุรกิจของคุณได้ด้วย ไม่ใช่วิธีอื่น เครื่องมือโอเพ่นซอร์สยังเป็นตัวเลือกที่ยอดเยี่ยมเนื่องจากป้องกันการล็อคผู้ขายและให้ความยืดหยุ่นกับข้อมูลของคุณ

1. ปฏิบัติต่อข้อมูลในฐานะผลิตภัณฑ์ — เมื่อผู้มีส่วนได้ส่วนเสียภายในของคุณทั้งหมดเป็นส่วนสำคัญของเวิร์กโฟลว์ข้อมูลของคุณ พวกเขาจะกลายเป็นผู้มีส่วนได้ส่วนเสียรายใหญ่ที่สุดของคุณ สำรวจว่าเป้าหมายของผู้มีส่วนได้ส่วนเสียภายในของคุณคืออะไร และสร้างผลิตภัณฑ์ข้อมูลเฉพาะเพื่อให้บรรลุเป้าหมายนั้น
2. พิสูจน์คุณค่าของข้อมูลโดยผ่านการแสดงภาพไปสู่การเล่าเรื่อง — ใช้ประโยชน์จากพลังของข้อมูลเชิงลึกของลูกค้าเพื่อขับเคลื่อนระบบอัตโนมัติที่เป็นไปได้หรือใช้ประโยชน์จากข้อมูลที่เกี่ยวข้อง

1. การส่งเสริมวัฒนธรรมข้อมูลที่มีชีวิตชีวาเพื่อให้ข้อมูลเป็นส่วนหนึ่งของการตัดสินใจทางธุรกิจในแต่ละวัน ในขั้นตอนนี้ หลายทีมได้รับประโยชน์จากความสัมพันธ์ที่ใกล้ชิดกับข้อมูล มุ่งเน้นที่การทำให้ผู้ใช้ข้อมูลทิ้งข้อมูลได้ง่ายขึ้นด้วยแคตตาล็อกข้อมูลและปรับปรุงความรู้ด้านข้อมูล และลงทุนในการผลิตข้อมูลเพื่อให้สามารถเข้าถึงได้อย่างแพร่หลาย
2. กระชับการกำกับดูแลข้อมูล — ใช้ประโยชน์จากการทดสอบอัตโนมัติเพื่อให้แน่ใจว่าการติดตามและการตรวจสอบทำงานได้ตามที่คาดไว้ก่อนที่จะปรับใช้การติดตามใหม่ วิธีนี้จะช่วยเพิ่มคุณภาพข้อมูลและสร้างความมั่นใจว่าข้อมูลของคุณถูกต้องและครบถ้วน
3. สุดท้าย ทบทวนและปรับปรุงเพื่อผลักดันขอบเขตอย่างต่อเนื่องเพื่อสร้างสรรค์สิ่งใหม่ๆ ด้วยข้อมูล

(ฉันชอบพูดคุยเกี่ยวกับสื่อเนื่องจากงาน การนำไปใช้ และแนวคิดส่วนใหญ่ของฉันวนเวียนอยู่กับอุตสาหกรรมสื่อ)

สื่อเป็นหนึ่งในอุตสาหกรรมที่มีการแข่งขันสูงที่สุด องค์กรต่างมองหาข้อได้เปรียบเหนือคู่แข่งอยู่ตลอดเวลา และหนึ่งในนั้นคือข้อมูล

ตัวอย่างบริษัทสื่อที่ตัดสินใจโดยใช้ข้อมูลเป็นหลัก:

1. Netflixในภาพยนตร์ออริจินัลขนาดใหญ่เรื่องแรกของพวกเขาBright ซึ่งนำแสดงโดยวิล สมิธ ทำเงินให้บริษัท 90 ล้านดอลลาร์และเปิดตัวบนแพลตฟอร์มในเดือนธันวาคม การซื้อแนวคิดของภาพยนตร์และการตลาดที่ตามมาได้รับการแจ้งโดยข้อมูลลูกค้าอย่างสมบูรณ์ Brightมีผู้ชม 11 ล้านคนใน 3 วันแรก แม้จะมีบทวิจารณ์ที่ไม่ดี นัก จากเว็บไซต์ให้คะแนนอย่าง Rotten Tomatoes ในที่สุด Netflix ก็สามารถเขียน Playbook ใหม่สำหรับการสร้างภาพยนตร์ฟอร์มยักษ์ได้โดยใช้ข้อมูล
2. Readerscopeโซลูชันที่พัฒนาโดย New York Times สามารถใช้เป็นเครื่องมือกลยุทธ์เนื้อหาเพื่อพัฒนาความคิดสร้างสรรค์สำหรับเนื้อหาหรือแคมเปญที่มีตราสินค้า โดยการค้นหากลุ่มผู้ชมเป้าหมายของแบรนด์ (เช่น ผู้หญิงยุคมิลเลนเนียล) เพื่อทำความเข้าใจสิ่งที่พวกเขากำลังอ่าน ไม่ว่าจะเป็นหัวข้อต่างๆ หรือเป็นบทความตัวอย่างที่ยกตัวอย่างหัวข้อเหล่านั้น นอกจากนี้ยังสามารถช่วยให้แบรนด์ต่างๆ ค้นหาผู้ชมหรือภูมิศาสตร์ที่เหมาะสมสำหรับข้อความหนึ่งๆ โดยการค้นหาหัวข้อ (เช่น สิทธิมนุษยชน การกุศล หรือการเดินทาง ) และดูว่ากลุ่มผู้ชมใดที่จัดทำดัชนีเกินความสนใจในเรื่องนั้น หัวข้อต่างๆ ได้รับการเรียนรู้ตามอัลกอริทึมจากคลังบทความของ The New York Times โดยใช้การประมวลผลภาษาธรรมชาติที่ทันสมัย ​​และกลุ่มผู้อ่านทั้งหมดสามารถกำหนดเป้าหมายได้ด้วยสื่อบน NYTimes.com