Data Culture u današnjem svijetu vođenom podacima
S pravom podatkovnom kulturom prepoznat ćete najbolje mogućnosti djelovanja u svakodnevnom radu. Na taj način uspostavljate izvrstan proces donošenja odluka koji vas čak i u stresnim situacijama vodi do najboljih rezultata.
Svijet se razvija velikom brzinom. U poslovnom okruženju potrebne su brze odluke. Te odluke ne samo da moraju biti ispravne, već moraju biti potkrijepljene činjenicama. Tvrtke ulažu u podatke. Važno je pokupiti sve korisnike – od povremenih korisnika do Data Scientista-a – i pokazati kako se različita očekivanja pretaču u koherentan koncept. Odgovarajuća Data Culture posebno uzima u obzir sljedeće zahtjeve:
- (potrebni) podaci dostupni su u najboljoj kvaliteti,
- zaštićeni su osobni podaci kupaca, dobavljača i zaposlenika,
- zaštićeni su osjetljivi podaci tvrtke,
- obrada podataka provodi se sa visokom učinkovitošću.
Zašto je Data Culture važan?
Odluke temeljene na podacima čine se jednostavnima i jasnima. U razgovorima s mojim kolegama često govorimo o izazovu prihvaćanja odgovarajuće kulture koja se temelji na podacima. Takva kultura uspijeva učinkovito koristiti snagu podataka. I Vi biste trebali pratiti najbolje prakse znanosti o podacima na tržištu i primijeniti poticaj u vlastitoj tvrtki, te tako dalje razvijati organizaciju vođenu podacima.
Kako bih procijenio vlastite ambicije i iskoristio poticaje za daljnji razvoj, volim raditi s DELTA okvirom. Delta Framework koji je razvio Tom Davenport fokusiran je na 5 dimenzija: podatke, tvrtku (Enterprise), vodstvo (Leadership), (postavljene) ciljeve (Targets) i analitičare.
Što je Data Culture?
Data Culture je skup ponašanja i uvjerenja ljudi koji cijene, prakticiraju i potiču korištenje podataka za poboljšanje donošenja odluka.
Data Culture je način na koji ti ljudi koriste podatke za donošenje odluka na temelju podataka. Ona osigurava da svaki zaposlenik razumije važnost praksi povezanih s podacima.
Htio bih Vas pitati: koliko vremena morate potrošiti dok ne iznesete prave podatke? Najprije ih morate lokalizirati u tvrtki, razumjeti model podataka i poslovna pravila, te izgraditi povjerenje u zalihu podataka. Tada možete provjeriti svoju tezu ili otkriti i predstaviti nove veze.
Kad u tvrtki vidim da su podaci ugrađeni u poslovanje, način razmišljanja i identitet organizacije, kultura podataka je dobro razvijena. Zrela podatkovna kultura daje svima u Vašoj organizaciji uvide koji su im potrebni za upravljanje podacima i rješavanje najsloženijih poslovnih izazova.
Koji su izazovi za korisnike?
Priprema podataka:
Anaconda, operater široko korištene podatkovne znanstvene platforme, svake godine provodi anketu korisnika (State of Data Science). Zanimljiva mi je anketa o raspodjeli radnog vremena:
Data Scientists provode dan radeći razne zadatke koji zahtijevaju različite tehničke i netehničke vještine. Na pitanje koliko vremena troše na ove zadatke, ispitanici su naveli da oko 39% svog vremena troše na pripremu podataka i čišćenje podataka, što je više od vremena koje troše na obuku modela, odabir modela i implementaciju modela zajedno.
Iako su priprema i čišćenje podataka dugotrajni i potencijalno zamorni, automatizacija nije rješenje. Umjesto toga, čovjek osigurava kvalitetu podataka, točnije rezultate i kontekst podataka.
Mislim da je adekvatan odgovor tretirati podatke kao proizvod. Ovo je sastavni dio koncepta mreže podataka. Ovom konceptu ću posvetiti poseban post. SAP Data Warehouse Cloud olakšava implementaciju ovog koncepta.
Pri tome se koriste različiti alati i programski jezici.
Jasna preferencija za Python dijelom je posljedica postavljanja ankete: Anaconda se uglavnom oslanja na Python. Raznolikost u odgovorima odgovara mom iskustvu. Ako dozvolimo neku raznolikost, posebno u okruženjima sa Sandbox-om, doći ćemo do više korisnika. Svaki od njih donosi različita iskustva i znanja.
Korištenje platformi jednako je raznoliko kao i korištenje programskih jezika. Za kreativnost je korisno ako smo otvoreni ovdje u Sandbox-u. Prilikom predaje poduzeću, treba postaviti i implementirati strožije standarde.
Tri pristupa za dalji razvoj Data Culture
Dobra i odgovarajuća Data Culture razvija se naširoko u kompaniji: pokreće se od vrha kompanije i dopire do svakoga ko dođe u kontakt sa podacima.
