На встрече за чашкой кофе с другом, который является консультантом ведущих компаний, я узнал поразительный факт: более 75% аналитических проектов в организациях из списка Fortune 500 не дают результатов или отменяются. Причины различны, но основная причина - неспособность построить организацию данных уровня 1.
Я начал думать об этой проблеме, начав с поиска Google, который дал мне следующее определение для «организации»
Определение приводит прямо к сути - люди в организации не просто «пишут программное обеспечение», «используют электронную таблицу Excel» или «создают PowerPoint», они организуются «для определенной цели». Итак, давайте начнем с принципов организации данных мирового уровня и того, как ее следует создавать.
1. Понять, сформулировать и усвоить цель группы данных и определить видение. Видение похоже на указатель места назначения в автобусе: люди вряд ли сядут в автобус, если не знают, куда он едет.
Это часто начинается с поиска лидеров, у которых есть мышление «большой картины» - видение того, как компания может наилучшим образом использовать данные и информацию для улучшения каждого аспекта бизнеса. Это приводит к развитию видения, главное правило которого:
Видение должно быть простым для понимания и действий.
Например, для Delhivery, моего нынешнего работодателя и крупнейшего в Индии стороннего поставщика логистических услуг для электронной коммерции, видение организации по обработке данных сводится к следующему: «Создание самой сложной логистической сети Индии, основанной на данных, чтобы снизить затраты на бизнес вдвое за 5 лет».
В приведенном выше предложении воплощены две ключевые цели, которые наша группа организовала для
- Построить самую современную логистическую компанию Индии, основанную на данных.
- Снизить затраты на бизнес на 50%
Это однострочное заявление помогает нам сосредоточиться на том, что мы делаем каждый день!
2. Нанимайте лучших лидеров и предоставьте им свободу, гибкость и поддержку
Вот простая истина, о которой большинство людей в индустрии не хотят говорить. Слишком много организаций, работающих с данными, терпят неудачу по одной причине: их возглавляют посредственные лидеры. Когда вы нанимаете B-оценщика руководить, они вскоре нанимают C, который, в свою очередь, нанимает D, и вся организация быстро входит в смертельную спираль.
Помните, что просто нанять одного из лучших специалистов для руководства организацией недостаточно; им нужны следующие ингредиенты для успеха
- Свобода нанимать лучших
- Гибкость с точки зрения технологий, местоположения, бюджетов, должностей / званий и других операционных аспектов.
Нанять специалиста по данным ужасно сложно. Сильная кадровая, финансовая и операционная поддержка, которой часто недооценивают и недооценивают, имеет решающее значение для создания группы данных мирового класса.
Я часто сравниваю организации данных с боевыми группами авианосцев; им нужно большое количество других кораблей для защиты (эсминцы и фрегаты), питания (дозаправляющие корабли) и воспитания (корабли снабжения) для успешных миссий. Точно так же сильная группа данных - это продукт поддержки и поддержки со стороны остальной части организации.
3. Создайте культуру, которая способствует доверию, прозрачности и сотрудничеству. Это, наверное, самая сложная часть. После того, как лучшие таланты были наняты, предоставление им свободы и гибкости для работы и достижения целей, а также возможность совместной работы с остальной частью организации для достижения бизнес-целей становится критически важным.
Во время собеседования с кандидатами я задаю хитрый вопрос: «Что мы, как специалисты по данным, даем нашим клиентам»? Я получаю самые разные ответы; самые распространенные - «аналитика», «рекомендации», «инсайты» и т. д. Все эти ответы в какой-то степени верны. Тем не мение,
Истинный результат для всех профессионалов в области аналитики - это доверие - Твитнуть
Наши (внутренние) клиенты, как правило, не разбираются в данных, и большинство из них не понимают тонкостей (и их не волнует) данных, инструментов и методов аналитики. Если мы хотим, чтобы они полностью принимали решения на основе данных, им необходимо безоговорочно доверять нам.
Как укрепить доверие? это следующий принцип №4 - сильная предвзятость к действиям и замыкающим петлям.
