5 шагов к построению корпоративной стратегии обработки данных, прямо от эксперта

Данные могут быть страшным словом.

Этого не должно быть, но это так. В основном потому, что люди борются с тем, как с этим справиться.

Многие компании достигли точки, когда у них так много данных, что они не знают, что делать дальше. Другие считают, что они настолько малы, что нет необходимости вкладывать средства в стратегию корпоративных данных.

Правда в том, что независимо от размера вашей компании и текущего состояния ваших данных вы выиграете от реализации стратегии данных.

Чтобы помочь вам начать работу, мы привлекли опыт Зося Коссовски, менеджер по продукту группы бизнес-аналитики в HubSpot (то есть наш штатный эксперт по стратегии данных).

К тому времени, как вы закончите читать эту статью, у вас будет более четкое представление о текущем уровне зрелости данных вашей компании, о том, какие факторы следует учитывать перед тем, как выстроить свою стратегию, и о некоторых шагах, которые помогут на этом пути.

Несмотря на распространенное мнение, стратегия корпоративных данных предназначена не только для крупных компаний с большими объемами данных. На самом деле малые предприятия могут извлечь выгоду из инвестиций в стратегию данных на раннем этапе и заложить основу, которая поможет им масштабироваться.

Преимущества стратегии корпоративных данных

Распространенная ошибка, с которой сталкиваются многие организации, заключается в том, что, хотя они собирают много данных, каждая команда интерпретирует их по-своему. Стандартного метода отчетности не существует, и каждая команда может сообщать разные значения одной и той же метрики.

Это означает, что каждый получает разные данные без четкого понимания того, что является точным. Когда нет единого источника правды, становится невероятно сложно доверять своим данным и извлекать ценную информацию.

«Данные не просто существуют в бункере, — сказал Коссовски. «Маркетинговая команда не просто собирается использовать маркетинговые данные, на которые никакая другая команда не имеет никакого влияния. Они также захотят получить информацию из разных областей».

Она продолжает: «Итак, элементы управления, стандартизации и общего языка действительно важны для обеспечения того, чтобы эти команды могли общаться друг с другом».

Таким образом, внедрив EDS, вы предотвратите разрозненность информации, обеспечите доверие к данным и сделаете возможным принятие решений.

Что следует учитывать при построении стратегии корпоративных данных

1. Ваш текущий уровень зрелости данных

Первое, что Коссовски рекомендует сделать перед тем, как разрабатывать свою стратегию, — это провести самооценку.

Спросите себя: на какой стадии зрелости данных находится ваша компания?

Dell имеет широко используемую «Модель зрелости данных», которая помогает компаниям определить, насколько на самом деле их компания управляется данными. Есть четыре этапа:

• Данные осведомлены – В вашей компании не стандартизирована система отчетности и нет интеграции между вашими системами, источниками данных и базами данных. Кроме того, отсутствует доверие к самим данным.
• Владеет данными – По-прежнему отсутствует доверие к данным, особенно к их качеству. Возможно, вы вложили средства в хранилище данных, но некоторые элементы все еще отсутствуют.
• Работа с данными – Ваша компания имеет право принимать бизнес-решения на основе ваших данных. Тем не менее, между бизнес-лидерами и ИТ-отделом все еще есть некоторые разногласия, поскольку ИТ-специалисты работают над предоставлением надежных данных по запросу.
• На основе данных – ИТ и бизнес тесно сотрудничают и находятся на одной волне. Теперь основное внимание уделяется масштабированию стратегии данных, поскольку базовая работа (в частности, интеграция источников данных) уже успешно реализована.

Самое главное здесь — это быть реалистичным в отношении того, куда падает ваша компания.

«Я думаю, что самая большая ошибка, которую я вижу, — это не быть честным с самим собой в отношении того, на какой стадии зрелости данных находится ваша компания», — сказал Коссовски.

Она добавляет, что недостаточно просто посмотреть на то, что вы чувствуете по поводу того, как данные управляют вами. think ваша компания. Посмотрите на факты.

Начните с определения проблем с данными, с которыми в настоящее время сталкивается ваша компания, так как это отличный показатель вашего положения.

2. Ваша отрасль и размер компании

Отрасль, в которой вы работаете, и размер вашей компании будут определять, будете ли вы использовать централизованный или распределенный подход к своей стратегии работы с данными.

Но прежде чем мы разберем эти подходы, давайте поговорим о двух основах стратегии данных: нападении и защите.

Во время моего разговора с Коссовски она упомянула, как эта структура (подробно объяснила здесь) помогла HubSpot разработать собственную стратегию.

Защита данных отдает приоритет таким вещам, как безопасность данных, доступ, управление и точность, в то время как защита данных фокусируется на получении информации, которая позволит принимать решения.

Каждой компании нужен баланс нападения и защиты. Тем не менее, некоторые больше полагаются на один конец спектра в зависимости от своей отрасли.

Например, медицинская организация или финансовое учреждение, вероятно, имеют дело с очень конфиденциальными данными, где конфиденциальность и безопасность данных имеют первостепенное значение.

