Уильям Макнайт, президент McKnight Consulting Group, привел на портале InformationWeek три лучшие практики для повышения уровня использования аналитики в организации и достижения рентабельности инвестиций с помощью программы корпоративной аналитики.
Предприятия любой отрасли и любого масштаба стремятся использовать данные для достижения своих стратегических целей — будь то повышение прибыльности, эффективности, устойчивости к рискам, готовности, устойчивости и адаптивности в постоянно меняющемся мире. Аналитика должна развиваться в ногу с бизнесом и его потребностями, чтобы достичь гибкости и устойчивости. В противном случае она будет тормозить или спотыкаться.
Часто технический долг, накопленный за годы обходных путей и устранения пробелов в существующих процессах, кажется слишком дорогим и сложным, чтобы его ликвидировать и заменить более функциональными современными инструментами и процессами. Однако спрос на зрелую, современную аналитику данных становится слишком сильным, чтобы его игнорировать.
Вот три лучшие практики для повышения уровня использования аналитики в вашей организации и достижения ROI с помощью программы корпоративной аналитики.
1. Обеспечьте подконтрольность всех данных
Корпоративные данные, являющиеся основой для аналитики, могут быть полезны только для очень узких интересов и редко обеспечивают окупаемость инвестиций, если они не управляются в соответствии со стандартом, который я буду называть «подконтрольностью».
Подконтрольность означает, что данные находятся в общей платформе для широкого доступа, которая уже создана или создается сейчас, или, по крайней мере, существует интерфейс с такой платформой. Это означает, что данные создаются с учетом хранилища (хранилищ) данных, озера (озер) данных, операционного узла (узлов) и узла (узлов) управления основными данными. Есть несколько конкретных причин, по которым данные приложения могут не находиться полностью в одной из этих структур, что может быть связано с безопасностью или специфическими преобразованиями данных, требуемыми приложением, но общая платформа является предпочтительным вариантом. Все элементы данных предприятия должны находиться где-то в такой платформе, поэтому убедитесь, что вы не создаете единое хранилище для элементов, которые не могут быть использованы в других местах.
Кроме того, данные должны размещаться в платформе, соответствующей их профилю и использованию. Данные после проведения оперативного анализа должны находиться в столбчатых аналитических базах данных с высокими нефункциональными характеристиками (доступность, производительность, масштабируемость, стабильность, долговечность, безопасность), собираться на самом детальном уровне, соответствовать стандартам качества данных (как определено управлением данными) и обеспечивать возможность самообслуживания.
Управление всеми данными предприятия, а также всеми применимыми данными сторонних организаций на гранулированном уровне может показаться излишеством, но это подчеркивает важность данных для инициатив, движущих сил и стратегий компании. Ценен, несомненно, каждый элемент. Если это не очевидно, параллельно с управленческой деятельностью должны проводиться мероприятия, цель которых — продемонстрировать важность данных и то, как эти данные могут быть использованы в интересах бизнеса.
2. Инструментарий больших данных для больших данных
В прошлые годы мы с большими затратами и ограниченным успехом пытались принудительно вводить растущие неструктурированные большие данные в реляционные хранилища. Теперь, когда профиль конкуренции прочно сфокусирован на аналитике с использованием больших данных, с расчетом на то, что другие данные уже находятся в хорошей форме, использование правильных инструментов для этих данных имеет большое значение. Эти инструменты в первую очередь направлены на решение проблемы ввода больших данных.
Все начинается с платформы для больших данных, которая в основном представляет собой облачное хранилище, а репозиторий в нем мы называем озером данных. Озеро данных — это общее и централизованное хранилище для предприятия. Здесь нет определенной модели данных, в которой оно формируется, поэтому туда могут попасть все данные. Озеро данных предназначено в первую очередь для аналитических данных, и оно может очень хорошо сохранять исторические данные. Сегодня основной группой пользователей озера данных являются специалисты по анализу данных (data scientists), но постепенно эта группа меняется и включает в себя сообщество аналитиков.
3. Управление процессом перехода к культуре аналитики
Чтобы получить максимальную отдачу от программы аналитики, необходимо устранить промежуточные технологические роли между архитектурой данных и пользователями. Последним необходимо предоставить доступ к данным в режиме самообслуживания, чтобы они получали собственные инсайты, а не запрашивали их. Ограниченное взаимодействие с данными, которое пока доступно пользователям, будет значительно расширено благодаря подходу самообслуживания. Однако не все пользователи хотят таких изменений.
Управление переходом к самообслуживанию и использованию аналитики для всех бизнес-функций требует управления изменениями. Несмотря на любые указания со стороны руководства, поведение пользователей будет варьироваться от принятия изменений до отказа от них. Тем, кто медленно принимают изменения, в основном нужно просто больше пространства и времени. Им нужны примеры того, как коллеги добиваются успехов в аналитике. Использование аналитики самообслуживания — это часть поднятия фундамента компании на новый уровень, это необходимо и неизбежно.
