Управление данными в крупных компаниях
Сегодня мы поговорим о Data Governance — управлении данными в компаниях.
Позади 9 важных тем управления данными — мы говорили о причинах работы с данными, обсудили, как их загружать, хранить, обрабатывать и как создавать на их основе продукты, а также искать в данных инсайты.
На уровне «для чайников» мы познакомились со всеми важными элементами управления данными.
На уровне «для чайников» мы познакомились со всеми важными элементами управления данными.
DataGovernance
- установления политик, процедур и руководств использования данных
- контроля за соблюдением политик, процедур и руководств
- решения проблем, связанных с данными
Управление данными на уровне организации происходит за счет выстраивания процессов:
- управление доступностью данных
- управление удобством использования данных
- управление целостностью данных
- управление безопасностью данных
Управление данными это:
То есть управление данными (DataGovernance) — это не столько выполнение определенных технических манипуляций с данными и информацией.
Управление данными — это задача организации процессов работы с данными внутри компании для эффективного достижения бизнес-целей.
Управление данными — это задача организации процессов работы с данными внутри компании для эффективного достижения бизнес-целей.
Для лучшего понимания можно сравнить управление данными со строительством домов.
Кирпичи, железобетонные блоки, гипсокартон, отделочные материалы — это наши данные, ETL-инструменты, БД, BI-инструменты. Какими бы замечательными не были строительные материалы, они не сложатся сами в дом — для этого нужны строители. А строителей должен кто-то взять на работу, научить пользоваться инструментами, распределить роли и объяснить задачи. И управлять процессом строительства так, чтобы дом соответствовал ожиданиям и был построен в срок. Если мы строим один частный дом для себя — вряд ли мы будем прописывать правила, регламенты, инструкции и разрабатывать стандарты проведения строительных работ.
Но если мы строим многоэтажный жилой комплекс, то управление строительством превращается в отдельную сложную задачу. Нам нужно будет организовать процесс строительства так, чтобы дом соответствовал всем нормам, СНИП-ам и ГОСТ-ам. Не будет регламентированных процессов — цемент не привезут вовремя, рабочие будут без касок, а геодезисты отснимут не тот участок. Управляет строительством главный инженер — он не строит дом сам, но отвечает за объем, качество, сроки и стоимость строительства, а также его соответствие проектной документации и техническим нормативам. В случае управления данными, главный инженер — это CDO (директор по управлению данными) — он отвечает за разработку стратегии управления данными, определяет политики, процедуры и стандарты для управления данными организации.
Кирпичи, железобетонные блоки, гипсокартон, отделочные материалы — это наши данные, ETL-инструменты, БД, BI-инструменты. Какими бы замечательными не были строительные материалы, они не сложатся сами в дом — для этого нужны строители. А строителей должен кто-то взять на работу, научить пользоваться инструментами, распределить роли и объяснить задачи. И управлять процессом строительства так, чтобы дом соответствовал ожиданиям и был построен в срок. Если мы строим один частный дом для себя — вряд ли мы будем прописывать правила, регламенты, инструкции и разрабатывать стандарты проведения строительных работ.
Но если мы строим многоэтажный жилой комплекс, то управление строительством превращается в отдельную сложную задачу. Нам нужно будет организовать процесс строительства так, чтобы дом соответствовал всем нормам, СНИП-ам и ГОСТ-ам. Не будет регламентированных процессов — цемент не привезут вовремя, рабочие будут без касок, а геодезисты отснимут не тот участок. Управляет строительством главный инженер — он не строит дом сам, но отвечает за объем, качество, сроки и стоимость строительства, а также его соответствие проектной документации и техническим нормативам. В случае управления данными, главный инженер — это CDO (директор по управлению данными) — он отвечает за разработку стратегии управления данными, определяет политики, процедуры и стандарты для управления данными организации.
внедрение инструментов и технологий, необходимых работы с данными
разработку процессов использования данных
определение данных, необходимых для поддержки бизнес-целей
В первых статьях мы уже говорили о том, что управление данными — это процесс, связанный с накоплением, организацией, обновлением, хранением данных и поиском информации.
Управление данными (DataGovernance) на уровне организации — это сложная задача, она включает в себя:
Управление данными (DataGovernance) на уровне организации — это сложная задача, она включает в себя:
Что такое управление данными?