Получение данных в режиме реального времени и быстрое понимание, вероятно, не является главным приоритетом, в то время как обеспечение ограждений для тех, кто может получить доступ к данным, вероятно, является. Таким образом, они будут больше склоняться к оборонной структуре.

С другой стороны, у вас есть технологические компании, отрасль, которая имеет тенденцию развиваться быстро и в большей степени зависит от быстрого анализа данных.

Таким образом, они больше склоняются к нападению. С учетом сказанного, безусловно, есть отделы в технологических компаниях (и других быстроразвивающихся отраслях), которые будут уделять больше внимания обороне, например, финансам.

Теперь вернемся к централизованным и распределенным стратегиям.

Используемая вами структура покажет, какая стратегия лучше всего подходит для вашей компании.

В централизованной структуре у вас есть централизованная группа отчетности или бизнес-аналитики (BI), которая управляет и подготавливает данные, а также отчеты.

«Эта [структура] может работать намного лучше в небольшой организации, особенно в организации, которая отдает приоритет обороне, потому что вы будете двигаться медленнее», — сказал Коссовски. «Вы будете узким местом, но у вас также будет жесткий контроль над каждой его частью».

С другой стороны, распределенная модель лучше работает для больших команд, использующих наступательный подход. Таким образом, каждая команда может двигаться быстро и получает возможность выполнять работу удобным для себя способом.

В этой модели BI просто отвечает за платформы и установку ограждений, в то время как команды занимаются разработкой, объясняет Коссовски.

«Если вы думаете об организации, то по мере того, как компания становится больше, с более централизованной командой, ее становится все труднее масштабировать», — сказала она. «В конечном итоге вам нужно просто нанимать все больше и больше людей, чтобы добиться этого».

«Поэтому я думаю, что при определенном размере компании вы все равно будете все больше и больше двигаться к [а] децентрализованной [стратегии]».

Итак, как только вы поймете, какая структура лучше всего подходит для вашей отрасли и размера, вы сможете реализовать соответствующую стратегию.

3. Ваша команда управления данными

По словам Коссовски, наука о данных сейчас является горячей темой в управлении данными. И она не ошибается.

В 2012 году Harvard Business Review назвал его самая сексуальная работа 21 века. Почти 10 лет спустя, Glassdoor назвал это второй лучшей работой в Америке.

Но если вы обсуждаете, какую роль добавить в свою команду по управлению данными, специалист по данным не должен быть вашим первым вариантом.

Коссовски подчеркивает, что ваша наука о данных будет настолько хороша, насколько хороши данные, на которых она основана. И если эти данные не заслуживают доверия, вы не получите ценной информации.

«Наука о данных — это не волшебная палочка, которая волшебным образом превращает плохие данные в идеи. В любом случае вам все равно понадобится эта база данных», — добавляет она. «Итак, броситься делать что-то, потому что это следующее большое дело, я думаю, это большая проблема».

Если вы находитесь на ранних стадиях модели зрелости данных, у Коссовски есть предложение, на чем сосредоточить свои усилия.

«Архитектор хранилища данных или даже аналитик данных, имеющий опыт написания SQL и построения таблиц SQL», — говорит она. «Если вы собираетесь нанять только одного человека и у вас не так много данных, это может быть действительно мощным наймом, потому что один человек может многое сделать, когда вы работаете в меньшем масштабе. Они могут носить много разных шляп и учиться разным вещам».

Когда дело доходит до более технических задач, таких как загрузка данных в хранилище, есть сторонние инструменты, которые вы можете использовать, чтобы сделать это за вас.

На этом этапе вам действительно нужен кто-то, кто поможет вам структурировать ваши данные.

1. Опишите свою архитектуру данных.

Первое, что вы хотите сделать, это понять ваши данные на детальном уровне.

Задайте себе следующие вопросы:

• Где будут жить данные?
• Какие данные вы будете собирать и из каких источников?
• Как будут организованы данные?

Цель здесь — понять структуру ваших данных.

Если нет понимания структуры, вы не сможете построить всеобъемлющий план управления своими данными.

2. Определите отношения между BI и вашими командами.

Когда дело доходит до стратегии данных, одним из наиболее важных шагов является определение команд, участвующих в процессе, и установление ожиданий от BI.

В крупной организации, которая раньше не задумывалась о стратегии работы с данными, вы часто обнаружите, что каждая команда следует своей модели и имеет разные отношения с BI, что затрудняет упорядоченную и стандартную работу BI.

Это также стирает границы между ролями аналитика данных и BI.

Аналитик данных должен знать бизнес-логику, характерную для его команды, и структуру собираемых данных. BI, с другой стороны, не должен иметь специальных знаний в области операций, которую он поддерживает, и вместо этого должен сосредоточиться на источнике данных и управлении платформой для поддержки аналитика.

Когда BI регулярно настраивает свой процесс в соответствии с конкретной бизнес-логикой команды, это замедляет работу и создает постоянную потребность в повторном обучении.

Предложение Коссовского? Удалите бизнес-логику из уровня BI и работайте над вещами, которые имеют отношение к как можно большему количеству команд.

