शुभ प्रभात। म まさきん हुँ।
आजदेखि ‘मार्केटिङ’ भन्ने श्रेणी सुरु गर्छु। डिजिटल मार्केटरको रूपमा काम गर्दै पढेका किताबहरू र सोचेका कुराहरू, बिस्तारै लेख्दै जान्छु।
पहिलो पटक पुस्तक समीक्षाबाट सुरु गर्छु। Competing on Analytics(Thomas H. Davenport र Jeane G. Harris लिखित) भन्ने किताब हो।
सुरुवात भयो “विश्लेषणले नाफा दिन्छ?” भन्ने प्रश्नबाट
काम गर्दा कहिलेकाहीं यस्तो प्रश्न सुनिन्छ। विश्लेषणले आफैंले बिक्री बढाउन सक्छ त भन्ने प्रश्न हो।
साँच्चै भन्दा, विश्लेषणले सिधै बिक्री सिर्जना गर्दैन। तर विश्लेषण नगर्ने कम्पनीहरू भविष्यमा टिकिरहनु गाह्रो हुन्छ भन्ने भावना मेरो मनमा लामो समयदेखि छ।
किताबको सामग्री: विश्लेषण किन प्रतिस्पर्धात्मक बढ्ता बन्छ
यस किताबमा Google वा Amazon जस्ता इन्टरनेट कम्पनीमात्र होइन, बैंकिङ, उत्पादन, खुद्रा, सेवा क्षेत्रसम्मका विभिन्न व्यवसायका उदाहरण दिइएको छ।
डेटा र विश्लेषणलाई केन्द्रमा राखेर व्यवस्थापन गर्ने कम्पनीहरूको कथा हो। विश्लेषण किन प्रतिस्पर्धात्मक बढ्ता बन्छ भन्ने कारणका रूपमा किताबले केही सर्तहरू उल्लेख गर्छ।
- नक्कल गर्न गाह्रो हुनुपर्छ
- आफ्नै विशेषता हुनुपर्छ
- व्यवहारमा प्रयोग हुनसक्नुपर्छ
- प्रतिस्पर्धीलाई धेरै उछिन्नुपर्छ
- निरन्तर विकसित हुनुपर्छ
यो सुन्दा सही लाग्छ, तर यसलाई स्वाभाविक रूपमा गरिरहेका कम्पनी वास्तवमा त्यति धेरै छैनन् जस्तो पनि लाग्छ।
यो किताबको रमाइलो पक्ष भनेको, विश्लेषणलाई हतियार बनाएका कम्पनीहरूको बाटो एकसमान छैन भन्ने कुरा हो। Google र Amazon जस्ता सुरुदेखि नै डेटा-केन्द्रित कम्पनीहरू पनि छन्, Walmart वा बैंकहरू जस्ता आवश्यकताले गर्दा डेटा व्यवस्थापन बलियो बनाएका कम्पनीहरू पनि छन्। केही खेल टोली वा उत्पादक कम्पनीहरू जस्ता, एक चरण पार गरेर विश्लेषणलाई हतियार बनाएका कम्पनी पनि छन्। सुरुवात फरक-फरक भए पनि पुग्ने ठाउँ उस्तै छ, भन्ने यो किताबको दृष्टिकोण हो।
कम्पनीहरूले पनि अनुमानबाट डेटामा निर्णयको आधार सारिरहेका छन्। यही सोच घरायसी स्थिर खर्चमा पनि लागू गर्न सकिन्छ। मेरो आफ्नै मोबाइल शुल्क पनि एक पटक सङ्ख्याले जाँच्नुपर्छ जस्तो लाग्यो।
थिच्दा राकुतेनको लगइन पेज खुल्छ। लगइन गरेपछि क्याम्पेनको विवरण देखिन्छ।
“फास्ट पाथ” र “स्लो पाथ” भन्ने दुई बाटो
विश्लेषणलाई हतियार बनाउने कम्पनी बन्नका लागि कस्तो क्रम पार गर्नुपर्छ? किताबमा दुई तरिका प्रस्तुत गरिएको छ।
