Передовая аналитика данных меняет способ принятия компаниями решений и реагирования на изменения рынка. Вот что это значит для ИТ-директоров, стремящихся создать внутренние группы по управлению данными.
Поскольку большинство компаний настроено использовать данные более разумными и прибыльными способами, неудивительно, что операции с данными набирают обороты. Растущее использование машинного обучения для управления задачами, от создания прогнозных моделей и более глубокого понимания поведения потребителей до обнаружения киберугроз и управления ими, также усиливает стимул к атакам на данные. Компании, которые могут перейти к быстрой автономной или полуавтономной проверке сложных наборов данных, получат сильное рыночное преимущество.
По мере того, как компании рассматривают проблемы, связанные с более зрелой и надежной аналитической практикой, некоторые обращаются к операциям с данными как услуги — аутсорсингу работы по сбору данных компании. Хотя этот подход может решить некоторые проблемы с талантами и ускорить ваш путь к аналитике данных, он также несет в себе риски: без четкого понимания бизнес-факторов, лежащих в основе анализа данных, передача ваших потребностей в данные может не обеспечить необходимой аналитики данных. А добавление третьей и даже четвертой стороны к процессу приема и анализа данных может увеличить риски защиты данных.
Ваш другой вариант: создать внутреннюю команду по контролю за данными.
У этого подхода также есть свои проблемы, и он требует большего, чем просто поиск подходящих членов команды или имитация хорошей инициативы DevOps. Но результат стоит затраченных усилий.
Успешно реализованная инициатива по управлению данными не только сделает бизнес более интеллектуальным и конкурентоспособным, но и повысит точность данных и уменьшит количество дефектов продукта за счет объединения данных и исходных данных разработки в одном месте.
Ниже приведены 7 основных рекомендаций по созданию успешной инициативы по внутреннему контролю данных:
Используйте DevOps для культурного преимущества
Компании с устоявшейся культурой и практикой DevOps имеют преимущество, когда дело доходит до внедрения DataOPS. Они проделали тяжелую работу по объединению разрозненных групп разработки и эксплуатации, чтобы сосредоточиться на более крупных бизнес-целях. Добавить специалистов по работе с данными в эту устоявшуюся команду для создания инициативы по управлению данными будет намного проще, чем для организаций без опыта работы с DevOps.
Хотя отсутствие текущей программы DevOps не является поводом для отказа внутренним специалистам по обработке данных, организации необходимо учитывать проблему объединения более крупной группы (данные, разработка и операции) и создания операционной структуры с нуля.
Помните о безопасности
Расширенный доступ к данным и взаимодействие действительно увеличивают риски безопасности. Изучение того, как защищена целостность данных, является важной частью построения практики и команды Dataops. Какие процессы будут использоваться для обеспечения соответствия любым инструментам или приложениям, созданным командой dataops? Как организация будет поддерживать команду в соответствии с лучшими стандартами безопасности данных? Кто будет решать, какие данные о клиентах можно или нужно использовать?
Утечки и потери данных имеют разрушительные последствия для бизнеса, и команда специалистов по обработке данных должна воплощать в себе лучшее в области целостности данных.
Сделайте приоритеты бизнеса объединяющей силой.
Может показаться очевидным, что любая группа в рамках бизнеса должна уделять первоочередное внимание приоритетам бизнеса. Однако данные могут увести самых стратегических аналитиков и инженеров по самым интересным направлениям разработки, операций и данных.
Чтобы группы по работе с данными не отставали, необходимы постоянные напоминания о стратегических бизнес-целях. На вопрос: «Соответствует ли рассматриваемый нами продукт или решение установленным приоритетам бизнеса?» следует регулярно просить, чтобы команда была синхронизирована и не сбивалась с пути.
Используйте подход, ориентированный на людей, при управлении переходом.
Переход к DataOps изменит роли и обязанности, что может дестабилизировать членов команды, обеспокоенных тем, что расширение проектных команд и обязанностей может повредить их безопасности работы. «Если я не владею своими проектами, как я могу получить признание за свою работу и вклад?»
Ключом к успешному переходу к разработке инструментов и решений с общими данными является восстановление целей и показателей производительности. Члены команды должны видеть в этом прогресс в бизнес-операциях и что их обязанности также будут развиваться и продвигаться соответственно.
Знайте, что некоторые роли будет сложно заполнить или автоматизировать.
Одной из веских причин, по которой компании обращаются к аутсорсингу DataOPS, является нехватка талантов. Проблема навыков является важным фактором, поскольку компании смотрят, могут ли они укомплектовать свою собственную команду dataops и управлять ею.
Аналитика данных на основе машинного обучения требует специальных навыков. Хотя инициативы DevOps и Dataops часто направлены на автоматизацию процессов, в цепочке поставок данных есть множество ролей, которые нельзя автоматизировать. Например, специалистов по обработке данных, которые интерпретируют данные и согласовывают их с бизнес-требованиями, которых McKinsey впервые назвала переводчиками аналитики, нельзя автоматизировать.
Для решения этих проблем с талантами компании могут найти высококвалифицированных сотрудников, работающих с данными, например инженеров-программистов или бизнес-аналитиков, и начать их подготовку для работы с более высоким уровнем аналитики.
Начни с малого.
Для предприятий, не знающих, с чего начать, и ограниченных в ресурсах, Agile предлагает хорошую отправную точку: небольшие приращения. Если организация не может создать целую команду или процесс, она может начать с одного проекта управляемых данных в кросс-функциональной команде. Небольшой старт по-прежнему дает возможность найти потенциал автоматизации, например, прием данных или тестирование, и начать создание каналов данных, которые могут подпитывать будущие проекты и более зрелую аналитику в будущем.
Привлечь внутренних потребителей данных в качестве первых клиентов.
Точно так же, как небольшие инкрементные проекты являются хорошей отправной точкой, сотрудники — внутренние потребители данных — также становятся хорошими первыми клиентами для оперативников данных. От руководящих групп, которым требуется руководство, до отделов, балансирующих большие объемы данных для управления и хранения, у внутренних групп есть ключевые цели бизнес-стратегии, которые необходимо достичь. Стимулируя разработку высокоавтоматизированных приложений для использования в организации, dataops дает внутренним командам информацию, необходимую для вывода их проектов на новый уровень и усиления поддержки будущих проектов dataops с участием внешних заинтересованных сторон.
Больше о сфере IT можете узнать здесь