Net als hun tegenhangers bij grotere bedrijven worden managers bij het midden- en kleinbedrijf (MKB) wakker met het feit dat datagedreven besluitvorming cruciaal is voor groei en succes.
Veel MKB-bedrijven beschikken echter niet over de middelen om hooggekwalificeerde gegevensanalyseprofessionals in dienst te nemen om de duizelingwekkende hoeveelheid gegevens die tegenwoordig beschikbaar is voor bedrijven te verzamelen, te onderzoeken en te analyseren. De go-to-oplossing was om deze essentiële functie van gegevenswetenschap uit te besteden aan externe data-analysebedrijven en freelancers in plaats daarvan.
$config[code] not foundVolgens een Gartner-rapport verwacht ongeveer 70 procent van de marketeers dat het merendeel van hun marketingbeslissingen volgend jaar wordt aangedreven door gegevens.
"Een opmerkelijk deel van het analytische budget - meer dan technologie en bijna net zoveel als intern talent - gaat naar externe experts", merkt het rapport op. "De meerderheid van de volwassen datagedreven marketeers verwachten dat externe sourcing de komende twee jaar zal groeien, en 30 procent van hen verwacht de interne teamgrootte te verminderen door meer te profiteren van de efficiëntie, schaal en expertise van serviceproviders."
Gezien het belang van data-analyse voor het succes van bedrijven, is het een zorg dat zo'n vitale functie bijna routinematig wordt uitbesteed. Wanneer u echter de kosten en het tekort aan vereiste specialistische vaardigheden overweegt, was dit een logische oplossing. Tenminste, tot voor kort.
De misvatting die de huidige markt voor data-analyse vormt, is dat big data het domein is van ondernemingen en dat het MKB eenvoudigweg de middelen mist om complexe data competent te manipuleren en te analyseren.Deze misvattingen worden nu aangevochten door nieuwe zelfbedieningsanalyse-oplossingen, en de vraag is nu of het MKB het zich kan veroorloven niet om te profiteren van deze nieuwe oplossingen en data-analyse intern te verplaatsen.
Gegevens zijn net zo belangrijk voor kleine en middelgrote bedrijven
Gegevens zijn het levensbloed geworden van elk effectief bedrijf, ongeacht de omvang ervan. Deloitte publiceerde onlangs een rapport met de titel "The Analytics Advantage", dat het resultaat was van een uitgebreid onderzoek dat het adviesbureau uitvoerde.
Een van de vele inzichten in het Deloitte-rapport is dat senior executives in de ondervraagde bedrijven zich realiseerden dat "goede data goede beslissingen kunnen opleveren, indien vastgelegd, geanalyseerd, gecommuniceerd en op een tijdige en efficiënte manier worden behandeld." relevant voor kleine en middelgrote ondernemingen zoals voor grote ondernemingen.
Volgens een anonieme uitvoerder die in het rapport wordt geciteerd, "gaat het bij analytics om het nemen van goede zakelijke beslissingen. Alleen het geven van rapporten met cijfers helpt niet. We moeten informatie verstrekken op een manier die het beste past bij onze besluitvormers. "
Kleinere bedrijven zijn echter over het algemeen niet zo gefocust op prestatiemaatstaven en methodische tracking als de grote jongens. Ze hebben meestal minder werknemers, minder cashflow, kleinere voorraad en minder diverse productlijnen, wat betekent dat managers vaak trots zijn om alles zelf te weten. De uitdaging voor het mkb als het gaat om data-analyse, gaat dus net zo goed over het veranderen van mindsets en cultuur als over het verwerven van de vereiste vaardigheden en technologieën.
In zijn inleiding op het Deloitte-rapport, meent de vooraanstaande analyticus Thomas H. Davenport, leider en academicus: "Van waarnemingen gedurende vele jaren is analytische vooruitgang onmiskenbaar: de vraag naar analyses is veel groter, er zijn meer middelen beschikbaar en het begrip van leidinggevenden is toegenomen.”