Povežite one koji možda postavljaju pitanje sa onima koji znaju odgovor.
Podstaknite produktivan dijalog između onih koji su upoznati s podacima i onih koji uče jezik podataka. Na taj način okupljate one koji možda postavljaju prava pitanja i one koji znaju odgovore. Uravnotežena interakcija analitičkih vještina, obuke, pristupačnosti i upravljanja ima pozitivan učinak na kompaniju. Na kraju, proces donošenja odluka zasnovan na činjenicama svodi se na tri ključna faktora, poznata kao stubovi kulture podataka:
1) Data Discovery: Zaposleni znaju i koriste podatke koji čine osnovu za donošenje odluka. Oni stvaraju relevantne uvide u podatke i prenose te uvide poslovnim korisnicima.
2) Podatkovna pismenost (Data Literacy): Ovaj faktor predstavlja korisnikovu sposobnost i sposobnost da precizno interpretira i analizira podatke.
3) Data Governance: Ovaj faktor se odnosi na pravilno upravljanje podacima koje osigurava pravi pristup podacima za prave ljude u pravo vrijeme.
Važnost kulture podataka
Prisustvo zdrave kulture podataka je neophodan uslov za uspeh organizacije. Ona igra nesumnjivo važnu ulogu u razvoju kompanije. Kompanije sa snažnom kulturom analitike direktno donose informirane odluke.
Studija Forrestera pokazuje da kompanije koje koriste podatke kao pomoć pri donošenju odluka imaju tri puta veće šanse da ostvare dvocifreni rast (Izvor). Data Culture ne smije se odnositi samo na prikupljanje što više podataka. Proces: od podataka do uvida do boljih odluka, odvaja uspješne kompanije od ostalih. Ovo se može dobro sažeti frazom „The Insights-Driven Business“.
Promjena uloge evanđelista podataka tokom vremena
Upoznao sam i cijenio svoje prvo skladište podataka prije trideset godina. Kao kontrolor, analizirao sam različite aspekte bolničkih troškova. Pristup podacima bio je strogo regulisan. Deset kontrolora koristilo je ovo skladište od 7000 zaposlenih. Nakon što sam godinu dana radio sa Data Warehouse, postao sam stručnjak za bolničke strukture. U to vrijeme bili smo ponosni na naše moderne strukture. Niko nije želio svim korisnicima dati pristup podacima, razumijevanje podataka bio je zadatak stručnjaka. Sastavljanje izvještaja sa svim brojkama jednom mjesečno, često na papiru, bilo je dovoljno.
Sa proširenjem struktura podataka, postalo je sve korisnije svakodnevno učitavati podatke. CubeServ i drugi uspostavljeni obrasci fiksne arhitekture. Kod ovih mjera prevladala je paradigma “učitati jedan izvor i koristiti na različitim mjestima (u Data Warehouse)”.
Pokazalo se da su prepreke na putu da postanete tvrtka vođena podacima primarno kulturne, a ne tehničke prirode.
Iskreno rečeno, uključivanje podataka u proces donošenja odluka prilično je jednostavno. Pravi je izazov dopustiti da to postane normalno za sve korisnike.Promjena načina rada i razmišljanja zahtijeva puno impulsa i primjer top menadžmenta.
Zaključak
Suština svega što smo pogledali u ovom postu jest da je sudjelovanje svih dionika jedan od ključeva donošenja odluka u Vašoj organizaciji na temelju podataka. Imenovao sam tri bitne dimenzije (Data Discovery, Data Literacy i Data Governance). Radimo zajedno na čvrstim temeljima za prepoznatljivu kulturu podataka u Vašoj tvrtki!
- Dio 1: Kako poslovnu analitiku učiniti uspješnom?
- Dio 2: Poslovna analitika naspram poslovne inteligencije
- Dio 3: Šta je SAP Analytics? SAP Data Warehouse portfelj
- Dio 4: SAP Analytics – Front End proizvodi
- Dio 5: Data platforma – Važan stub digitalne transformacije
- Dio 6: Na putu za AWS
- Dio 7: Cloud – prokletstvo ili blagoslov?
- Dio 8: Vodite podacima – zašto je Power BI popularan izbor
- Dio 9: Business Analytics platforma: Agilnost i upravljanje podacima
- Dio 10: Advanced Analytics uz SAP i R
- Dio 11: Razvijte model podataka koji podržava SAP PowerDesigner
- Dio 12: IBCS usklađeni grafikoni sa Tableau-om i grafomatom
- Dio 13: Brzo steknite nove uvide: Da li je sada pravo vrijeme da počnete sa SAP Data Warehouse Cloud?
- Dio 14: Početak rada s R-om
- Dio 15: Advanced Analytics s R-om: Pregled