1
Первый шаг внедрения управления данными в компании — разработка стратегии.
Стратегические цели управления данными должны быть четко связаны с ключевыми бизнес-задачами и целями компании. Например, если у компании есть KPI на импортозамещение, то в стратегии управления данными должна быть цель внедрения отечественных продуктов для работы с данными.
Стратегия управления данными должна включать планы по управлению доступностью данных (их качеством, полнотой, своевременностью доставки), планы по управлению безопасностью данных (оперативное предоставление данных тем, кому они нужны и пресечение несанкционированного доступа) и планы по операционализации данных — доставки данных до конечных потребителей в нужной форме.
Стратегические цели управления данными должны быть четко связаны с ключевыми бизнес-задачами и целями компании. Например, если у компании есть KPI на импортозамещение, то в стратегии управления данными должна быть цель внедрения отечественных продуктов для работы с данными.
Стратегия управления данными должна включать планы по управлению доступностью данных (их качеством, полнотой, своевременностью доставки), планы по управлению безопасностью данных (оперативное предоставление данных тем, кому они нужны и пресечение несанкционированного доступа) и планы по операционализации данных — доставки данных до конечных потребителей в нужной форме.
Разработайте стратегию управления данными.
Планы — бесполезны, планирование — бесценно.
Планы — бесполезны, планирование — бесценно.
Мы опишем ключевые шаги, которые необходимо выполнить, чтобы внедрение было успешным:
То, о чем мы будем говорить дальше в большей степени относится к таким компаниям, как Uber, чем к таксопаркам небольших населенных пунктов. Тем не менее, общие подходы управления данными, позволят повысить эффективность бизнеса любого размера.
Внедрить практики управления данными в крупной компании — сложная задача, которая может занять не один год.
Внедрить практики управления данными в крупной компании — сложная задача, которая может занять не один год.
Управление данными — это задача, которая решается в любой компании. Любая компания ведет бухгалтерскую отчетность, анализирует финансовые потоки, сдает отчетность в государственные органы.
Но в маленьких компаниях обычно данных не много, бизнес-процессы проще и достаточно ручного «стихийного» управления данными: внутри операционных систем, Excel-файлов и головы генерального директора. Такой подход может быть весьма успешен для небольшого бизнеса, а затраты на промышленные решения для управления данными — дорогими и не эффективными.
А в крупных компаниях, где много данных, сотрудников и процессы сложные, управлять данными в Excel уже не эффективно. В крупных компаниях применяют системный подход к управлению данными.
Рассмотрим это на двух примерах.
Uber — это компания по совместному использованию поездок, которая построила свой интернациональный бизнес на данных. Компания использует данные для оптимизации своей стратегии ценообразования, прогнозирования спроса и корректировки цен для максимизации доходов. Uber также использует данные для оптимизации своей сети водителей, прогнозируя доступность водителей и подбирая водителей с наиболее эффективными маршрутами. Управлять таким бизнесом невозможно без хранилища данных, аналитических инструментов и DataScience.
Таксопарк в небольшом городе — в городе проживает 1000 человек, средняя поездка занимает 5−7 минут, стоимость поездки фиксированная — 100 рублей. Оператор фиксирует заказы в системе ордеринга и передает водителям, бухгалтер сводит информацию о доходах и расходах в 1С, а генеральный директор анализирует сводный отчет по прибылям и убыткам, чтобы принять решения — нужно ли повышать стоимость поездок, снижать накладные расходы. Это пример бизнеса, которым можно эффективно управлять без хранилища данных, сложных процессов и стратегии управления данными.
Но в маленьких компаниях обычно данных не много, бизнес-процессы проще и достаточно ручного «стихийного» управления данными: внутри операционных систем, Excel-файлов и головы генерального директора. Такой подход может быть весьма успешен для небольшого бизнеса, а затраты на промышленные решения для управления данными — дорогими и не эффективными.
А в крупных компаниях, где много данных, сотрудников и процессы сложные, управлять данными в Excel уже не эффективно. В крупных компаниях применяют системный подход к управлению данными.
Рассмотрим это на двух примерах.