Het lijkt zeker dat het MKB zich steeds meer bewust wordt van de noodzaak actief gebruik te maken van data-analyse om effectief te kunnen concurreren. Maar hoe kunnen ze dat op een commercieel haalbare manier doen? En wat staat KMO's in de weg om de mogelijkheid te ontwikkelen om interne gegevensanalyses uit te voeren?
De opkomst van betaalbare data-analysetools
Een combinatie van krachtigere desktop-pc's en self-service data science-tools vertegenwoordigen een directionele verschuiving voor het MKB. Dankzij oplossingen zoals Alteryx, Databox en IBM Watson Analytics is het voor vrijwel elke medewerker in toenemende mate mogelijk om een datawetenschapper te zijn, relevante datasets te trekken, deze te analyseren met geavanceerde visualisatietools en geïnformeerde real-time beslissingen te nemen.
Zoals Amir Orad, de CEO van business intelligence-platform Sisense, opmerkt: "Traditioneel was het voorbereiden van de gegevens het belangrijkste obstakel voor zelfbedieningsanalyse. Moderne analysetechnologie kan dit proces vereenvoudigen in de mate dat zakelijke gebruikers van vandaag het volledige bereik van data-analyse - voorbereiding, rapportage en visualisatie - onafhankelijk van elkaar kunnen afdekken, zonder speciale IT- of DBA-resources. "
KMO's hoeven gegevensanalyse niet uit te besteden
De noodzaak om een balans te vinden tussen de kosten van het inhuren van een dataspecialist en de voordelen van analyses, vormt een echte uitdaging. Daarom geloven zoveel MKB-bedrijven dat outsourcing het antwoord is.
"Deze route zal meestal de voorkeur hebben, omdat niemand de business net zo goed begrijpt als de huidige leidinggevenden en werknemers", zegt Orad van Sisense. "Ze weten welke KPI's ertoe doen en hoe ze gegevens kunnen vertalen naar zinvolle resultaten vanuit een zakelijk perspectief."
Cloudgebaseerde SaaS-gegevensoplossingen vullen de behoefte aan krachtige infrastructuur die nodig is voor sommige gegevensanalyseprocessen, samen met de noodzaak om die infrastructuur te onderhouden. Moderne self-service data-analyseoplossingen bieden SMB-teams de mogelijkheid om grote hoeveelheden gegevens uit meerdere bronnen te verzamelen en te analyseren met behulp van eenvoudige drag-and-drop-interfaces.
Rethinking Data Analytics Outsourcing
Deze oplossingen democratiseren complexe gegevensanalyses en verwijderen deze kritieke functie van het enige domein van grote ondernemingen. Een onmiddellijk voordeel van het in-house brengen van data-analyse is het drastisch verminderen van de latentie die traditioneel geassocieerd wordt met complexe business intelligence-activiteiten.
Het verminderen van deze latency betekent dat bedrijven in staat zijn om in te grijpen op inzichten die zijn afgeleid van gegevens, vaak binnen enkele minuten nadat informatie is verzameld. Management kan profiteren van positieve trends voordat iemand anders dat doet en negatieve trends omzeilen voordat ze schade veroorzaken. Het reduceren van vertragingstijden zorgt voor een snellere besluitvorming, met behulp van bruikbare business intelligence, zoals momentopnames van het bedrijfsecosysteem op elk moment.
Omdat de kosten en infrastructuurbarrières voor toegang tot high-impact data-analyseoplossingen voor het MKB afbrokkelen, beginnen deze bedrijven zich te realiseren dat hun veronderstellingen over toegang tot deze belangrijke zakelijke functies niet langer geldig zijn. De behoefte om gegevensanalyses uit te besteden, wordt snel verleden tijd voor MKB-leiders die geïnteresseerd zijn in het verwerken van hun eigen gegevens.
Wat dit betekent is dat het MKB nu betere zakelijke beslissingen kan nemen die worden geïnformeerd door grote, complexe gegevenssets en effectiever en sneller kunnen reageren op veranderende marktdynamiek in realtime. Dat klinkt als een krachtig concurrentievoordeel.
Analytics Foto via Shutterstock
4 Opmerkingen ▼
