Stały rozwój technologii, w tym internetu rzeczy (IoT), w połączeniu z szeroką adaptacją usług chmurowych, która pozwala na optymalizację kosztów przechowywania i przetwarzania danych, powodują, że dziś ogromna liczba firm zaczęła gromadzić i przetwarzać informacje. Niemniej wykorzystanie w pełni ich potencjału w dalszym ciągu jest problemem, choćby z powodu rozbieżnej struktury systemów danych. Dlatego, by jak najlepiej wykorzystać ich potencjał, należy zastosować data science, czyli naukę o danych, która potrzebuje jasnego i uporządkowanego do nich dostępu.
Osiągnięcie tego stanu bywa jednak kłopotliwe, tym bardziej, im mocniej rozdrobnione pozostają repozytoria danych. Wbrew pozorom jednak rozwiązaniem nie jest stworzenie monolitycznego zbioru danych, który zastąpi rozproszone systemy. Często jest to podejście mało skuteczne, szczególnie w przypadku dużych organizacji, do tego powodujące wzrost kosztów ogólnych, rozrost procesów i spowolnienie tempa innowacji. Działanie takie ograniczać też mogą lokalne regulacje prawne dla niektórych sektorów gospodarki czy ograniczenia strategiczne samej firmy. Co w takiej sytuacji? Chcąc skutecznie, w sposób bezpieczny i kontrolowany skorzystać z potencjału, który kryją dane, należy przyjąć zrównoważone podejście, które uwzględniać będzie nie tylko aktualną sytuację biznesową organizacji, ale także poniższe trzy aspekty jej funkcjonowania.
Zmiana prowadząca do dojrzałości
Fundamentalnym aspektem wszelkich działań, które prowadzić mają do wdrożenia w organizacji procesów zarządzania danymi i „opieki” nad nimi jest dążenie do cyfrowej dojrzałości organizacji, zarówno w obszarze strategicznym, jak i operacyjnym.
W wymiarze praktycznym przejawia się to w bliskim kontakcie pomiędzy biznesowymi użytkownikami danych i ich administratorami, a zespołami IT oraz działem prawnym, który zapewnia właściwe zrozumienie informacji i ich przeznaczenie. Uwzględnienie zarówno aspektu biznesowego, jak i wymagań IT czy wewnątrzorganizacyjnych silosów danych to jedyny sposób, by w pełni wykorzystać drzemiący w zbieranych informacjach potencjał.
Jak więc widać, u podstaw modelu data governance nie leży sama technologia – choćby najnowocześniejsza – tylko odpowiedni sposób działania organizacji i jej procesów, które są przygotowane do rozwoju dobrych praktyk w zakresie zarządzania danymi. Model data governance organizuje bowiem zarówno zasoby ludzkie, jak i zasady i procesy oraz technologie służące zarządzaniu informacjami zgodnie z ich kosztem, wartością i ryzykiem. To biznesowi użytkownicy danych definiują cele, które następnie przełożone zostają na produkty w postaci konkretnych rozwiązań. Z kolei dział prawny określa ograniczenia, które tworzą zbiór zasad dotyczących zbierania i przetwarzania danych. Wreszcie dział IT odpowiedzialny jest za tworzenie możliwości, które skutkują rozwiązaniami.
Josef Habdank, Head of Data Ingestion & Processing z DXC Technology zauważa, że taki model działania pozwala wykluczyć tarcia wewnątrz firmy oraz zapewnia przejrzystość przetwarzania danych. To zaś owocuje zaufaniem zarówno do całego procesu, jak i do jego esencji, czyli zbieranych danych.
„Pierwszoplanowa rola, polegająca na zapewnieniu, że aplikacje wykorzystujące dane równocześnie tworzą i utrzymują metadane opisowe i ilościowe, należy oczywiście do osób zarządzających danymi” – zauważa Habdank. Stąd konieczność zapewnienia, by praktyki prawidłowego zarządzania danymi były przestrzegane na każdym z etapów analitycznego przetwarzania informacji.
Silosy danych – usprawniać komunikację, zamiast ją burzyć
Silosy stanowią częstą przeszkodę we wdrażaniu innowacji w organizacjach. To jednak niejako naturalne, że każdy dział lub zespół agreguje i analizuje swoje dane oddzielnie. Decyzje podejmowane są w ramach zespołów, a nie na kolejnych szczeblach struktury organizacyjnej. Wydawać się może, że likwidacja silosów stanowiłaby rozwiązanie, jednak ich zburzenie może spowodować “bagno danych” (eng. “data swamp”), które w takim stanie będzie trudno wykorzystać. Do tego ich likwidacja może być niemożliwa ze względu np. na uregulowania prawne. Tymczasem przeprowadzone przez DXC badanie dotyczące modeli operacyjnych wykazało, że organizacje cierpią dziś na kryzys decyzyjny, czując się przytłoczone ogromnymi ilościami danych, które gromadzą.
