Hvordan et «growth mindset» kan hjelpe deg med analyser

Hvordan et «growth mindset» kan hjelpe deg med analyser

Hvordan reagerer du når du kommer over noe som er utfordrende? For å gi et eksempel, skal vi se på to typer mennesker når det kommer til matte. Noen tror at grunnen til at det er vanskelig med matte er fordi de ikke har en mattehjerne. Mens andre pugger og jobber helt til de finner ut av det. Den første gruppen kan man si har en statisk mentalitet, mens de sistnevnte har en vekst mentalitet. Det er denne vekst mentaliteten som kan hjelpe deg med å skape fordeler i mange områder i livet – inkludert analyse.

Hva er «growth mindset»?

Growth mindset er en vekstorientert tankemåte som fremmer endring. Ifølge Carol Dweck, psykologen som innførte begrepet, tror personer med vekstmentalitet at deres grunnleggende evner kan utvikles gjennom engasjement og hardt arbeid – og at talent og evner bare er utgangspunktet. Dette perspektivet skaper en positiv tilknytning til læring og pågangsmot som er avgjørende for gode prestasjoner.

Det er ikke bare enkeltpersoner som kan ha en vekstorientert tankemåte, men også organisasjoner. I en Harvard Business Review-artikkel sier Dweck at i bedrifter som omfavner en vekstmentalitet rapporteres det at de ansatte føler seg mer selvsikre og engasjert. I tillegg til at de får langt større organisatorisk støtte til samarbeid og innovasjon. I motsetning til ansatte i bedrifter med statisk mentalitet, hvor det rapporteres om juks og spisse albuer blant ansatte, antagelig for å få en fordel i et konkurransemiljø.

Vekstmentalitet og analyser

Under finner du tre måter for hvordan et vekstorientert tankesett kan være nyttig for personer som jobber med analyser.

Pågangsmot
En av tingene som kjennetegner folk med et vekstorientert tankesett er at de er i stand til å lettere komme seg opp igjen etter motgang. For brukere av analyse betyr dette at det å finne «dårlige nyheter» i dataene ikke er en undergang. For eksempel, la oss si at dataene dine viser dårlige salgstall for kvartalet. Hvordan vil du reagere? En vekstorientert person kan bli skuffet, men vil også ta det som en utfordring å finne ut hvordan man kan forbedre seg for neste kvartal.

Utholdenhet
Vekstorienterte holder fast ved oppgaver, selv når de blir utfordrende. Når det kommer til analyse, kan det være lite motiverende når du ikke får svaret du trenger i dataene. Men utholdenhet lønner seg. En vekstorientert person vil fortsette å dykke i dataene for å komme til riktig svar.
Intelligent utvikling
Personer med en vekstmentalitet tror ikke at ens talenter og evner er satt ved fødsel. De tror de kan utvikle seg over tid. Å ha tilgang til et vell av nye data kan være skremmende i begynnelsen. Hva ser man etter? Hva skal du undersøke? Spørsmålet er om du gir opp eller jobber du med dataene over tid for å få ny innsikt?

Hvordan utvikle en vekstmentalitet

Hvis du finner ut at du har en statisk mentalitet, finnes det måter å endre tankegangen din på og utvikle et mer vekstorientert tankesett.

Still spørsmålet ditt på en ny måte. Har du et spørsmål som du ikke får svaret på i dataene dine? En person med en vekstmentalitet slår ikke bare av pc-en, men hun tenker på hva hun vil ha som sluttresultat og jobber seg bakover for å sikre at hun stiller de riktige spørsmålene.

Bruk litt tid på å se hvor dataene tar deg. Jeg vet – hvem har ledig tid til å bare sitte og leke med dataene? Men selv om det tar litt tid å utforske, kan det hjelpe deg med å få ny innsikt. Begynn med å sette til side en liten del av tiden hver uke for å se hvilke nye funn av informasjon du kan avdekke.

Lag kontinuerlig nye mål. Salgsteamet møtte sine mål for kvartalet. Gratulerer! Men hva er neste? Ved å sette et nytt mål hver gang du når dine gamle, holder du ditt sinn utfordret og åpent for nye måter å tenke på.

Feire underveis. Mange mennesker med statiske tankesett har de fordi det er vanskelig å se sluttresultatet. For eksempel, jeg kan ikke forstå dette enkle mattekonseptet i dag – hvordan forventer jeg at jeg skal klare eksamen? Færre butikker tok inn vårt produkt siste kvartal – hvordan kan du nå forvente at vi skal øke distribusjonen? Du kan endre denne tankegangen ved å feire mindre milepæler. Som for eksempel, et lite hopp i kvalitetsrangeringer, eller et nytt distributørforhold. Ved å bryte ned dine større mål i mindre milepæler, øker du drivkraften og motivasjon, og gir innsikt i hvordan du kan nå dine større mål.

