Strategija analitike & kultura podataka
Što čini dobru podatkovnu strategiju?
Data Culture
Tijekom proteklih nekoliko mjeseci i godina raspravljao sam s raznim kupcima o tome kako se želja za više BI samoposluživanja može implementirati u svakodnevni život. CubeServ je predložio uspostavu platforme za poslovnu analitiku kao preduvjet. To znači da se podaci mogu koristiti u različitim tehnologijama.
Mogu li naši korisnici produktivno raditi s podacima ako im jednostavno omogućimo pristup? Vjerojatno ne. Ovaj korak nije dovoljan za naš cilj donošenja dobrih odluka utemeljenih na činjenicama.
Što čini dobru podatkovnu strategiju? Postoji posebno pet dimenzija koje se moraju holistički razmotriti u strategiji:
- Podaci: Podaci su relevantni, visoke kvalitete i različita imovina je integrirana.
- Posao: Kako će se analitika organizirati da omogući široku distribuciju?
- Vodstvo/nadahnuće: uklapa li se podatkovna strategija u korporativnu kulturu? Koriste li se činjenice i čista obrada podataka i zahtijevaju li se za odluke u tvrtki? Kao što Gary Loveman, operativni direktor Harrah’sa, često kaže: “Mislimo li da je to istina? Ili znamo?”
- (mjerljivi) ciljevi (za analitiku)
- kao i podrška za voditelje obrade, znanstvenike za podatke i (povremene) korisnike (tj. sve analitičare).
S konceptom podatkovne mreže Zhamaka Dehghani-ja razvijen je (po mom mišljenju) revolucionaran pristup decentraliziranoj podatkovnoj arhitekturi. Za Data Mesh – izgradnju podatkovne mreže, gđa. Dehghani uspostavlja četiri principa:
- Domain Ownership
- Data as a Product
- Self-Service Data Platform
- Federated Governance.
Koncept je prvi put predstavljen 2019. godine i od tada se vrlo brzo proširio. Na primjer u Zalandu, koji se, između ostalog, oslanja na Data Warehouse Cloud s prostornim konceptom za implementaciju podatkovne mreže.
Jednostavna premisa podatkovne povezanosti je da bi poslovne jedinice trebale moći definirati, pristupiti i kontrolirati svoje vlastite podatkovne proizvode.
Razmišljanje iza ovoga je da dionici u određenoj domeni razumiju svoje potrebe za podacima bolje od bilo koga drugog. Kada su poslovni stručnjaci prisiljeni raditi s podatkovnim inženjerima ili podatkovnim znanstvenicima izvan svog područja, dostavljanje pravih podataka pravim korisnicima podataka u pravo vrijeme oduzima puno vremena, često je sklono pogreškama i u konačnici je neučinkovito.
Ako se podaci razvijaju kao podatkovni proizvodi u odgovarajućoj domeni (odjelu), je li središnji analitički tim suvišan? Vjerojatno ne! Okvir za učinkovito i učinkovito projektiranje takvog podatkovnog umrežavanja pravi je izazov. Baza podataka može se osigurati samo na automatiziran i standardiziran način. Ovlaštenja koja osiguravaju zaštitu osobnih podataka i poslovne tajne, smisleni model podataka, katalog podataka i tržište podataka ostaju veliki izazovi. Čak i ako odgovornost za podatkovne proizvode leži u odgovarajućim domenama, analitički tim trebao bi pružiti obuku za analitičke metode i razne standardne analitičke aplikacije.
Odgovarajuća podatkovna strategija može se razviti samo pojedinačno. Rado ćemo vam pomoći u pronalaženju pravog za Vašu tvrtku i planiranju implementacije.
Imate izbor:
Iskoristite naše stručno znanje o analitičkoj strategiji