Uber — это компания по совместному использованию поездок, которая построила свой интернациональный бизнес на данных. Компания использует данные для оптимизации своей стратегии ценообразования, прогнозирования спроса и корректировки цен для максимизации доходов. Uber также использует данные для оптимизации своей сети водителей, прогнозируя доступность водителей и подбирая водителей с наиболее эффективными маршрутами. Управлять таким бизнесом невозможно без хранилища данных, аналитических инструментов и DataScience.
Таксопарк в небольшом городе — в городе проживает 1000 человек, средняя поездка занимает 5−7 минут, стоимость поездки фиксированная — 100 рублей. Оператор фиксирует заказы в системе ордеринга и передает водителям, бухгалтер сводит информацию о доходах и расходах в 1С, а генеральный директор анализирует сводный отчет по прибылям и убыткам, чтобы принять решения — нужно ли повышать стоимость поездок, снижать накладные расходы. Это пример бизнеса, которым можно эффективно управлять без хранилища данных, сложных процессов и стратегии управления данными.
Как внедрить управление данными в крупной компании?
2
3
4
Команда управления данными — это не только технические специалисты, которые работают в дата-офисе. Это и владельцы данных — эксперты, которые отвечают за операционные системы, и бизнес-пользователи — потребители данных.
Стратегия, стандарты и процессы бесполезны, если их некому выполнять. Все члены большой команды, которые вовлечены в работу с данными, должны быть знакомы со всеми стратегическими документами, политиками и процедурами, должны быть согласны с ними и выполнять договоренности.
Более подробно про роли и профессии в управлении данными мы будем говорить в следующем лонгриде.
Стратегия, стандарты и процессы бесполезны, если их некому выполнять. Все члены большой команды, которые вовлечены в работу с данными, должны быть знакомы со всеми стратегическими документами, политиками и процедурами, должны быть согласны с ними и выполнять договоренности.
Более подробно про роли и профессии в управлении данными мы будем говорить в следующем лонгриде.
Создайте команду управления данными.
Крупные дела не делаются одним человеком, они совершаются командой.
Крупные дела не делаются одним человеком, они совершаются командой.
Процессы и стандарты облегчают жизнь людей, взаимодействие и решение задач. Например, в повседневной жизни стандарты качества Роспотребнадзора позволяют нам покупать продукты в супермаркетах и не боятся отравиться. А процессы и правила ГИБДД — диктуют план действий в случае ДТП.
Процессы и стандарты важны и для управления данными в компаниях. Они помогают сотрудникам ориентироваться в правилах взаимодействия и формулировать свои ожидания.
Процессы могут определять, например, какой порядок действий должен совершить сотрудник, чтобы в хранилище начали загружаться данные из новой системы. И этот порядок действий должен зависеть от стратегических целей управления данными — если стратегическая цель в максимизации прибыли от использования данных, то перед подключением источника должно рассчитываться ТЭО. Если стратегическая цель - внедрение инноваций, то ТЭО не потребуется, а новый источник должен быть подключен в минимальные сроки.
При внедрении управления данными разрабатывают стандарты для моделирования данных, интеграции данных, управления качеством данных и хранения данных. А также процессы для сбора, хранения и управления данными. Стандарты и процессы должны соответствовать и стратегическим целям бизнеса, и стратегии управления данными.
Процессы и стандарты важны и для управления данными в компаниях. Они помогают сотрудникам ориентироваться в правилах взаимодействия и формулировать свои ожидания.
Процессы могут определять, например, какой порядок действий должен совершить сотрудник, чтобы в хранилище начали загружаться данные из новой системы. И этот порядок действий должен зависеть от стратегических целей управления данными — если стратегическая цель в максимизации прибыли от использования данных, то перед подключением источника должно рассчитываться ТЭО. Если стратегическая цель - внедрение инноваций, то ТЭО не потребуется, а новый источник должен быть подключен в минимальные сроки.
При внедрении управления данными разрабатывают стандарты для моделирования данных, интеграции данных, управления качеством данных и хранения данных. А также процессы для сбора, хранения и управления данными. Стандарты и процессы должны соответствовать и стратегическим целям бизнеса, и стратегии управления данными.
Определите процессы и стандарты.
Менять правила — очень хлопотный процесс.
Менять правила — очень хлопотный процесс.
