In 5 stappen bouwt u een bedrijfsdatastrategie op, rechtstreeks van een expert

Data kan een eng woord zijn.

Het zou niet zo moeten zijn, maar het is wel zo. Vooral omdat mensen moeite hebben met hoe ze ermee om moeten gaan.

Veel bedrijven hebben het punt bereikt waarop ze zoveel data hebben dat ze niet meer weten waar ze heen moeten. Anderen zijn van mening dat ze zo klein zijn dat het niet nodig is om te investeren in een bedrijfsdatastrategie.

De waarheid is dat u, ongeacht de grootte van uw bedrijf en de huidige staat van uw data, baat zult hebben bij het implementeren van een datastrategie.

Om u op weg te helpen, hebben wij de expertise ingeroepen van Zosia Kossowski, de groepsproductmanager voor het business intelligence-team bij HubSpot (d.w.z. onze interne datastrategie-expert.)

Tegen de tijd dat u klaar bent met het lezen van dit artikel, heeft u een beter idee van het huidige volwassenheidsniveau van uw bedrijf op het gebied van data, met welke factoren u rekening moet houden voordat u uw strategie uitstippelt, en enkele stappen die u hierbij kunnen helpen.

Ondanks wat vaak wordt gedacht, is een enterprise datastrategie niet alleen weggelegd voor grote bedrijven met grote hoeveelheden data. Kleine bedrijven kunnen er zelfs baat bij hebben om al vroeg in een datastrategie te investeren en de basis te leggen waarmee ze kunnen opschalen.

Voordelen van een bedrijfsdatastrategie

De algemene valkuil waarmee veel organisaties worden geconfronteerd, is dat hoewel ze veel gegevens verzamelen, elk team deze op hun eigen manier interpreteert. Er is geen standaardrapportagemethode en elk team rapporteert mogelijk een andere waarde voor dezelfde statistiek.

Dit betekent dat iedereen verschillende gegevens krijgt zonder duidelijk te begrijpen wat juist is. Als er niet één enkele bron van waarheid is, wordt het ongelooflijk moeilijk om uw gegevens te vertrouwen en waardevolle inzichten te verkrijgen.

“Data bestaan ​​niet alleen in een silo”, zegt Kossowski. “Het marketingteam gaat niet zomaar marketingspecifieke data gebruiken waar geen enkel ander team enige invloed op heeft. Ze zullen ook informatie uit verschillende gebieden willen halen.’

Ze vervolgt: “En dus zijn een element van bestuur, standaardisatie en een gemeenschappelijke taal erg belangrijk om ervoor te zorgen dat deze teams met elkaar kunnen communiceren.”

Door een EDS te implementeren, voorkomt u dus informatiesilo's, zorgt u voor vertrouwen in de gegevens en maakt u besluitvorming mogelijk.

Waar u op moet letten bij het ontwikkelen van een bedrijfsdatastrategie

1. Uw huidige volwassenheidsniveau van gegevens

Het eerste dat Kossowski aanbeveelt voordat u uw strategie uitwerkt, is een zelfevaluatie.

Stel uzelf de vraag: waar bevindt uw bedrijf zich in de datavolwassenheidsfase?

Dell heeft een veelgebruikt ‘Data Maturity Model’ dat bedrijven helpt bepalen hoe datagedreven hun bedrijf eigenlijk is. Er zijn vier fasen:

• Gegevens bewust – Uw bedrijf heeft zijn rapportagesysteem niet gestandaardiseerd en er is geen integratie tussen uw systemen, gegevensbronnen en databases. Bovendien is er een gebrek aan vertrouwen in de gegevens zelf.
• Gegevensvaardig – Er is nog steeds een gebrek aan vertrouwen in de gegevens, en vooral in de kwaliteit ervan. U heeft misschien geïnvesteerd in een datawarehouse, maar er ontbreken nog enkele onderdelen.
• Gegevens onderlegd – Uw bedrijf is bevoegd om zakelijke beslissingen te nemen op basis van uw gegevens. Er zijn echter nog steeds enkele problemen die moeten worden opgelost tussen bedrijfsleiders en IT, aangezien IT zich inzet om betrouwbare gegevens op aanvraag te leveren.
• Data gedreven – IT en business werken nauw samen en staan ​​op één lijn. Nu ligt de focus op het opschalen van de datastrategie, omdat het basiswerk (met name het integreren van databronnen) al met succes is geïmplementeerd.

Het belangrijkste hierbij is dat u realistisch bent over waar uw bedrijf naartoe gaat.