4. Создавайте сильную предвзятость к действию с упором на конечные цели; это очень важно для измерения успеха и прогресса. «Замыкание цикла» также важно для установления доверия с заинтересованными сторонами на первых этапах деятельности организации в области анализа данных.
Самые важные факторы, лежащие в основе построения доверия к организации, которая занимается аналитикой данных, можно почти разбить на процесс.
Начните с простого в реализации проекта с невысокой сложностью. В первые дни достижение успеха в небольшом проекте гораздо важнее, чем демонстрация аналитического мастерства в долгосрочном, сложном проекте, который может быть отложен или отменен, или рекомендации которого могут быть слишком трудными для понимания или реализации. Это в высшей степени противоречиво интуитивно, но, вероятно, спасет репутацию, здравомыслие и, возможно, даже существование организации по обработке данных в долгосрочной перспективе.
Также абсолютно важно замкнуть цикл с заинтересованными сторонами. Время от времени наши идеи могут не отвечать на вопросы бизнеса. Отслеживание последующих запросов заинтересованных сторон, хотя это может показаться тривиальной проблемой, часто остается позади, поскольку мы сосредотачиваемся на следующем большом проекте. Одна из распространенных причин, по которой проекты по работе с данными не пользуются успехом в крупных организациях, в значительной степени связана с отсутствием последующей деятельности. В отличие от большинства корпоративных функций, наука о данных является итеративной, включающей формирование гипотез, предварительный анализ данных и обмен с заинтересованными сторонами, уточнение (цели, гипотезы, методов - возможно, несколько раз), ведущее к окончательному анализу и рекомендации. Все это требует постоянного общения и закрытия цикла.
5. Аналитика данных все еще немного похожа на черное искусство в том смысле, что отправной точкой часто является интуиция, используемая на этапе формирования гипотезы. Шансы на успех повышаются, когда все участвующие команды владеют планами, целями и принятыми решениями, то есть когда принимаемые решения децентрализованы, а не сверху вниз.
Сложность сегодняшнего делового мира огромна: средняя организация сегодня имеет сотни процессов, множество источников данных (внутренних и внешних) и множество вариантов технологий для моделирования и анализа данных, каждый из которых постоянно развивается. Невозможно, чтобы одна центральная фигура могла решать или планировать все детали программы, выбор технологий, выбор модели / алгоритма или отслеживать результат на постоянной основе. Децентрализованная структура обычно дает больше шансов на успех, объединяя лучшие таланты и технологии для решения проблемы.
В децентрализованной структуре независимые команды, которые выполняют разные функции в разное время, но не могут функционировать друг без друга. Это различие важно для сохранения сосредоточенности в группе. В Деливери мы проделали достойную работу в этом направлении, создав отдельные группы по науке о данных (алгоритмы и модели), бизнес-аналитике (анализ и визуализация данных), разработчикам программного обеспечения, управлению данными (качество и целостность данных), исследованиям, менеджерам по продуктам и т. Д. • Небольшие группы в рамках децентрализованной структуры, помимо предоставления функциональных знаний и возможностей для обучения, предоставляют сотрудникам возможности карьерного роста.
6. Наконец, команда по анализу данных похожа на футбольную команду: обучение, наставничество и развитие людей на будущее строит долгосрочные отношения и доверие и дает лучшие результаты.
Организация мирового класса должна вдохновлять людей брать на себя ответственность и наставлять их для достижения совершенства - обычно за ними следует отдых.
Эпилог:
Создание организации данных мирового класса, которая вызывает доверие и уважение и оказывает измеримое влияние, чрезвычайно сложно - их меньше горстки в каждой отрасли (кроме индустрии высоких технологий). Если эта статья поможет хотя бы одной группе данных внести небольшие улучшения, я буду считать, что мои усилия того стоят.
Привет. На написание этих статей уходит немало времени и усилий, поэтому, если вы нажмете на зеленое сердечко ниже, редакторы узнают, что они вам понравились. Спасибо
Манифест данных: почему наука о данных имеет значение ← П Р Е В И О У С