Управление данными — это способ достижения бизнес-целей и задач компании через ИТ-технологии. Поэтому разрабатывать и внедрять стратегию управления данными нужно при участии всех заинтересованных лиц — ИТ, бизнес-подразделений и высшего руководства.
Эффективнее всего будет создать специальный комитет, в который войдут заинтересованные представители всех подразделений.
Эффективнее всего будет создать специальный комитет, в который войдут заинтересованные представители всех подразделений.
Создайте комитет управления данными.
Никто не может в одиночку сыграть симфонию. Для этого нужен целый оркестр.
Никто не может в одиночку сыграть симфонию. Для этого нужен целый оркестр.
5
6
7
8
9
Успешное управление данными дает компаниям конкурентное преимущество в своих отраслях. Это позволяет менеджменту лучше понимать свои сильные и слабые стороны, лучше понимать своих клиентов и их потребности, лучше понимать рынок и возможности для роста прибыли.
Даже если вы разработали шикарные процессы, стандарты и реализовали волшебную экосистему управления данными — это бесполезно, если вы не расскажете об этом сотрудникам компании. Если они не знают, для чего использовать данные, как ими пользоваться, как получить доступ и извлечь из данных пользу — все инвестиции будут напрасными.
Поэтому важно рассказывать о стратегии и политиках управления данными всем заинтересованным сторонам в организации. Вся информация должна быть описана и доступна на внутренних ресурсах компании. А также важно проводить обучение, чтобы все сотрудники понимали важность управления данными и свою роль в этом процессе.
Поэтому важно рассказывать о стратегии и политиках управления данными всем заинтересованным сторонам в организации. Вся информация должна быть описана и доступна на внутренних ресурсах компании. А также важно проводить обучение, чтобы все сотрудники понимали важность управления данными и свою роль в этом процессе.
Информируйте и обучайте.
Если чего-то нет в документах — этого не существует. Пока информация хранится у кого-то в голове — она легко теряется
Если чего-то нет в документах — этого не существует. Пока информация хранится у кого-то в голове — она легко теряется
Управление данными — это процесс, а не проект. Но внутри этого процесса может быть множество проектов. Подключение нового источника — это проект. Загрузка данных из источника в хранилище — проект. Создание витрины — это проект. Каждый проект имеет свою конечную цель и конечную точку. А процесс управления данными — цикличен.
Если мы бесконечно наполняем наше хранилище данными, создаем витрины и отчетность, то в конечном итоге наше хранилище будет похоже на склад забытых вещей. Важно не только создавать новые инфосервисы, но также регулярно проводить ревью и удалять невостребованные данные, отчетность и витрины.
При внедрении DataGovernance нужно разработать процесс управления жизненным циклом данных, включая сбор, хранение и удаление данных. Этот процесс должен соответствовать стратегии управления данными.
Если мы бесконечно наполняем наше хранилище данными, создаем витрины и отчетность, то в конечном итоге наше хранилище будет похоже на склад забытых вещей. Важно не только создавать новые инфосервисы, но также регулярно проводить ревью и удалять невостребованные данные, отчетность и витрины.
При внедрении DataGovernance нужно разработать процесс управления жизненным циклом данных, включая сбор, хранение и удаление данных. Этот процесс должен соответствовать стратегии управления данными.
Внедрите управление жизненным циклом данных.
Прежде чем создать что-то повторяемое и многоразовое, сначала нужно создать что-то одноразовое
Прежде чем создать что-то повторяемое и многоразовое, сначала нужно создать что-то одноразовое
Мы часто читаем в прессе новости про утечки персональных и других видов данных.
Данные сегодня — это самый ценный актив компаний, и на персональные данные очень высокий спрос в даркнете.
Управление данными включает и управление безопасностью данных. Внедряя в компании DataGovernance практики нужно позаботиться и о мерах безопасности данных, таких как контроль доступа, шифрование и маскирование данных, чтобы защитить конфиденциальные данные и обеспечить соблюдение соответствующих нормативных требований и отраслевых стандартов.
Но цель управления данными — организовать экосистему, в которой сотрудники могут легко использовать данные для решения своих задач. Поэтому задача управления безопасностью данных шире — это поиск баланса между доступностью данных и их безопасностью. С одной стороны, пользователи должны быстро и просто получать доступ к данным, которые им нужны для решения задач. А с другой стороны — не иметь доступа к данным, которые им не позволено использовать.