“Ik denk dat de grootste valkuil die ik zie is dat je niet echt eerlijk tegen jezelf bent over waar je bedrijf zich bevindt in de datavolwassenheidsfase”, zegt Kossowski.

Ze voegt eraan toe dat het niet genoeg is om te kijken naar de gevoelens die je hebt over de manier waarop data je hebben gedreven denken jouw bedrijf is. Kijk naar de feiten.

Begin met het identificeren van de dataproblemen waarmee uw bedrijf momenteel wordt geconfronteerd, want dat is een goede indicator van waar u staat.

2. Uw branche en bedrijfsgrootte

De branche waarin u zich bevindt en de omvang van uw bedrijf bepalen of u uw datastrategie gecentraliseerd of gedistribueerd aanpakt.

Maar voordat we deze benaderingen uiteenzetten, laten we het hebben over twee raamwerken voor datastrategieën: aanval en verdediging.

Tijdens mijn gesprek met Kossowski bracht ze ter sprake hoe dit raamwerk (in detail uitgelegd hier) heeft HubSpot geholpen zijn eigen strategie te ontwikkelen.

Gegevensverdediging geeft prioriteit aan zaken als gegevensbeveiliging, toegang, beheer en nauwkeurigheid, terwijl gegevensinbreuk zich richt op het verkrijgen van inzichten die besluitvorming mogelijk maken.

Elk bedrijf heeft een balans nodig tussen aanval en verdediging. Sommigen leunen echter meer op het ene uiteinde van het spectrum op basis van hun branche.

Een zorgorganisatie of financiële instelling heeft bijvoorbeeld waarschijnlijk te maken met zeer gevoelige gegevens, waarbij gegevensprivacy en -beveiliging van het grootste belang zijn.

Het verkrijgen van realtime gegevens en snelle inzichten heeft waarschijnlijk geen topprioriteit, terwijl het bieden van vangrails voor wie toegang heeft tot gegevens dat waarschijnlijk wel is. Als zodanig zullen ze meer neigen naar een defensiekader.

Aan de andere kant heb je technologiebedrijven, een sector die de neiging heeft snel te evolueren en sterker afhankelijk is van een snelle ommekeer in data-inzichten.

Ze leunen dus meer op de aanval. Dat gezegd hebbende, zijn er zeker afdelingen binnen technologiebedrijven (en andere snel evoluerende industrieën) die zich meer op defensie zullen richten, zoals financiën.

Nu terug naar gecentraliseerde en gedistribueerde strategieën.

Het raamwerk dat u gebruikt, zal bepalen welke strategie uw bedrijf het beste dient.

In een gecentraliseerde structuur beschikt u over een gecentraliseerd rapportage- of business intelligence (BI)-team dat zowel de gegevens als de rapporten beheert en voorbereidt.

“Die [structuur] kan veel beter werken in een kleinere organisatie, en vooral in een organisatie die prioriteit geeft aan verdediging omdat je langzamer gaat bewegen”, aldus Kossowski. “Jij zult het knelpunt zijn, maar je hebt ook strikte controle over elk onderdeel ervan.”

Een gedistribueerd model werkt daarentegen beter voor grotere teams die de aanvallende aanpak hanteren. Op deze manier kan elk team snel handelen en is het in staat om werk te doen op een manier die voor hen werkt.

In dit model is BI eenvoudigweg verantwoordelijk voor de platforms en het opzetten van de vangrails, terwijl de teams het ontwikkelingswerk doen, legt Kossowski uit.

“Als je aan een organisatie denkt: naarmate het bedrijf groter wordt, met een meer gecentraliseerd team, wordt het steeds moeilijker om op te schalen”, zei ze. “Om dat te kunnen bereiken, moet je uiteindelijk steeds meer mensen aannemen.”

“Dus ik denk dat je bij een bepaalde omvang van het bedrijf uiteindelijk toch steeds meer in de richting van een gedecentraliseerde strategie zult evolueren.”

Dus zodra u begrijpt welk raamwerk het beste werkt voor uw branche en omvang, kunt u de juiste strategie implementeren.

3. Uw gegevensbeheerteam

Volgens Kossowski is data science momenteel het hot topic in datamanagement. En ze heeft geen ongelijk.

In 2012 noemde Harvard Business Review het de meest sexy baan van de 21e eeuw. Bijna 10 jaar later, Glassdoor heeft het de op een na beste baan in Amerika genoemd.

Maar als u twijfelt welke rol u aan uw datamanagementteam moet toevoegen, zou een datawetenschapper niet uw eerste optie moeten zijn.

