5 passaggi per costruire una strategia per i dati aziendali, direttamente da un esperto

I dati possono essere una parola spaventosa.

Non dovrebbe esserlo, ma lo è. Principalmente perché le persone hanno difficoltà a gestirlo.

Molte aziende sono arrivate al punto in cui dispongono di così tanti dati da non sapere dove andare dopo. Altri credono che siano così piccoli che non sia necessario investire in una strategia dati aziendale.

La verità è che, indipendentemente dalle dimensioni della tua azienda e dallo stato attuale dei tuoi dati, trarrai vantaggio dall’implementazione di una strategia sui dati.

Per aiutarti a iniziare, ci siamo avvalsi dell'esperienza di Zosia Kossowski, il product manager del gruppo per il team di business intelligence di HubSpot (ovvero il nostro esperto interno di strategia dei dati.)

Una volta finito di leggere questo articolo, avrai un'idea migliore dell'attuale livello di maturità dei dati della tua azienda, quali fattori considerare prima di creare la tua strategia e alcuni passaggi utili lungo il percorso.

Nonostante la credenza popolare, una strategia sui dati aziendali non è riservata solo alle grandi aziende con grandi volumi di dati. In effetti, le piccole imprese possono trarre vantaggio dall’investimento precoce in una strategia sui dati e gettare le basi che le aiuteranno a crescere.

Vantaggi di una strategia dei dati aziendali

L’errore comune che molte organizzazioni devono affrontare è che, mentre raccolgono molti dati, ogni team li interpreta a modo proprio. Non esiste un metodo di reporting standard e ogni team potrebbe riportare un valore diverso per la stessa metrica.

Ciò significa che ognuno si ritrova con dati diversi senza una chiara comprensione di ciò che è accurato. Quando non esiste un'unica fonte di verità, diventa incredibilmente difficile fidarsi dei propri dati e ottenere informazioni preziose.

"I dati non esistono solo in un silo", ha detto Kossowski. “Il team di marketing non utilizzerà solo dati specifici del marketing su cui nessun altro team ha alcuna influenza. Vorranno anche ottenere informazioni da diverse aree.

E continua: “E quindi, un elemento di governance, standardizzazione e un linguaggio comune sono davvero importanti per garantire che questi team possano comunicare tra loro”.

Pertanto, implementando un EDS, si evitano i silos di informazioni, si garantisce la fiducia nei dati e si facilita il processo decisionale.

Cosa considerare quando si crea una strategia dei dati aziendali

1. Il tuo attuale livello di maturità dei dati

La prima cosa che Kossowski consiglia di fare prima di costruire la tua strategia è un’autovalutazione.

Chiediti: dove si colloca la tua azienda nella fase di maturità dei dati?

conca ha un “modello di maturità dei dati” ampiamente utilizzato che aiuta le aziende a determinare quanto sia effettivamente guidata dai dati la loro azienda. Ci sono quattro fasi:

• Consapevole dei dati – La tua azienda non ha standardizzato il proprio sistema di reporting e non c'è integrazione tra i tuoi sistemi, origini dati e database. Inoltre, c’è una mancanza di fiducia nei dati stessi.
• Esperto di dati – C'è ancora una mancanza di fiducia nei dati, in particolare nella loro qualità. Potresti aver investito in un data warehouse ma mancano ancora alcuni pezzi.
• Esperto di dati – La tua azienda ha il potere di prendere decisioni aziendali partendo dai tuoi dati. Tuttavia, ci sono ancora alcuni nodi da risolvere tra i leader aziendali e l’IT, poiché l’IT lavora per fornire dati affidabili su richiesta.
• Basato sui dati – L’IT e l’impresa lavorano a stretto contatto e sono sulla stessa lunghezza d’onda. Ora, l’attenzione è focalizzata sull’ampliamento della strategia dei dati perché il lavoro di base (in particolare l’integrazione delle fonti di dati) è già stato implementato con successo.

La cosa più importante qui è essere realistici riguardo alla posizione in cui cade la tua azienda.

"Penso che la più grande trappola che vedo sia non essere veramente onesti con te stesso riguardo a dove si trova la tua azienda nella fase di maturità dei dati", ha affermato Kossowski.

