Какова роль данных и аналитики в бизнесе?
Роль данных и аналитики заключается в том, чтобы дать предприятиям, их сотрудникам и руководителям возможность принимать более эффективные решения и улучшать их результаты. Это относится ко всем типам решений, включая макро- и микрорешения, решения в режиме реального времени, циклические, стратегические, тактические и оперативные. В то же время анализ данных может открыть новые вопросы, а также инновационные решения и возможности, о которых руководители компаний ещё не задумывались.
Прогрессивные организации используют данные различными способами и часто вынуждены полагаться на данные, находящиеся за пределами их контроля, для принятия более разумных бизнес-решений.
Данные и аналитика также являются катализатором цифровой трансформации, поскольку они позволяют принимать более быстрые, точные и актуальные решения в сложных и быстро меняющихся условиях ведения бизнеса.
Решения принимают как отдельные люди, так и организационные команды, например, когда человек решает, покупать ли ему товар или услугу, или когда бизнес-функция определяет, как лучше обслужить клиента или гражданина.
Принятие решений на основе данных означает использование данных для разработки способов улучшения процессов принятия решений. Это приводит к идее модели принятия решений, которая может включать в себя предписывающие аналитические методы, генерирующие выходные данные, которые определяют, какие действия необходимо предпринять. Другие аналитические модели бывают описательными, диагностическими и прогностическими. Каждая из них может помочь в принятии решений определённого типа.
Примечательно, что решения определяют действия, но в равной степени могут определять, когда действовать не следует.
Прогрессивные организации внедряют данные и аналитику в бизнес-стратегию и цифровую трансформацию, создавая видение предприятия, управляемого данными, количественно оценивая и сообщая результаты деятельности, а также стимулируя изменения в бизнесе, основанные на данных.
Каковы примеры использования данных и аналитики в бизнесе?
Масштабирование цифрового бизнеса усложняет процесс принятия решений и требует сочетания науки о данных и более продвинутых методов. Сочетание возможностей прогнозирования и предписания позволяет организациям быстро реагировать на меняющиеся требования и ограничения.
Характер и сложность проблемы определяют выбор того, что и как использовать для компонента предиктивного анализа - предсказание, прогнозирование или моделирование.
Приведённые ниже примеры использования сочетают в себе возможности прогнозирования и моделирования с возможностями предписания:
- Прогнозирование риска инфицирования во время хирургического вмешательства в сочетании с определёнными правилами для принятия мер по снижению риска.
- Прогнозирование входящих заказов на продукцию в сочетании с оптимизацией для упреждающего реагирования на изменение спроса по всей цепочке поставок без опоры на исторические данные, которые могут быть неполными или "грязными".
- Моделирование разделения клиентов на микросегменты в зависимости от риска в сочетании с оптимизацией для быстрой оценки нескольких сценариев и определения оптимальной стратегии реагирования для каждого из них.
Организации также по-разному используют данные и аналитику для принятия различных типов решений. Принятие более эффективных бизнес-решений требует от руководителей знать, когда и зачем дополнять лучшие человеческие решения возможностями данных, аналитики и искусственного интеллекта.
Как создать стратегию в области данных и аналитики?
Для каждой организации важно задать вопрос: что такое данные и аналитика для нас и какие инициативы (проекты) и бюджеты необходимы для использования открывающихся возможностей.
Ключевыми шагами при планировании стратегии в области данных и аналитики являются:
- Начать с миссии и целей организации.
- Определить стратегическое влияние данных и аналитики на эти цели.
- Определить приоритетность шагов по реализации бизнес-целей с помощью данных и аналитики.
- Построить стратегическую дорожную карту данных и аналитики.
- Реализовать эту дорожную карту (т.е. проекты, программы и продукты) с помощью последовательной и современной операционной модели.
- Донесение информации о стратегии в области данных и аналитики, её влиянии и результатах с целью получения поддержки для реализации.
Корпоративная операционная модель данных и аналитики также должна быть направлена на устранение пробелов в экосистеме данных, архитектуре данных, организационных подходах и навыках, включая навыки аналитиков данных, специалистов по анализу данных и инженеров данных, необходимых для реализации стратегии в области управления данными и аналитикой.
Что такое грамотность в области данных?
Можно определить грамотность в области данных как способность читать, записывать и передавать данные в контексте. Она требует понимания источников и структур данных, аналитических методов и приёмов, а также умения описать применение и получаемую в результате ценность. Это может показаться аргументом в пользу подготовки каждого сотрудника как специалиста по изучению данных или аналитика данных, но это не так. С точки зрения бизнеса, грамотность в области данных можно представить как программу, помогающую руководителям предприятий научиться задавать более интеллектуальные вопросы на основе имеющихся у них данных.
Формирование грамотности в области данных в организации — это проблема культуры и управления изменениями. Данные все больше и больше проникают во все аспекты бизнеса, в сообщества и даже в нашу личную жизнь. Умение общаться на соответствующем языке - быть грамотным в области данных - становится все более важным для успеха организации. Однако для осуществления таких долгосрочных и значимых изменений необходимо, чтобы люди научились новым навыкам и поведению.