Kossowski benadrukt dat uw datawetenschap slechts zo goed zal zijn als de gegevens die deze aandrijven. En als die gegevens niet betrouwbaar zijn, krijg je geen waardevolle inzichten.

“Datawetenschap is geen toverstaf die slechte data op magische wijze omzet in inzichten. Hoe dan ook, je zult die databasis nog steeds nodig hebben”, voegt ze eraan toe. “Dus als je iets gaat doen omdat het ‘the next big thing’ is, denk ik dat dat een grote zorg is.”

Als u zich in de beginfase van het datavolwassenheidsmodel bevindt, heeft Kossowski een suggestie over waar u uw inspanningen op kunt richten.

“Een datawarehouse-architect of zelfs een data-analist die ervaring heeft met het schrijven van SQL en het bouwen van SQL-tabellen”, zegt ze. “Als je maar één persoon gaat inhuren en je hebt niet zoveel gegevens, kan dat een heel krachtige aanwerving zijn, omdat één persoon veel kan doen als je op kleinere schaal werkt. Ze kunnen veel verschillende hoeden dragen en verschillende dingen leren.”

Als het gaat om de meer technische taken, zoals het invoeren van gegevens in het magazijn, zijn er tools van derden die u kunt gebruiken om dat voor u te doen.

In dit stadium heeft u echt iemand nodig die u helpt met het structureren van uw gegevens.

1. Breng uw data-architectuur in kaart.

Het eerste dat u wilt doen, is uw gegevens op een gedetailleerd niveau begrijpen.

Stel uzelf deze vragen:

• Waar blijven de gegevens?
• Welk type gegevens gaat u verzamelen en uit welke bronnen?
• Hoe zullen de gegevens worden georganiseerd?

Het doel hier is om de structuur van uw gegevens te begrijpen.

Als u de structuur niet begrijpt, kunt u geen alomvattend plan opstellen voor het beheer van uw gegevens.

2. Definieer de relatie tussen BI en uw teams.

Als het gaat om datastrategie, is een van de belangrijkste stappen het definiëren van de teams die bij het proces betrokken zijn en het stellen van verwachtingen voor BI.

In een grote organisatie die nog niet eerder over datastrategie heeft nagedacht, zul je vaak merken dat elk team een ​​ander model volgt en een andere relatie met BI heeft, waardoor het moeilijk wordt voor BI om op een gestroomlijnde en standaard manier te werken.

Het vervaagt ook de grenzen tussen de rollen van de data-analist en BI.

De data-analist moet de bedrijfslogica kennen die specifiek is voor zijn team en de structuur van de gegevens die worden verzameld. BI daarentegen zou geen specifieke kennis hoeven te hebben over het operationele gebied dat het ondersteunt, en zou zich in plaats daarvan moeten concentreren op de gegevensbron en het beheer van het platform om de analist te ondersteunen.

Wanneer BI zijn proces regelmatig aanpast aan de specifieke bedrijfslogica van het team, vertraagt ​​het alles en ontstaat er een constante behoefte aan opnieuw leren.

Kossowki’s suggestie? Haal de bedrijfslogica uit de BI-laag en werk aan zaken die voor zoveel mogelijk teams relevant zijn.

Bedenk daarnaast een standaard analistenprofiel en een model voor de relatie tussen BI en teams.

“Er zullen nog steeds een aantal plaatsen zijn waar we aan datasets werken en niet aan het hele platform”, zegt Kossowski, “maar voor zover we kunnen, ruimen we de basisgegevens op, waardoor het gemakkelijk wordt om lid te worden, maar niet het daadwerkelijk uitvoeren van die joins en de logica daarvoor.”

3. Ken eigendom toe.

Nadat u de relatie tussen uw teams en BI heeft vastgesteld, is de volgende stap het definiëren wie eigenaar wordt van wat.

Het is gebruikelijk dat elk deel van de gegevens een andere eigenaar heeft. Het ene persoon of team kan bijvoorbeeld eigenaar zijn van de operationele gegevens, terwijl een ander de rapportagegegevens bezit.

Mogelijk moet u ook eigenaren toewijzen in verschillende fasen van de pijplijn. Het BI-team kan in een bepaald stadium eigenaar zijn van de gegevens en deze vervolgens doorgeven aan de analisten.

Kossowski is van mening dat eigenaarschap begint bij de teams die de gegevens produceren.

“Ze moeten zich een zekere mate van eigenaarschap over de data voelen en een zekere mate van verantwoordelijkheid hebben als er iets mis is”, zegt ze. “Want als het bij de bron mis is, kan BI weinig doen.”

Ze vervolgt: “En als je op dat niveau patches probeert in te voeren, zul je in de loop van de tijd alleen maar meer problemen tegenkomen, dus die relatie is ook belangrijk.”