Данные сегодня — это самый ценный актив компаний, и на персональные данные очень высокий спрос в даркнете.
Управление данными включает и управление безопасностью данных. Внедряя в компании DataGovernance практики нужно позаботиться и о мерах безопасности данных, таких как контроль доступа, шифрование и маскирование данных, чтобы защитить конфиденциальные данные и обеспечить соблюдение соответствующих нормативных требований и отраслевых стандартов.
Но цель управления данными — организовать экосистему, в которой сотрудники могут легко использовать данные для решения своих задач. Поэтому задача управления безопасностью данных шире — это поиск баланса между доступностью данных и их безопасностью. С одной стороны, пользователи должны быстро и просто получать доступ к данным, которые им нужны для решения задач. А с другой стороны — не иметь доступа к данным, которые им не позволено использовать.
Обеспечьте безопасность данных.
Защита чьих-то клиентских данных — защита всех нас.
Защита чьих-то клиентских данных — защита всех нас.
Мы с вами говорили про качество данных на протяжении 2х лонгридов, и это не спроста. Качество данных — это главный приоритет управления данными.
Внедряя DataGovernance важно не только определить и установить стандарты качества данных. Важно выстроить процессы проверки данных и процедуры очистки, и обогащения данных. А также установить контрольные точки, и продумать сценарии реагирования.
Например, в банковской сфере, где очень много процессов зависит от качества клиентских данных, которые вводят операторы в интерфейсе, контроль качества вводимой информации мониторят в онлайн-режиме. И в случае, если контролер видит снижение качества вводимых данных, то он должен подойти к оператору — и помочь исправить ошибки ввода, дать нужные инструкции и провести обучение в моменте.
Внедряя DataGovernance важно не только определить и установить стандарты качества данных. Важно выстроить процессы проверки данных и процедуры очистки, и обогащения данных. А также установить контрольные точки, и продумать сценарии реагирования.
Например, в банковской сфере, где очень много процессов зависит от качества клиентских данных, которые вводят операторы в интерфейсе, контроль качества вводимой информации мониторят в онлайн-режиме. И в случае, если контролер видит снижение качества вводимых данных, то он должен подойти к оператору — и помочь исправить ошибки ввода, дать нужные инструкции и провести обучение в моменте.
Определите требования к качеству данных.
Даже если ты на правильном пути, тебя могут переехать, если ты будешь на нём просто сидеть
Даже если ты на правильном пути, тебя могут переехать, если ты будешь на нём просто сидеть
Невозможно управлять данными, совсем не инвестируя в технологии и инфраструктуру.
Для обеспечения процессов потребуется создать хранилище данных, настроить интеграцию данных и внедрить инструменты анализа данных.
Но решение о том, в какие инструменты инвестировать и какую инфраструктуру использовать должно опираться на стратегические цели и расчет возврата инвестиций.
Например, задачи небольших компаний могут лучше решать облачные платформы. А для крупных государственных компаний лучше подойдут собственные дата-центры.
Для обеспечения процессов потребуется создать хранилище данных, настроить интеграцию данных и внедрить инструменты анализа данных.
Но решение о том, в какие инструменты инвестировать и какую инфраструктуру использовать должно опираться на стратегические цели и расчет возврата инвестиций.
Например, задачи небольших компаний могут лучше решать облачные платформы. А для крупных государственных компаний лучше подойдут собственные дата-центры.
Инвестируйте в технологии и инфраструктуру.
Не важно, насколько на сколько дорогой у вас софт или как эффективна команда, если вы не решаете правильную проблему, то проект провалится.
Не важно, насколько на сколько дорогой у вас софт или как эффективна команда, если вы не решаете правильную проблему, то проект провалится.
Для работы с качеством данных были созданы Мастер-система нормативно-справочной информации (MDM) и системы для унификации адресной и клиентской информации (ОРПОН, CDI).
Но недостаточно просто создать хранилище с качественными данными, чтобы решить задачи бизнеса и внедрить Data-Driven культуру. Пользователям нужны не сами данные, а сервисы над данными. Наша цель — обеспечить операционализацию данных, то есть их использование в бизнес-процессах компании.