Aggiunge che non è sufficiente guardare le sensazioni che provi riguardo al modo in cui i dati ti hanno guidato think la tua azienda lo è. Guarda i fatti.

Inizia identificando i problemi relativi ai dati che la tua azienda deve attualmente affrontare, poiché questo è un ottimo indicatore della tua posizione.

2. Il tuo settore e le dimensioni della tua azienda

Il settore in cui operi e le dimensioni della tua azienda determineranno se adotterai un approccio centralizzato o distribuito alla tua strategia sui dati.

Ma prima di analizzare questi approcci, parliamo di due framework di strategia dei dati: attacco e difesa.

Durante la mia conversazione con Kossowski, lei ha parlato di come questo quadro (spiegato in dettaglio qui) ha aiutato HubSpot a sviluppare la propria strategia.

La difesa dei dati dà priorità ad aspetti quali la sicurezza, l'accesso, la governance e l'accuratezza dei dati, mentre il reato dei dati si concentra sull'acquisizione di informazioni che consentano il processo decisionale.

Ogni azienda ha bisogno di un equilibrio tra attacco e difesa. Tuttavia, alcuni si orientano maggiormente su un’estremità dello spettro in base al loro settore.

Un’organizzazione sanitaria o un istituto finanziario, ad esempio, probabilmente si occupa di dati altamente sensibili, dove la privacy e la sicurezza dei dati sono fondamentali.

Ottenere dati in tempo reale e approfondimenti rapidi probabilmente non è una priorità assoluta, mentre probabilmente lo è fornire barriere per chi può accedere ai dati. In quanto tali, si orienteranno maggiormente verso un quadro di difesa.

D’altro canto, ci sono le aziende tecnologiche, un settore che tende a muoversi rapidamente e fa più affidamento su una rapida inversione di tendenza dei dati.

Quindi si appoggiano maggiormente all'attacco. Detto questo, ci sono certamente dipartimenti all’interno delle aziende tecnologiche (e di altri settori in rapida evoluzione) che si concentreranno maggiormente sulla difesa, come la finanza.

Ora torniamo alle strategie centralizzate e distribuite.

Il framework che utilizzi indicherà quale strategia è più utile alla tua azienda.

In una struttura centralizzata, è presente un team centralizzato di reporting o business intelligence (BI) che gestisce e prepara i dati e i report.

"Quella [struttura] può funzionare molto meglio in un'organizzazione più piccola, e soprattutto in un'organizzazione che dà priorità alla difesa perché si muoverà più lentamente", ha affermato Kossowski. "Tu sarai il collo di bottiglia, ma avrai anche uno stretto controllo su ogni sua parte."

Un modello distribuito, d’altro canto, funziona meglio per i team più grandi che adottano un approccio offensivo. In questo modo, ogni team può muoversi rapidamente e ha il potere di svolgere il lavoro nel modo più adatto alle proprie esigenze.

In questo modello, la BI è semplicemente responsabile delle piattaforme e dell’impostazione dei guardrail mentre i team svolgono il lavoro di sviluppo, spiega Kossowski.

"Se si pensa a un'organizzazione, man mano che l'azienda diventa più grande, con un team più centralizzato, diventa sempre più difficile espandersi", ha affermato. "Finisci per dover assumere sempre più persone per riuscire a raggiungere questo obiettivo."

"Quindi penso che, ad una certa dimensione dell'azienda, finirai comunque per spostarti sempre di più verso [una] [strategia] decentralizzata."

Quindi, una volta capito quale framework funziona meglio per il tuo settore e le tue dimensioni, puoi implementare la strategia appropriata.

3. Il tuo team di gestione dei dati

Secondo Kossowski, la scienza dei dati è l’argomento caldo in questo momento nella gestione dei dati. E non ha torto.

Nel 2012, la Harvard Business Review lo ha nominato il lavoro più sexy del 21° secolo. Quasi 10 anni dopo, Glassdoor lo ha definito il secondo miglior lavoro in America.

Ma se stai discutendo su quale ruolo aggiungere al tuo team di gestione dei dati, un data scientist non dovrebbe essere la tua prima opzione.

Kossowski sottolinea che la tua scienza dei dati sarà valida quanto i dati che la alimentano. E se tali dati non sono affidabili, non otterrai informazioni preziose.