Vekstmentalitet er en prosess

Selvfølgelig er det en prosess, og det er en som ikke skjer over natten. Men du vil oppdage at ved å bruke en litt mer vekstorientert tankegang, kan du utvikle din analyse forståelse og suksess.
Hvordan måle effekten av business intelligence

Hvordan måle effekten av business intelligence

Hvordan vurderer du resultatene etter at organisasjonen din har investert i en business intelligence-løsning? Hvordan måler du effektiviteten, og om de avgjørelsene du tar ut fra innsiktene er gode eller dårlige? Business intelligence er en ressurs som gjør informasjon om til et konkurransefortrinn. Derfor er det viktig å avgjøre om BI-løsningen fungerer bra eller om den trenger justeringer.

Forrester Research har sett på disse spørsmålene i en rapport om benchmarking av firmaets business intelligence miljø. Forrester undersøkte over 100 fagfolk som brukte BI i slutten av 2016 og 2014, for å lære hvordan bedrifter vurderer sine BI-løsninger. De fant ut at 86% av bedriftene målte sine BI-løsninger kvantitativt, ved oppfølging og analyser av BI plattformens logger og metadata, systemlogger fra databasestyring og/eller ved undersøkelser.

Måle effektivitet

For å måle effektiviteten av bedriftens BI, foreslår rapporten å stille følgende spørsmål.

Bruker du flere eller færre BI-plattformer enn dine kolleger?
I følge Forrester, distribuerer de fleste store bedrifter minst fem BI-plattformer, hvor noen er bygd inn i økonomi, planlegging, ERP og CRM applikasjoner. I dette tilfellet, er ikke flere nødvendigvis bedre. Dette er fordi hver plattform krever organisering av flere bevegelige deler som kan være vanskelig å integrere og distribuere.

Hvor mange forskjellige rapporter og dashbord produserer du?
Forskning fra Q4 2016 viser at de fleste organisasjoner produserer 25 rapporter/dashbord eller mindre per bruker. 42% produserer også mindre enn 10 per bruker.

Hvor leverer du informasjonen?
PCer er den vanligste plattformen rapportert i både 2014 (94%) og 2016 (87%). Samtidig øker bruken av mobile plattformer, opp fra 44% til 50% i løpet av de to årene. Hos Dimensional Insight har vi også sett en økende interesse for vår mobile løsning – DiveTab.

Analytiske behov kan variere mye på tvers av en organisasjon, og det som anses som «nyttig» kan være avhengig av målgruppe. Derfor anbefaler Forrester også å samle beregninger. Dette inkluderer hvor mye og lite rapporter og dashbord brukes, hvor rask en spørring gir resultater, og hvor mange klikk det tar å lage et spørsmål og få svar. Det å analysere resultatene fra brukere, avdelinger, regioner, forretningsområder og andre attributter vil fremheve trender og skape muligheter for å lære av mer effektive bruksmønstre.

Hvordan bruke Diver til å samle og analysere bruksfrekvens og omfang

Site Stats er et verktøy som tilbys gjennom Diver Platform og Diver Solution som samler den type informasjon som nevnt over og hjelper brukerne med å visualisere og analysere. Site Stats gir en oversikt som inneholder bruksinformasjon og trender som kan være nyttige for en CIO.

Utover oversikten er det mye data om hver side og bruker i et BI-miljø. I hovedsak spores alle dataene i miljøet hver gang det berøres.

Site Stats gir også informasjon om hvor lang tid hver side bruker for å laste. Langsomme tider kan signalisere dårlig utforming av et bestemt dykk inn i dataene. Hvis dette er tilfelle kan vårt tekniske team hjelpe kunden med å designe sider for bedre ytelser og forbedret effektivitet.

Avslutningsvis, det å måle effektiviteten er et godt sted å begynne for å vurdere BI-løsningen og avgjøre om den trenger justeringer. Divers Site Stats gir en oversiktlig måte å spore og analysere bruken på, samtidig som våre eksperter kan hjelpe kunder med å forbedre effektiviteten.

Helt til slutt, når du vurderer alle BIs kvantifiserbare tiltak, må du ikke overse immaterielle fordeler som forbedret beslutningstaking og bedre innsikt.

Kilder

Benchmark Your BI Environment for Continuous Improvement, by Boris Evelson, Forrester Research, Inc., March 20, 2018
Use Human-Machine Partnerships to Continuously Improve Decisions, by Rowan Curran and Boris Evelson, Forrester, May 2016.

Hvordan kombinere AI og menneskelig interaksjon

Hvordan kombinere AI og menneskelig interaksjon

Kunstig intelligens har blitt så integrert i livene våre, at vi ofte ikke legger merke til det. Vi er både takknemlige og frustrerte på autokorreksjonen i mobilene våre. Vi tar det for gitt når Facebook tagger bildene våre, Amazon anbefaler bøker, og deteksjonsalgoritmer hjelper til med å lese mammografiene våre. Likevel, spår Gartner i den siste rapporten 100 Data and Analytics Predictions Throguh 2022, at det vil bli mye mer kunstig intelligens fremover. Dette gjelder i alle typer forretningsfunksjoner, i ulike industrier. Det vil påvirke daglige oppgaver både privat og profesjonelt, samt positivt påvirke jobber.