Поэтому лучшие практики включают уделение большего внимания, энергии и усилий управлению изменениями в рамках стратегии D&A, привлечение лидеров и агентов изменений и решение вопросов, связанных как с навыками или способностями к работе с данными, так и с культурой или отношением к ним. Грамотность в работе с данными начинается с позиции лидера. Например, ИТ-директор или главный специалист по данным вместе с финансовыми (обычно руководители подразделений бизнес-аналитики) и кадровыми (развитие и обучение) организациями могут внедрить программы повышения грамотности в области данных, чтобы предоставить своим коллегам инструменты для адаптации и внедрения D&A в своих подразделениях.
Как часть общей программы повышения грамотности в области данных, рассказывание историй о данных может обеспечить позитивное и эффективное взаимодействие с заинтересованными сторонами за счёт применения методов, позволяющих оформить данные и идеи в виде историй, основанных на данных. Это позволяет заинтересованным сторонам легко интерпретировать, понимать и действовать в соответствии с представленными данными.
Что такое управление данными и аналитикой?
Управление данными и аналитикой - также называемое "информационным управлением" - определяет права принятия решений и подотчётность для обеспечения надлежащего поведения организаций при оценке, создании, хранении, доступе, анализе, потреблении, хранении и утилизации их информационных активов. Очень важно увязать управление данными и аналитикой с общей бизнес-стратегией и привязать его к тем активам анализа данных, которые заинтересованные стороны организации считают критически важными.
Управление данными и аналитикой включает в себя людей (таких как руководители, принимающие решения, и ответственные за управление данными и аналитикой), процессы (такие как архитектура и инженерный процесс управления данными и процессы принятия решений) и технологии (такие как центры управления основными данными), которые обеспечивают надёжные и достоверные критически важные данные в масштабах предприятия.
Примечательно, что если изначально управление было нацелено только на соблюдение нормативных требований, то в настоящее время оно развивается и расширяется, чтобы управлять наименьшим объёмом данных с наибольшим влиянием на бизнес, т.е. управление данными и аналитикой стало включать в себя как наступательные возможности, повышающие ценность бизнеса, так и защитные возможности, обеспечивающие безопасность организации.
Эффективное управление данными и аналитикой также должно обеспечивать баланс между управлением в масштабах всей организации и бизнес-области и стандартизированным корпоративным подходом. Управление данными и аналитикой не существует в вакууме; оно должно исходить из стратегии управления данными и аналитикой.
Каково будущее технологий обработки данных и аналитики?
В прошлом группа, отвечающая за работу с данными, управлялась независимо от группы аналитиков и специалистов по аналитике. Технологии работы с данными также отличались от технологий аналитики. Сейчас ситуация во многом меняется. Например, платформы управления данными все чаще включают в себя аналитику, особенно машинное обучение (ML).
Платформы для аналитики и BI развивают возможности data science, появляются новые платформы, обеспечивающие специфическую функциональность для ключевых видов деятельности, таких как визуализация данных или управление процессом D&A. Поставщики облачных услуг создают ещё одну форму сложности, поскольку они все больше доминируют в инфраструктурных платформах, на которых используются эти услуги.
Традиционные платформы на рынках данных, аналитики и искусственного интеллекта с трудом справляются с растущим числом сценариев использования данных и аналитики. В результате организациям приходится балансировать между высокой совокупной стоимостью владения существующими локальными решениями и необходимостью наращивать ресурсы и использовать новые возможности. В качестве примера можно привести запросы на естественном языке, анализ текстов, анализ полуструктурированных и неструктурированных данных.
Таким образом, будущее данных и аналитики требует от организаций инвестиций в композитные, расширяемые архитектуры управления данными и аналитики для поддержки передовой аналитики. Современные системы и технологии управления данными и аналитикой, скорее всего, будут включать в себя следующее.
Решения для управления данными
- Управление основными данными (MDM) — это технологическая бизнес-дисциплина, в рамках которой бизнес-функции и ИТ совместно работают над обеспечением единообразия, точности, управления, семантической согласованности и подотчётности официальных общих активов основных данных предприятия.
- Центры данных ориентированы на обеспечение совместного использования данных и управления ими. Производители и потребители данных связываются друг с другом через концентратор данных, что обеспечивается средствами управления и общими моделями, определяющими эффективный обмен данными. MDM является примером концентратора данных, ориентированного только на основные данные. Каталоги данных все больше переходят в сферу управления. Они также начинают становиться центрами данных (и аналитики).
- В центрах обработки данных физически размещаются серверы (в отличие от хранилищ, которые представляют собой структуры данных, размещённые на серверах или в облаке). Их будущее зависит от того, в какой степени рабочие нагрузки могут быть перенесены в облако. Решения о переносе должны приниматься с учётом преимуществ для бизнеса.
- Хранилища данных представляют собой конечную точку для сбора транзакционных, детальных (а иногда и других типов) данных. Они поддерживают предсказуемый анализ данных, ценность которых хорошо известна, т.е. хорошо известные, предопределённые и повторяемые аналитические операции, масштабируемые на многих пользователей предприятия.
- Озера данных собирают неочищенные данные (в их естественном виде, с ограниченной трансформацией и обеспечением качества, а также с присущим им управлением) и позволяют пользователям исследовать и анализировать их в высокой степени интерактивности. Озера данных не заменяют хранилища данных или другие системы учёта, а дополняют их, храня нерафинированные данные, которые могут представлять ценность. Наиболее подходящим местом для озёр данных является мир чистых открытий, науки о данных и итеративных инноваций.