4. Breng databeheer tot stand.

Data governance is een reeks beleidsregels en voorschriften die aangeven hoe gegevens worden verzameld en opgeslagen om nauwkeurigheid en kwaliteit te garanderen.

Simpel gezegd betekent data governance: “Hé, wil je deze bron van waarheidsgegevens die we hebben gemaakt, gebruiken en er deel van uitmaken? Dan moet je aan deze criteria voldoen."

Dit kan het voldoen aan coderingsnormen omvatten, het hebben van een bepaald aantal reviewers en het volgen van een specifiek documentatieproces.

“Als we nadenken over bestuur en adoptie, gaat het eigenlijk om de mechanismen die je kunt opzetten om naleving te bevorderen”, zegt Kossowski.

Er zijn twee onderdelen waarmee je rekening moet houden als het om bestuur gaat: het culturele onderdeel en het technologische aspect.

Hoe zorg je er vanuit cultureel perspectief voor dat je teams deze normen overnemen? En welke processen kun je vanuit technisch perspectief automatiseren, zodat alles geen gedragsaanpassing vereist?

Als je over deze twee stukken nadenkt, moet je zowel de kant van de analist als de kant van de ingenieur (of het bronteam) in ogenschouw nemen.

Kossowski legt uit dat het voor technische teams moeilijk kan zijn om na te denken over hoe gegevens eruit zien als ze het magazijn binnenkomen, omdat het geen kernonderdeel van hun product of verantwoordelijkheid is.

Ze zien de tastbare voordelen van de data misschien niet, tenzij het een datagestuurde organisatie is die nauw samenwerkt met haar analisten. In dit geval kunnen de analisten doorgeven dat de data bepalend zijn voor X-beslissingen, dus totdat de data Y-vereisten betekenen, kunnen er geen beslissingen worden genomen.

Voor analisten is het gemakkelijker om de voordelen te zien, omdat ze dichter bij de business staan ​​en de directe impact kunnen zien. Ze kunnen zich realiseren dat het volgen van data governance-standaarden betekent dat er minder afhankelijk is van BI, waardoor zaken sneller gaan.

“De inzichten uit de data moeten de beslissingen over het product aansturen, want dat is de enige manier waarop je de product- en engineeringteams zover krijgt

kochten de waarde van data en dachten na over hun data terwijl deze worden geëxporteerd”, aldus Kossowski.

5. Evalueer regelmatig opnieuw.

Waar u ook terechtkomt in het datavolwassenheidsmodel, uw datastrategie zal altijd moeten worden aangepast.

“[Bij HubSpot] hebben we een driejarenplan en al deze ideeën over wat er in elk van die jaren gebeurt”, zei Kossowski. Maar ik verwacht volledig dat er over een jaar, als we ernaar kijken, er dingen zijn die we willen aanpassen op basis van hoe de dingen zijn veranderd.

Stel dat u een nieuwe functie in uw product of dienst introduceert en nu gevoeligere klantgegevens verzamelt. Dit kan een meer defensieve aanpak vereisen. Als uw bedrijf exponentieel groeit, moet u mogelijk overschakelen naar een gedistribueerde strategie in plaats van een gecentraliseerde strategie.

Zelfs als er geen veranderingen zijn in de manier waarop uw bedrijf opereert, moet u mogelijk toch opnieuw beoordelen. Hier zijn twee belangrijke indicatoren dat het tijd is om uw datastrategie te herzien:

• Er is frustratie over hoe lang dingen duren.
• Er is een gebrek aan vertrouwen in de gegevens.

Kossowski zegt dat het vinden van de balans tussen die twee cruciaal is.

“Je wilt niet dat BI alles doet, want dan gaat het alleen maar lang duren”, zegt ze, “maar je wilt ook niet zoveel vrijheid hebben in de analistenpopulatie dat je niet echt op iemand kunt vertrouwen. gegevens."

Een goede vuistregel is om uw strategie elke zes maanden tot een jaar te herzien. Praat met bedrijfsleiders, IT en uw teams om te begrijpen hoe iedereen over uw voortgang denkt en bepaal welke veranderingen moeten worden aangebracht.

Het proces voor het bouwen van een EDS zal van bedrijf tot bedrijf verschillen, omdat uw datavolwassenheidsniveau, branche en bedrijfsgrootte allemaal een rol spelen bij de stappen die u zet.

Door te inventariseren waar uw bedrijf momenteel staat, kunt u een strategie ontwikkelen die aansluit bij de specifieke behoeften van uw bedrijf.

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