पहिलो हो “फास्ट पाथ”। नेतृत्व वा कार्यकारी तहले सुरुदेखि नै अनुमानभन्दा डेटालाई विश्वास गरी लगानी नछेकिने अवस्थाको बाटो हो। एक्सप्रेस रेलमा चढेजस्तै, तुलनात्मक रूपमा छिटो सम्पूर्ण संस्थामा परिवर्तन आउँछ।
तर वास्तवमा यस्तो अवस्थामा भएका कम्पनी त्यति धेरै छैनन्। धेरै कम्पनीले हिँड्ने बाटो अर्को “स्लो पाथ” हो। मार्केटिङ विभाग जस्तो सानो एकाइबाट सुरु गरी, बिस्तारै नतिजा बनाई, त्यही नतिजाको आधारमा अरू विभागमा बुझाइ फैलाउने तरिका हो। समय लाग्छ, असफल हुने सम्भावना पनि कम छैन, तर सुरुको लगानी सानो हुने फाइदा छ। जुनसुकै बाटो हिँडे पनि, विश्लेषणको प्रभाव पूरै संस्थामा फैलिएपछि गर्नुपर्ने काम उस्तै हो भनेर किताबले भन्छ। डेटा जम्मा गर्ने, जनशक्ति बलियो बनाउने, निरन्तर नतिजा दिइरहने। यही निरन्तरता नै विश्लेषणलाई हतियार बनाउने कम्पनीहरूको साझा विशेषता हो जस्तो लाग्छ।
विश्लेषणलाई साथ दिने तीन प्रकारका जनशक्ति
अझ एउटा कुरा याद रहेको छ, विश्लेषणलाई सक्रिय बनाउन आवश्यक जनशक्तिलाई तीन तहमा विभाजन गरिएको बिन्दु।
पहिलो हो व्यवस्थापन टोली। डेटाको महत्त्व बुझ्नु मात्र होइन, सम्भव भएसम्म व्यक्तिगत विश्लेषण पद्धतिको बारेमा पनि केही हदसम्म जानकारी हुनु राम्रो हो भनिन्छ। दोस्रो हो व्यावसायिक व्यक्तिहरू। डेटा ह्यान्डल गर्न विशेष तालिम पाएका, उच्च सीप भएका मानिसहरू हुन्। हाल बाहिरबाट पनि लिन सकिन्छ, तर विश्लेषणको मुख्य भाग पूरै बाहिर निर्भर गरे कम्पनीको प्रतिस्पर्धात्मक शक्ति नै अरूको सापटी बन्न जान्छ भनेर किताबले औंल्याउँछ।
र तेस्रो, वास्तवमा सबैभन्दा धेरै सङ्ख्यामा भएका, सबैभन्दा महत्त्वपूर्ण भनिएका “एमेच्योर एनालिस्ट” हुन्। उच्च विश्लेषण सीप नभए पनि, कार्यस्थलका मानिसहरूले डेटाको परिभाषा र प्रयोगलाई सही र एकरूप तरिकाले बुझेको हुनुपर्छ भन्ने सोच हो।
यो व्यवहारमा पनि गहिरो अनुभव भएको कुरा हो। मैले आफैं एउटै डेटालाई टोलीअनुसार पूरै फरक अर्थमा बुझिएको दृश्य धेरैपटक देखेको छु। उस्तै सङ्ख्या हेरिरहेको हो, तर एक टोलीले राम्रो सङ्केत मान्छ, अर्को टोलीले खतराको सङ्केत मान्छ। कारण प्रायः डेटाको परिभाषा वा पूर्वशर्त कार्यस्थलमा राम्ररी साझा नभएकोमा हुन्छ। उच्च विश्लेषण प्रणाली तयार गर्नुभन्दा पहिले, कार्यस्थलका एमेच्योर एनालिस्टको बुझाइ मिलाउनु सामान्य देखिए पनि प्रभाव ठूलो हुन्छ जस्तो लाग्छ। यो “साझा भाषा मिलाउने शक्ति”को बारेमा डेटा विश्लेषणको काममा चाहिने “अनुवाद शक्ति”को कुरामा पनि लेखेको छु।