“La scienza dei dati non è una bacchetta magica che trasforma magicamente i dati errati in insight. In ogni caso, avrai comunque bisogno di quella base dati", aggiunge. "Quindi, lanciarsi nel fare qualcosa perché è la prossima grande novità, penso che sia una grande preoccupazione."

Se ti trovi nelle fasi iniziali del modello di maturità dei dati, Kossowski ha un suggerimento su dove concentrare i tuoi sforzi.

"Un architetto di data warehouse o anche un analista di dati con esperienza nella scrittura di SQL e nella creazione di tabelle SQL", afferma. “Se hai intenzione di assumere una sola persona e non disponi di molti dati, può trattarsi di un'assunzione davvero potente perché c'è molto che una persona può fare quando si opera su scala ridotta. Possono indossare molti cappelli diversi e imparare cose diverse.

Quando si tratta di attività più tecniche, come l'inserimento di dati nel magazzino, ci sono strumenti di terze parti che puoi utilizzare per farlo per te.

In questa fase, ciò di cui hai veramente bisogno è qualcuno che ti aiuti a strutturare i tuoi dati.

1. Delinea l'architettura dei dati.

La prima cosa che vuoi fare è comprendere i tuoi dati a livello granulare.

Ponetevi queste domande:

• Dove vivranno i dati?
• Che tipo di dati raccoglierai e da quali fonti?
• Come saranno organizzati i dati?

L'obiettivo qui è comprendere la struttura dei dati.

Se non si comprende la struttura, non è possibile creare un piano completo su come gestire i dati.

2. Definisci la relazione tra BI e i tuoi team.

Quando si tratta di strategia dei dati, uno dei passaggi più importanti è definire i team coinvolti nel processo e definire le aspettative per la BI.

In una grande organizzazione che non ha mai pensato prima alla strategia dei dati, scoprirai spesso che ogni team segue un modello diverso e ha una relazione diversa con la BI, rendendo difficile per la BI operare in modo semplificato e standard.

Inoltre, confonde i confini tra i ruoli dell'analista dei dati e della BI.

L'analista di dati dovrebbe conoscere la logica aziendale specifica del proprio team e la struttura dei dati raccolti. La BI, d'altro canto, non dovrebbe aver bisogno di avere conoscenze specifiche sull'area operativa che supporta, ma dovrebbe invece concentrarsi sull'origine dati e gestire la piattaforma per supportare l'analista.

Quando la BI adatta regolarmente il proprio processo per adattarlo alla logica aziendale specifica del team, rallenta tutto e crea una costante necessità di riapprendimento.

Il suggerimento di Kossowki? Elimina la logica aziendale dal livello BI e lavora su cose che siano rilevanti per il maggior numero possibile di team.

Inoltre, elaborare un profilo di analista standard e un modello per la relazione tra BI e team.

"Ci saranno ancora alcuni posti in cui lavoreremo sui set di dati e non sull'intera piattaforma", ha affermato Kossowski, "ma, per quanto possiamo, stiamo ripulendo i dati di base, rendendo più facile l'adesione, ma non effettivamente facendo quei join e la logica per loro.

3. Assegnare la proprietà.

Dopo aver stabilito la relazione tra i tuoi team e la BI, il passo successivo è definire chi possiederà cosa.

È tipico avere un proprietario diverso per ciascuna parte dei dati. Ad esempio, una persona o un team può possedere i dati operativi mentre un altro possiede i dati di reporting.

Potrebbe anche essere necessario assegnare proprietari in fasi diverse della pipeline. Il team BI può possedere i dati in una fase particolare e poi trasmetterli agli analisti.

Kossowski ritiene che la proprietà inizi con i team che producono i dati.

"Hanno bisogno di sentire un certo livello di proprietà sui dati e avere un certo livello di responsabilità se qualcosa non va", ha detto. "Perché se c'è un errore alla fonte, la BI può fare ben poco."

E continua: "E se provi a inserire patch a quel livello, incontrerai solo più problemi lungo la linea, quindi anche quella relazione è importante."

4. Stabilire la governance dei dati.

La governance dei dati è un insieme di politiche e regolamenti che informano su come i dati verranno raccolti e archiviati per garantire accuratezza e qualità.

