Новичкам

Не важно «как», важно «что»

0

Сегодня короткая заметка на очень интересную тему. Думаю, многие сталкивались с тем, что менеджер превозносит свои заслуги, иногда ставя процесс на первое место, вместо достигнутого результата. Раньше я тоже этим грешил, пока не стал руководителем и не задумался над этой проблемой. Оценивая свою проделанную работу и проделанную работу своих коллег, подчиненных либо менеджеров смежных подразделений, могу точно сказать, что практически всегда оценка проводится по достигнутым результатам. Многие молодые сотрудники, приходя на предприятие не понимают этого и считают, что они хорошие работники лишь потому, что они выполняют так много ответственных, как им кажется, поручений руководителей. Они даже не догадываются, как они ошибаются. Часто они говорят, вот какую я работу проделал, вот так все красиво получается. При ближайшем рассмотрении, видно, что данную работу можно было упростить в 10-ки раз, добившись такого же результата в гораздо более короткое время. Обращаясь ко всем, вы поймите, не важно как Вы решили изящно ту или иную задачку, Далее >

Data quality – качество данных

0

Сегодня мне бы хотелось поговорить о самой большой проблеме всех внедрений BI – о проблеме качества данных. Особо острой проблема является в тех случаях, когда существует более чем один источник данных. Например, в British Telecom сейчас более 200 биллинговых систем. И несомненно, когда приходится считать какой-либо составной показатель из нескольких источников или выбирать показатель из множества конкурирующих источников (источники, которые содержат один и тот показатель), в этом случае мы всегда сталкиваемся с решением задачи обеспечения качества данных.

Недавно я встречался с Вице-Президентом Oracle по BI – Полом Родвиком и задал вопрос о подходах, которыми пользуются компании во время внедрения. О двух из них я несомненно слышал, но третий меня слегка удивил, хотя он имеет право на существование.

В настоящее время есть несколько принципов решения проблем:

1. «Глубокое решение» – подход, при котором создается единый источник, который является мастер-источником для всех остальных систем, т.е. идет двухсторонняя интеграция. Далее >

Что Data mining может, а чего нет?

0

Недавно натолкнулся на очень интересное интервью с Питером Фэйдером (Peter Fader) с редактором журнала CIO Insight Алланом Алтером (Allan Alter), мастером по количественным ислледованиям в маркетинге бизнес-школы Wharton, который обращается к IT-директорам компаний: «хватит накапливать множество абонентских данных и не правильно применять алгоритмы Data mining-а».

Несмотря на то, что интервью бралось еще в далеком 2007 году, мне оно кажется очень актуальным, тем более после появления новых трендов, таких как Big Data. Я уже ни раз говорил о том, что не всегда продвинутый инструментарий позволяет получить гораздо лучшие результаты при аналитической обработке данных, чем при построении простейших моделей в том же Excel. После прочтения этого интервью я еще больше укрепился в этом мнении.

Статья на столько понравилась, что решил сделать перевод для читателей блога.

CIO INSIGHT: Питер, расскажите о сильных и слабых сторонах использования инструментария Data Mining и Business Intelligence.

FADER: 

Инструментарий Далее >

Что делать с низкододными клиентами

0

Недавно наткнулся на очень интересную дискуссию относительно того, что делать с клиентами, которые являются низкодоходными либо вообще убыточными для компании. Ну и задавался риторический вопрос – может стоит от них вообще отказаться. Я бы не торопился с ответом, а прежде всего начинал с анализа таких абонентов. Когда мы раньше говорили про правило Парето – 20% клиентов приносит 80% доходов (а возможно и прибыли). Тогда в таком случае мы говорим об отказе в обслуживании 80% клиентской базы. Неужели все так плохо?

Ответ не так уж прост. С одной стороны отказаться от этих клиентов легко и я уверен, что в краткосрочной перспективе это может оказаться даже более эффективно, чем продолжать их обслуживать, НО с точки зрения долгосрочной стратегии работы с клиентом это может привести к полному краху предприятия, ну или по крайней мере глубокому застою. Так как привлечь высокодоходного клиента не просто.

Если говорить, про шаги, которыми Далее >

Как бороться с погрешностью в планировании?

2

Сегодня мне бы хотелось рассказать о некоторых способах борьбы с погрешностью планирования, которые можно взять на вооружение.

Вообще говоря на 100% угадать что будет завтра наверное никому не по силам, если только вы не Господь Бог или вы действительно очень удачливы. Наша задача всегда сводится к одному – минимизации отклонение фактических данных от прогнозных.

Давайте для начала введем некую классификацию причин погрешности. Во-первых, причины бывают внутренними и внешними. Очень редко когда причина кроется в выборе инструментария и методов прогнозирования, если вы конечно только это не делаете впервые. На внешние причины вы не можете повлиять практически никогда, соответственно ваша задача накапливать базу знаний того, как ведет ваш прогноз при изменении той или иной внешней ситуации и постараться в будущем при планировании видеть динамику изменения внешней ситуации и учитывать это в своей модели прогнозирования.

На внутренние причины вы можете влиять, не всегда самостоятельно, но никто не запретит вам Далее >

Вверх