Для этого были настроены процессы работы с данными — создана фабрика аналитической отчетности. За каждым сегментом бизнеса был закреплен фронт-менеджер DataOffice, который вместе со своей командой помогал бизнесу решать аналитические задачи. А также бизнес-пользователи смогли сами создавать отчетность в режиме self-service.
На этом базисе мы построили «Профиль клиента», который мы дополнили технологиями искусственного интеллекта. Это в частности позволило создавать рекомендации релевантных продуктов и услуг нашим клиентам.
В результате сейчас наши пользователи имеют возможность выполнять все аналитические задачи на единой платформе (Data-as-Service).
В какой-то момент мы осознали, что накопленный опыт и наработки могут быть полезны не только внутри «Ростелекома», но могут помочь и другим компаниям управлять данными. Сегодня «Ростелеком» — крупнейший в России игрок на рынке облачных решений, с большой сетью сертифицированных ЦОД по всей стране. И появление облачных сервисов по работе с данным очень востребовано.
Мы хотели сделать решение, в котором каждый из продуктов в облаке может быть использован и как отдельный сервис — как в дополнение к существующему хранилищу, так и в связке со всей экосистемой. И сегодня платформа управления данными пользуется большим спросом на рынке.
Но недостаточно просто создать хранилище с качественными данными, чтобы решить задачи бизнеса и внедрить Data-Driven культуру. Пользователям нужны не сами данные, а сервисы над данными. Наша цель — обеспечить операционализацию данных, то есть их использование в бизнес-процессах компании.
Для этого были настроены процессы работы с данными — создана фабрика аналитической отчетности. За каждым сегментом бизнеса был закреплен фронт-менеджер DataOffice, который вместе со своей командой помогал бизнесу решать аналитические задачи. А также бизнес-пользователи смогли сами создавать отчетность в режиме self-service.
На этом базисе мы построили «Профиль клиента», который мы дополнили технологиями искусственного интеллекта. Это в частности позволило создавать рекомендации релевантных продуктов и услуг нашим клиентам.
В результате сейчас наши пользователи имеют возможность выполнять все аналитические задачи на единой платформе (Data-as-Service).
В какой-то момент мы осознали, что накопленный опыт и наработки могут быть полезны не только внутри «Ростелекома», но могут помочь и другим компаниям управлять данными. Сегодня «Ростелеком» — крупнейший в России игрок на рынке облачных решений, с большой сетью сертифицированных ЦОД по всей стране. И появление облачных сервисов по работе с данным очень востребовано.
Мы хотели сделать решение, в котором каждый из продуктов в облаке может быть использован и как отдельный сервис — как в дополнение к существующему хранилищу, так и в связке со всей экосистемой. И сегодня платформа управления данными пользуется большим спросом на рынке.
Текущий проект по созданию Централизованного хранилища данных (ЦХД) был запущен в 2018 году. Основной фокус внимания проекта — создание технологической платформы для подготовки данных в целях формирования отчетности и аналитических сервисов.
Перед командой стояла сложная задача: выстроить централизованное хранилище, вобрать в себя функционал существующих локальных решений, не снизив их качества.
«Ростелеком» переживал трансформацию. Все больше подразделений компании интересовались данными. И в любой момент мог произойти сильный рост по объему данных и нагрузки на хранилище.
Задача проекта ЦХД — создать фундамент — Платформу управления данными, которая была бы устойчива к возрастающим требованиям бизнеса. А также обеспечить качество и актуальность данных в хранилище.
Перед командой стояла сложная задача: выстроить централизованное хранилище, вобрать в себя функционал существующих локальных решений, не снизив их качества.
«Ростелеком» переживал трансформацию. Все больше подразделений компании интересовались данными. И в любой момент мог произойти сильный рост по объему данных и нагрузки на хранилище.
Задача проекта ЦХД — создать фундамент — Платформу управления данными, которая была бы устойчива к возрастающим требованиям бизнеса. А также обеспечить качество и актуальность данных в хранилище.