In termini semplici, la governance dei dati significa “Ehi, vuoi utilizzare ed essere parte di questa fonte di dati di verità che abbiamo creato? Allora devi soddisfare questi criteri."

Ciò può includere il rispetto degli standard di codifica, l'adozione di un certo numero di revisori e il rispetto di un processo di documentazione specifico.

"Quando pensiamo alla governance e all'adozione, in realtà parliamo dei meccanismi che è possibile mettere in atto per favorire l'adesione", ha affermato Kossowski.

Ci sono due aspetti da considerare quando si parla di governance: l’aspetto culturale e l’aspetto tecnologico.

Da un punto di vista culturale, come fai a convincere i tuoi team ad adottare questi standard? E dal punto di vista tecnico, quali processi puoi automatizzare affinché tutto non richieda modifiche del comportamento?

Quando pensi a questi due pezzi, devi considerare sia il lato dell'analista che quello dell'ingegnere (o del team di origine).

Kossowski spiega che per i team di ingegneri può essere difficile pensare a come appaiono i dati quando entrano nel magazzino perché non sono una parte fondamentale del loro prodotto o della loro responsabilità.

Potrebbero non vedere i vantaggi tangibili dei dati a meno che non si tratti di un'organizzazione basata sui dati che lavora a stretto contatto con i propri analisti. In questo caso, gli analisti possono ritenere che i dati stanno alimentando la decisione X, quindi finché i dati non corrispondono ai requisiti Y, non è possibile prendere decisioni.

Per gli analisti è più facile vedere i vantaggi perché sono più vicini al business e possono vedere l'impatto diretto. Possono rendersi conto che seguire gli standard di governance dei dati significa fare meno affidamento sulla BI, il che fa sì che le cose si muovano più rapidamente.

"Le informazioni ricavate dai dati devono alimentare le decisioni prese sul prodotto perché è l'unico modo per convincere i team di prodotto e di ingegneria a

hanno acquisito il valore dei dati e hanno pensato ai loro dati mentre venivano esportati”, ha affermato Kossowski.

5. Rivalutare regolarmente.

Qualunque sia il modello di maturità dei dati, la tua strategia sui dati avrà sempre bisogno di qualche modifica.

"[A HubSpot], abbiamo un piano triennale e tutte queste idee su ciò che accadrà in ciascuno di quegli anni", ha affermato Kossowski. Ma mi aspetto pienamente che tra un anno, quando lo guarderemo, ci saranno cose che vorremo modificare in base a come le cose sono cambiate.

Ad esempio, supponiamo che tu introduca una nuova funzionalità nel tuo prodotto o servizio e ora stai raccogliendo dati più sensibili sui clienti. Ciò potrebbe richiedere l’adozione di un approccio più difensivo. Se la tua azienda cresce in modo esponenziale, potrebbe essere necessario passare a una strategia distribuita anziché centralizzata.

Anche se non ci sono cambiamenti nel modo in cui opera la tua azienda, potresti comunque aver bisogno di rivalutarla. Ecco due indicatori principali che indicano che è ora di rivedere la tua strategia sui dati:

• C’è frustrazione per quanto tempo stanno impiegando le cose.
• C'è una mancanza di fiducia nei dati.

Kossowski afferma che trovare l'equilibrio tra questi due è fondamentale.

"Non vuoi che la BI faccia tutto perché altrimenti ci vorrebbe molto tempo", ha detto, "ma non vuoi nemmeno avere così tanta libertà nella popolazione degli analisti da non poter fare affidamento su nessuno dati."

Una buona regola pratica è rivedere la tua strategia ogni sei mesi o un anno. Parla con i leader aziendali, l'IT e i tuoi team per capire cosa pensano tutti dei tuoi progressi e determinare quali modifiche è necessario apportare.

Il processo per la creazione di un EDS varia da un'azienda all'altra, poiché il livello di maturità dei dati, il settore e le dimensioni dell'azienda giocano tutti un ruolo nei passaggi da intraprendere.

Facendo il punto sulla posizione attuale della tua azienda, puoi sviluppare una strategia che soddisfi le esigenze specifiche della tua attività.

Fonte: https://blog.hubspot.com/marketing/enterprise-data-strategy