Slik gjenoppretter du forretningsprosesser med prediktiv analyse

Hva er prediktiv analyse? Prediktiv analyse kan gi organisasjoner et konkurransefortrinn. Finn ut hvordan du kan se denne korte videoen om den populære big data-praksisen.

Kan du bygge bedre forretningsprosesser enn det du har nå? Hvis du har et data science-team til disposisjon, er sjansen stor for at du kan.

Ledere leter alltid etter måter å gjøre ting bedre på - raskere, billigere og av høyere kvalitet. Mange selskaper jeg har jobbet med har gått så langt som å bygge en kontinuerlig forbedringsorganisasjon i strukturen deres. Dette er ansatte som hele jobben leter etter måter å forbedre selskapets forretningsprosesser. Det er en god idé.

Noen ganger trenger du imidlertid noe mer enn trinnvis forbedring av delprosesser. Noen ganger må du gå helt tilbake til de globale prosessene på høyeste nivå og revurdere de beste måtene å utføre oppdraget og strategien din.

Big data policy (Tech Pro Research)

Ideen om Business Process Reengineering (BPR) traff scenen på 1990-tallet med denne grunnleggende filosofien: Start på nytt og utfordre alt om forretningsprosessene dine. I likhet med mange andre ledermotorer, forsvant den så raskt som den økte, og ga vei til den neste gode lederidéen. Vel, det kan være på tide å se på denne ideen, fordi de ikke hadde datavitenskap på 1990-tallet som vi har den nå.

Hvordan vinne med reseptbelagte analyser (ZDNet spesialrapport) | Last ned gratis PDF-eBok (TechRepublic)

Hvordan prediktiv analyse kan gi verdi til BPR-innsatsen

Datavitenskap og big data-analyse er spillskiftere når det gjelder BPR. Det er flere områder der datavitenskap kan tilføre verdi til BPR-innsatsen, selv om det mest overbevisende er prediktiv analyse. Forutsigende analyser baner vei for å sprenge eksisterende forutsetninger om forretningsprosessene dine.

Mer om Big Data

  • Datahåndtering: Et jukseark
  • Hvordan integrere robotprosessautomatisering i big data-prosjekter
  • Programmereren Hadley Wickham utpeker mangfoldet av R-samfunnet
  • Hvordan velge riktige dataanalyseverktøy: 5 trinn

La meg forklare: Mange ganger vil en forretningsprosess vente på informasjon den ikke har. Tenk på en typisk arbeidsflyt for ordrebehandling. Jeg snakket med et forlag for ikke lenge siden om å forbedre ordrehåndteringssystemet deres. Prosessen deres starter når en kunde enten ringer en ordre, fakser i en bestilling (kan du tro at folk fremdeles bruker faksmaskiner?), Eller bestiller en publikasjon over nettet.

Dette er et rimelig sted for arbeidsflyten for ordrebehandlingen å starte, men hva ville skje hvis de kunne forutsi hva kundene kom til å bestille basert på tidligere kjøpsmønstre? De kunne hoppe over ventingen og bare sende de riktige publikasjonene til kundene sine. I sjeldne tilfeller når en kunde ikke ønsket publikasjonen som ble sendt, ville utgiveren spise kostnadene og / eller gjøre det enkelt for kunden å returnere publikasjonen.

Det første trinnet er å ta en kritisk titt på prosessene dine og spørre deg selv hvor en pålitelig forutsigelsesmotor kan endre hele arbeidsflyten. Det kan være på triggerpunkter, som eksempelet ovenfor, eller det kan være i andre køer der prosessen venter på informasjon som kan forutsies. Det er kanskje ikke tydelig på de nåværende prosessflytskjemaene dine, så du vil trenge forretningseksperter for å identifisere disse områdene. Men før du engasjerer deg forretningseksperter, bør du tenke på det fra deres synspunkt.

Hvordan BPR kan påvirke forretningseksperter

En vanlig utfordring for alle ledere som tar fatt på all BPR-innsats er å engasjere forretningseksperter som til slutt vil bli fortrengt av den nye prosessen. Oftere enn ikke blir BPR-innsatsen drevet av en forventning om at noen ny teknologi, i det minste delvis, vil erstatte menneskene som for tiden utfører arbeidet; dette gir et åpenbart problem for menneskene. Så hvis planen din er å utnytte kunnskapen deres, er det best å ha en plan for endringsledelse på plass før du øker utsiktene til samarbeid på den nye BPR-bestrebelsen.

Å løse dette problemet er ikke så vanskelig som du først tror, ​​med mindre det primære målet ditt er å redusere antall ansatte for å spare kostnader, i hvilket tilfelle kan jeg ikke hjelpe deg. Hvis du ønsker å forny prosessene dine og fortsatt beholde forretningseksperter som huser din institusjonelle kunnskap, kan du vurdere hvordan den prediktive analysen vil bli brukt. Menneskene som for tiden er i prediksjonsvirksomheten i ditt selskap, er de beste til å vite hva de skal gjøre etter at prediksjonen er gjort.

I eksemplet over vil jeg ikke anbefale å slippe kundeservicerepresentantene fordi du kan forutsi hva og når kundene vil bestille - det er de som kjenner kundene best, så det ville være en stor feil å slippe dem. Nå som tiden deres til å behandle ordrer er frigjort, kan de bruke mer tid på å betjene kunder på andre måter og bygge relasjoner.

Konklusjon

Hvis du ønsker å sprenge de eksisterende prosessene dine, og begynne på nytt med litt nytenking, ville du være underlagt hvis du oversett datavitenskapelig avdeling. Datavitenskap - spesielt prediktiv analyse - kan være et kraftig våpen for å beseire de sittende forutsetninger og oppdage gjennombrudd effektivitet på den måten du utfører bedriftens oppdrag og strategi.

Fra ditt høyeste globale prosessnivå, gå systematisk gjennom arbeidsflytene og spør deg selv: "Kan jeg gjøre dette bedre ved å forutsi hva som kommer til å skje?" Samarbeid med forretningseksperter for å identifisere de største mulighetene, men sørg for at de har et hjem når alt er sagt og gjort. BPR kan være spennende, givende og ekstremt effektiv når prediktiv analyse er i blandingen.

Data, Analytics og AI Nyhetsbrev

Få eksperttips for å mestre grunnleggende grunnleggende analyser av data, og følg med på den siste utviklingen innen kunstig intelligens. Leveres mandager

Registrer deg i dag

© Copyright 2020 | mobilegn.com