В компании было несколько попыток построить централизованное хранилище. При старте текущего проекта по внедрению процессов управления данными были определены следующие стратегические цели:
Управление данными:
практический пример Ростелекома
практический пример Ростелекома
Эффективное использование данных требует дата-грамотности сотрудников во всей организации. Отсутствие инвестиций в развитие грамотности может ограничить способность сотрудников эффективно использовать данные и подорвать эффективность внедрения стратегии управления данными.
5. Недостаточная грамотность сотрудников при работе с данными
Распространенная ошибка при внедрении управления данными — отсутствие четких целей и задач. Без четких целей трудно измерить успех инициативы. А неспособность измерить прогресс и результаты может затруднить оценку эффективности стратегии и внесение необходимых корректировок.
4. Отсутствие измерения прогресса и результатов
В управление данными должны быть вовлечены заинтересованные стороны во всей организации, чтобы гарантировать, что она отражает потребности и приоритеты всех бизнес-подразделений. Без поддержки инициативы по управлению данными со стороны бизнес-подразделений будет сложно получить необходимые ресурсы.
3. Отсутствие вовлечения заинтересованных сторон в компании
Эффективный анализ данных и принятие решений требуют высококачественных данных. Низкое качество данных может привести к недоверию к данным и может помешать принятию решений на основе данных. А это в свою очередь помешает достичь стратегических бизнес-целей.
2. Недостаточное внимание к качеству данных
Распространенная ошибка — уделять слишком большое внимание технологиям и недостаточное внимание бизнес-целям. Если технологические ограничения выбранной платформы не позволяют реализовать бизнес-задачи, значит требуется менять платформу.
1. Приоритет технологиям, а не бизнес-целям
Вот несколько типичных ошибок, которые часто встречаются при внедрении стратегии управления данными в организациях:
5 ошибок джуна при внедрении DataGovernance
Многонациональная нефтегазовая компания внедрила программу управления данными для управления огромными объемами данных, которые она собирает в ходе операций по разведке, добыче и переработке. Программа помогла компании улучшить безопасность, повысить эффективность и сократить расходы.
Royal Dutch Shell
Target — розничный продавец, внедривший стратегию данных, ориентированную на персонализацию и качество обслуживания клиентов. Компания использует данные, чтобы персонализировать опыт покупок в магазине и в Интернете для своих клиентов, давая рекомендации на основе прошлых покупок и истории просмотров.
Target
Procter & Gamble — компания по производству потребительских товаров, внедрившая подход к разработке продуктов, основанный на данных. Компания использует данные для выявления тенденций и потребностей потребителей, которые информируют о разработке продуктов и маркетинговых стратегиях.
Procter & Gamble
Amazon — еще одна компания, которая построила свой бизнес на данных. Компания использует данные для оптимизации своей платформы электронной коммерции, рекомендуя продукты на основе поведения пользователей и истории поиска. Amazon также использует данные для улучшения своей цепочки поставок, прогнозирования спроса и оптимизации уровня запасов.
Amazon
Netflix — это компания, построенная на данных. Компания использует данные для персонализации просмотра для своих пользователей, делая рекомендации на основе истории просмотров, пользовательских предпочтений и других точек данных. Компания также использует данные для оптимизации своих предложений контента, приобретая и создавая контент на основе анализа данных.
Netflix
5 вдохновляющих примеров
про управление данными
про управление данными
Кейс Tele2 — внедрить процессы DG в динамичном быстрорастущем бизнесе
- Можно ли построить эффективный и прибыльный бизнес без инструментов DataGovernance? Разбираемся на примере компании Tele2.
Демократизация данных. За и против. Регуляторные требования и этика работы с данными
- Зачем данные о людях нужны компаниям и почему это важно
- С позиции человека: какие риски и какие бенефиты несет в себе накопление данных о нем компаниями
- Каким образом можно организовать обмен данными между компаниями
Как построить DataOffice с нуля?
- Где находится нулевая отметка для уровня развития данных в современной крупной компании?
- Люди, процессы и технологии — что является первоочередным при создании дата-офиса
- Развитие self-service
Подходы к управлению DataOffice
- Выстраивание подхода по взаимодействию с подразделениями
- Выстраивание эффективной работы с данными, которая помогает правильно разграничить ответственность между подразделениями
Рекомендуем следующие материалы по теме:
Подборка ссылок для самых любознательных