आज पढ्दा पनि जग पुरानो भएको छैन
यो किताब सन् २०१० तिर प्रकाशित भएको हो, अब १५ वर्षभन्दा बढी भयो। तर लेखिएको सोचको जग अझै पनि पूर्ण रूपमा प्रयोग हुनसक्छ जस्तो लाग्छ।
हिजोआज AI प्रयोगलाई “मूल्य सिर्जना शक्ति” भन्ने विषयमा चर्चा गरिने बढेको छ। जेनेरेटिभ AIले डेटा प्रशोधन, सङ्कलन, रिपोर्ट बनाउने जस्ता काम धेरै स्वचालित बनाउन सकिने भएको छ। त्यसैले KPI पत्ता लगाउने शक्ति, डेटाबाट जित्ने बाटो निकाल्ने शक्तिको महत्त्व सापेक्षिक रूपमा बढेको भनिन्छ। समस्या समाधान गर्नु मात्र होइन, के लाई समस्या मान्ने भन्ने परिकल्पना बनाउने भाग मानिसलाई चाहिने काम बाँकी रहनेछ भन्ने धारणा हो। पुरानो पद्धति आज फेरि हेरिँदै गरेको उदाहरणका रूपमा मार्केटिङ मिक्स मोडेलिङ पनि हुन सक्छ।
विश्लेषण उपकरण विकसित भए पनि, अन्तिम निर्णय गर्ने मानिस नै हो। सङ्ख्यालाई कसरी बुझ्ने र त्यसलाई अर्को कदममा कसरी जोड्ने भन्ने भाग नै हिजोआज उस्तै काम हो जस्तो लाग्छ। फास्ट पाथ र स्लो पाथ दुवै, अन्तिममा “मानिसले सङ्ख्यासँग कसरी व्यवहार गर्छ” भन्ने कुरालाई मिलाउने काम भएकाले, एउटै जरामा जोडिएको जस्तो लाग्छ।
सारांश
पुरानो किताब भनेर छाड्नुभन्दा, आज पढ्दा पनि सिकाइ पाइने किताब थियो। विश्लेषणलाई प्रतिस्पर्धात्मक बढ्ता बनाउने सोच व्यवसाय व्यवस्थापनमात्र होइन, घरायसी खर्च पुनरावलोकन गर्दाको धृतिमा पनि लागू हुनसक्छ जस्तो लाग्छ।
थिच्दा राकुतेनको लगइन पेज खुल्छ। लगइन गरेपछि क्याम्पेनको विवरण देखिन्छ।
यस लेखमा सम्बद्ध विज्ञापन समावेश छ। यस साइटको लिङ्क मार्फत उत्पादन वा सेवाको लागि आवेदन दिनुभयो भने, हामीले साझेदार कम्पनीबाट प्रतिफल पाउन सक्छौं। साथै, सञ्चालक राकुतेन समूहको कर्मचारी हो र कर्मचारी सिफारिस कार्यक्रम मार्फत प्रतिफल पाउन सक्छ। लेखको सामग्री र मूल्याङ्कन विज्ञापन भए वा नभएको भन्दा फरक रूपमा सञ्चालकको वास्तविक अनुभव र अनुसन्धानमा आधारित रहेर तयार गरिएको हो, तर माथिको सम्बन्ध बुझेर पढ्नुहोला। विस्तृत जानकारीका लागि अस्वीकरण र सम्बद्ध लिङ्क सूचना हेर्नुहोस्। अस्वीकरण र सम्बद्ध लिङ्क सूचना
यस लेखमा मेसिन अनुवाद समावेश छ। आधिकारिक सर्तका लागि राकुतेन मोबाइलको आधिकारिक साइटको बहुभाषी पृष्ठ हेर्नुहोस्।
राकुतेन मोबाइलको सञ्चार क्षेत्र वा सिग्नल अवस्थाको बारेमा चिन्ता भएमा, आधिकारिक सिग्नल सुधार·अनुसन्धान अनुरोध फारम मार्फत सोध्न सकिन्छ।
