Τι είναι η ανάλυση χάσματος δεδομένων;

Μια ανάλυση χάσματος δεδομένων καθορίζει τα υπάρχοντα κενά σε οποιαδήποτε από μια σειρά μετρήσεων που υποδηλώνουν τον τρόπο με τον οποίο μια επιχείρηση εκτελεί σε μια συγκεκριμένη περιοχή.Αυτός ο τύπος ανάλυσης διεξάγεται συχνά με σκοπό όχι μόνο την εξέταση των κενών, αλλά και την αφαίρεση τους μέσω της βελτίωσης της συλλογής δεδομένων.Τα κενά δεδομένων, που αναφέρονται επίσης ως κενά αντίληψης, ενδέχεται να καλύπτουν οποιαδήποτε περιοχή επιχειρηματικής απόδοσης στην παραγωγή ή σε υπηρεσίες που παρέχονται στους πελάτες.Σε μια ανάλυση χάσματος δεδομένων, οι διαχειριστές ή οι σύμβουλοι επιδιώκουν να βελτιώσουν τις τρέχουσες επιδόσεις με το κλείσιμο των κενών στον τρόπο με τον οποίο συλλέγονται τα δεδομένα.Ο προσδιορισμός των κενών μέτρησης είναι συχνά προκλητικός, καθώς οι επιχειρηματικές μετρήσεις είναι γενικά αλληλένδετες και αλληλένδετα.

Στατιστικά και δεδομένα απόδοσης που καλύπτουν ένα ευρύ φάσμα εμπορικών δραστηριοτήτων συλλέγονται συχνά από τους διαχειριστές.Αυτά τα δεδομένα μπορούν να χρησιμοποιηθούν για την ποσοτικοποίηση των επιχειρηματικών επιδόσεων σε μια συγκεκριμένη περιοχή ή περιοχές.Οι διαχειριστές χρησιμοποιούν τις πληροφορίες από μια ανάλυση χάσματος δεδομένων για να πραγματοποιήσουν αλλαγές στην παραγωγή ή την παροχή υπηρεσιών για την επίτευξη μεγαλύτερης αποτελεσματικότητας.

Η κύρια εστίαση στην ανάλυση του χάσματος δεδομένων είναι η επινόηση διαδικασιών για τη λήψη δεδομένων σε μια συγκεκριμένη περιοχή που προχωράει, όχι στην αναθεώρηση της ιστορικήςδεδομένα.Ουσιαστικά, η αρχή της λειτουργίας γενικά στην εργασία είναι ότι αυτό που δεν έχει μετρηθεί μπορεί να είναι το ιδανικό μέρος για να κόψει τα απόβλητα και να αυξηθεί η παραγωγικότητα.Μέχρι να υπάρξει ανάλυση χάσματος δεδομένων, το πραγματικό επίπεδο απόδοσης παραμένει άγνωστο.

Τα κενά σε μια συλλογή δεδομένων οργανισμών μειώνουν τους διαχειριστές ανατροφοδότησης που συνήθως θα χρησιμοποιούσαν για τη μέτρηση της απόδοσης σε μια συγκεκριμένη περιοχή.Για παράδειγμα, οι διαχειριστές ενδέχεται να θέλουν να μάθουν πόσοι πελάτες επιστρέφουν με μια καταγγελία σχετικά με ένα συγκεκριμένο προϊόν μέσα σε ένα συγκεκριμένο παράθυρο.Εάν κανείς δεν έχει εντοπίσει αυτά τα δεδομένα, η επιχείρηση μπορεί να μην γνωρίζει το πραγματικό επίπεδο ικανοποίησης των πελατών.Επιπλέον, τα προβλήματα με ένα συγκεκριμένο προϊόν μπορεί να είναι πιο πολυάριθμα από μια επιχείρηση που συνειδητοποιεί επειδή τα δεδομένα αυτά δεν αναφέρονται σε εκείνους που βρίσκονται σε θέση να αντιμετωπίσουν τον λόγο για την ανεπάρκεια. mdash;Οι περιοχές όπου λείπουν τα δεδομένα.Το επόμενο βήμα είναι συνήθως για να προσδιοριστεί ποιες μετρήσεις πρέπει να ληφθούν για να κλείσει αυτά τα κενά.Αυτό το βήμα συχνά περιλαμβάνει την ερώτηση διερευνητικών ερωτήσεων, στη συνέχεια, λαμβάνοντας τις απαντήσεις και τη θέσπιση μιας σειράς ενεργειών για την καταγραφή αυτών των δεδομένων.Η διαδικασία ανακάλυψης ενός χάσματος στα δεδομένα μπορεί να είναι προκλητική, καθώς είναι συχνά δύσκολο για τους ανθρώπους να φανταστούν ποιες ερωτήσεις δεν είναι

να ζητηθεί.Αυτός είναι ο λόγος για τον οποίο η περισσότερη ανάλυση χάσματος δεδομένων αρχίζει αρχικά καθορίζοντας ποιες δυνατότητες πρόβλεψης πρέπει να εισαχθούν ιδανικά σε μια συγκεκριμένη λειτουργία.