Кроме того, придумайте стандартный профиль аналитика и модель взаимоотношений между BI и командами.

«Все еще будут места, где мы работаем с наборами данных, а не со всей платформой, — сказал Коссовски, — но, насколько это возможно, мы очищаем базовые данные, упрощая присоединение, но не фактически выполняя эти соединения и логику для них».

3. Назначьте право собственности.

После установления отношений между вашими командами и BI следующим шагом будет определение того, кто чем будет владеть.

Обычно у каждой части данных есть разные владельцы. Например, один человек или команда могут владеть операционными данными, а другой — отчетными данными.

Вам также может понадобиться назначить владельцев на разных этапах конвейера. Команда BI может владеть данными на определенном этапе, а затем передавать их аналитикам.

Коссовски считает, что право собственности начинается с команд, которые производят данные.

«Они должны чувствовать определенный уровень владения данными и определенный уровень ответственности, если что-то не так», — сказала она. «Потому что, если это неправильно в источнике, BI мало что может сделать».

Она продолжает: «И если вы попытаетесь установить патчи на этом уровне, вы просто столкнетесь с еще большими проблемами в будущем, поэтому эти отношения также важны».

4. Установите управление данными.

Управление данными — это набор политик и правил, которые информируют о том, как данные будут собираться и храниться для обеспечения точности и качества.

Проще говоря, управление данными говорит: «Эй, вы хотите использовать и быть частью этого источника достоверных данных, который мы создали? Тогда вы должны соответствовать этим критериям.

Это может включать соблюдение стандартов кодирования, наличие определенного количества рецензентов и соблюдение определенного процесса документации.

«Когда мы думаем об управлении и внедрении, на самом деле речь идет о механизмах, которые вы можете внедрить для соблюдения», — сказал Коссовски.

Когда дело доходит до управления, необходимо учитывать две составляющие: культурную и технологическую.

С культурной точки зрения, как заставить свои команды принять эти стандарты? А с технической точки зрения, какие процессы вы можете автоматизировать, чтобы все не требовало модификации поведения?

Когда вы думаете об этих двух частях, вы должны учитывать как сторону аналитика, так и сторону инженера (или группы источника).

Коссовски объясняет, что командам инженеров может быть трудно думать о том, как выглядят данные, когда они поступают на склад, потому что это не является основной частью их продукта или ответственности.

Они могут не увидеть ощутимых преимуществ данных, если это не организация, основанная на данных, которая тесно сотрудничает со своими аналитиками. В этом случае аналитики могут передать, что данные влияют на решение X, поэтому до тех пор, пока данные не означают требования Y, решения не могут быть приняты.

Аналитикам легче увидеть преимущества, потому что они ближе к бизнесу и могут видеть прямое влияние. Они могут понять, что соблюдение стандартов управления данными означает меньшую зависимость от BI, что ускоряет работу.

«Знания, полученные на основе данных, должны лежать в основе решений, принимаемых в отношении продукта, потому что это единственный способ получить продукт и команды разработчиков.

купили ценность данных и подумали об их экспортируемых данных», — сказал Коссовски.

5. Регулярно проводите переоценку.

Где бы вы ни находились в модели зрелости данных, ваша стратегия данных всегда будет нуждаться в некоторой настройке.

«[В HubSpot] у нас есть трехлетний план и все эти идеи о том, что происходит в каждый из этих лет», — сказал Коссовски. Но я полностью ожидаю, что через год, когда мы посмотрим на это, есть вещи, которые мы захотим изменить в зависимости от того, как все изменилось».

Например, скажем, вы вводите новую функцию в свой продукт или услугу и теперь собираете более конфиденциальные данные о клиентах. Это может потребовать принятия более оборонительного подхода. Если ваша компания растет в геометрической прогрессии, вам может потребоваться перейти к распределенной стратегии вместо централизованной.

Даже если в работе вашей компании не произошло никаких изменений, вам все равно может потребоваться переоценка. Вот два основных индикатора того, что пришло время пересмотреть вашу стратегию данных:

• Существует разочарование по поводу того, как долго все продолжается.
• Нет доверия к данным.

Коссовски говорит, что ключевым моментом является поиск баланса между этими двумя факторами.

«Вы не хотите, чтобы BI делал все, потому что тогда это займет много времени, — сказала она, — но вы также не хотите иметь столько свободы среди аналитиков, чтобы вы не могли полагаться ни на кого. данные."

Хорошее эмпирическое правило — пересматривать свою стратегию каждые шесть месяцев или год. Поговорите с бизнес-лидерами, ИТ-отделом и вашими командами, чтобы понять, что все думают о вашем прогрессе, и определить, какие изменения необходимо внести.

Процесс создания EDS будет варьироваться от одной компании к другой, поскольку уровень зрелости данных, отрасль и размер компании играют роль в шагах, которые вы предпринимаете.

Подводя итоги текущего состояния вашей компании, вы можете разработать стратегию, отвечающую конкретным потребностям вашего бизнеса.

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