Det med at AI vil ha en positiv påvirkning på jobber, synes jeg er interessant. Jeg tror at ideen om at AI vil skape og ikke eliminere jobber er fordi kunstig intelligens i stor grad kompletterer menneskelig intuisjon – men ikke erstatter den. Under ser du tre organisasjoner som bruker AI i 2018 for å forbedre menneskets intuisjon, forbedre fortjenesten og livskvalitet.

Kunstig intelligens og kaffe

Neste gang du kjøper kaffe, kan du tenke på alle måtene big data og kunstig intelligens er med på å forme Starbucks opplevelsen din. Starbucks har estimert 90 millioner transaksjoner per uke, som gir selskapet 90 millioner muligheter til å samle inn og utnytte data. Mer enn 15 millioner mennesker tillater Starbucks å samle inn enda mer detaljerte data om deres kaffevaner, gjennom belønningsprogram og mobil appen. Disse dataene tillater igjen at selskapet kan fokusere på tilpassing, og skape en «bare-for-deg» kundeopplevelse. AI støtter appen sine anbefalinger om nye mat- og drikkevarer, basert på tidligere kjøp, geografi og vær. Alt dette supplerer Starbucks menneskeligbaserte kundeengasjement og lojalitet, inkludert en barista som kjenner til navnet ditt og favorittdrinken.

Oppdage motetrender

I likhet med verdens største kaffekjede, har også verdens største klesmerke benyttet kunstig intelligens for å skape tilpassede butikkopplevelser. H&M benytter 200 data scientists, analytikere og ingeniører for å oppdage trender, forbedre tilbud og etterspørsel og finjustere hvilke varer som er tilgjengelig i sine butikker. Selskapet bruker maskinlæring og språkbehandling for å analysere blogginnlegg, søkeord, sosiale medier og andre kilder, i et forsøk på å oppdage trender opp til åtte måneder i forveien. Denne kvantitative analysen hjelper de med å oppdage nye trender, i tillegg til H&M sine designeres moteinstinkter.

På butikknivå har H&M begynt å bruke algoritmer til å analysere kvitteringer, retur, lojalitetskort og innkjøpsmønstre for individuelle steder. Målet er å bruke disse granulære dataene til å tilpasse varene som er tilgjengelige i hver butikk – en stor forandring fra H&M sin langvarige praksis med å fylle alle butikker med lignende varer. Selskapet rapporterer et forbedret salg i en butikk i Stockholm som justerte varebeholdningen, og de utvider nå programmet globalt.

Triaging krise samtaler

Andre bedrifter benytter AI for å kunne bedre hjelpe folk i krisetider. Crisis Text Line er en nonprofit organisasjon, som gir gratis støtte 24 i døgnet, med frivillige som reagerer på meldinger om bl.a. depresjon, selvmord, mobbing og parforholdsproblemer. Mens hver melding leses og håndteres av et menneske, er organisasjonen avhengig av data for å gi hjelp raskere og mer nøyaktig. Crisis Text Line bruker maskinlæring og naturlig språkbehandling for å søke gjennom meldingen de mottar – over 65 millioner og dette øker. Systemet identifiserer høyrisiko ord og ordkombinasjoner og flytter deretter de meldingene øverst i køen. Organisasjonen forklarer:

Vårt maskinlæringslag identifiserer 86% av personer med alvorlig risiko for selvmord i sine første samtaler. Modellen, et ensemble av dype nevrale nettverk, lærte å forutsi risikoen for selvmord fra alle samtaler merket med «Selvmord» av kriserådgivere, i en undersøkelse tatt etter samtaler. Samspillet mellom modellforutsetninger og sanntids tilbakemeldinger fra Crisis rådgivere er viktig for forbedring av modellen. Vi er nå posisjonert for å betjene 94% av høyrisiko-meldingene på under 5 minutter.

Crisis Text Line forutsier at når algoritmen øker nøyaktigheten, vil det redusere ventetiden for folk med høyest risiko, spesielt i de travleste nattetidene. I tillegg leser dagens maskinlæringslag bare åpningsmeldingene, men en forbedret modell vil kunne oppdage og justere risiko i løpet av en samtale. Crisis Text Line forventer at maskininnlæringen til slutt vil oppdage selvmordsrisiko 5-10 minutter raskere enn en menneskelig kriserådgiver kunne på egen hånd.

Analyser i sitt beste

Gartner observerer, «den digitale fremtiden for virksomheter, konfronteres med nesten ubegrensede muligheter til å generere verdiskapning gjennom data og analyser.»¹ Dette er bare tre eksempler på organisasjoner som utnytter milliarder av transaksjoner for å bedre kunne betjene sine kunder og klienter. Starbucks og H&M bruker AI til å skape personlige kundeopplevelser, mens AI kobler Crisis Text Line sine frivillige til kriseproblemer raskere enn noensinne. I hvert tilfelle erstatter ikke AI menneskelig berøring, men snarere forsterker den. Det er dataanalyse på sitt aller beste: kombinere datakraft med menneskelig intellekt og instinkter for å gi best mulig beslutningsgrunnlag.
Kilder
¹Gartner, 100 Data and Analytics Predictions Through 2022, May 21, 2018.
“H&M Ramps Up Data Use,” by Saabira Chaudhuri, The Wall Street Journal, May 8, 2018.