Dzięki data governance można sprawić, że komunikacja między silosami zostanie usprawniona i ustrukturyzowana, a dostęp do danych ujednolicony, co w efekcie spowoduje, że będą one sprawniej współpracować. i w efekcie będą sprawniej z sobą współpracować. Odpowiednie zarządzanie i gospodarowanie informacjami zapewnia zatem lepszą współpracę między działami. „Chcąc zoptymalizować podejmowanie decyzji w organizacji należy wziąć pod uwagę dwa czynniki. Pierwszy to ten, że podejmowanie decyzji w organizacji może odbywać się w ramach trzech różnych stanów: odkrywaj, rozwijaj i obroń. Drugi zaś jest taki, że konieczne jest, aby dane i spostrzeżenia przepływały w organizacji w sposób ukierunkowany i terminowy, który wspiera wymienione stany. Tak wygląda metabolizm danych w firmie, szeroko opisany w opracowniu DXC Accelerated Now” – komentuje Habdank i uzupełnia:
„Trafne decyzje to efekt wieloetapowego procesu, tzw. strategy tree. Wiedza o posiadanych danych i dostęp do nich umożliwiają określenie strategicznych celów organizacji. To na podstawie danych organizacja oddolnie tworzy hierarchię wskaźników KPI, na czele których znajdują się te, które pozwalają określić to, czy wskazane cele strategiczne są osiągalne”.
Samo ustrukturyzowanie danych w silosy nie oznacza zatem ich nieefektywnego wykorzystania. O nieefektywności możemy mówić, gdy w firmie mamy do czynienia z nadmierną koncentracją danych, którą silosy wspierają. Z drugiej strony udostępnienie dużej ilości danych stanowi tylko pozorne rozwiązanie problemu, bo wspomniane wcześniej data swamps zbyt często ogromne, nieczytelne zbiory danych. Dlatego wdrożenie data governance pozwala wybrnąć z obu tych skrajności, ułatwiając zrozumiałe wykorzystanie danych.
Istotne narzędzia
Konieczność odpowiedniego doboru narzędzi służących pracy z danymi jest oczywista, a ich unifikacja pożądana w każdej sytuacji, która daje możliwość wykonania tego szybko i sprawnie w oparciu o odpowiednią metodologię (data mesh). To pozwala firmom na tworzenie struktur, które łagodzą ostre granice silosów danych, co usprawnia komunikację w organizacji.
Jednak duże firmy dysponują często skomplikowanymi i rozbudowanymi systemami, w rodzaju ERP, CRM, platform do obsługi księgowości i faktur itp. Do tego, jeśli firmy rozwijały się poprzez fuzje i przejęcia, różnorodność stosowanych rozwiązań może być ogromna. A to owocuje chaosem i problemami w zapewnieniu sprawnego pozyskiwania i przepływu danych. Nie jest to jednak sytuacja bez wyjścia. Dzięki wieloletniemu bogatemu doświadczeniu DXC Technology pomogło wielu firmom m.in. z sektora medycznego, retail i automotive w poprawie jakości zarządzania danymi:
- Branża medyczna w zakresie przetwarzania i udostępniana danych musi przestrzegać norm prawnych. Działający w niej producent sprzętu medycznego, obecny na 20 rynkach, dzięki DXC Technology zautomatyzował swój proces przekształcania i anonimizacji danych, by móc je globalnie udostępnić w sposób dopuszczalny prawnie. Dzięki odpowiednio wdrożonej polityce zarządzania danymi i zastosowaniu uproszczonej logiki przetwarzania informacji firma skróciła czas przetwarzania danych, a w efekcie zmniejszyła koszt wdrożenia o 59 proc.
- W branży retail wiele organizacji to multibrandy. Jeden z nich, zrzeszający 30 światowych marek, wraz z DXC wprowadził najlepsze praktyki w zakresie wykorzystania danych, uzyskując ujednolicony widok i definicję zebranych informacji.
„Wyzwaniem w tej branży często są rozproszone źródła danych, znajdujące się w różnych sub-brandach, różne ich definicje i granulacja. Uporządkowanie tego stanu ułatwiło klientowi zbieranie danych na wszystkich rynkach, na których działa” – komentuje Habdank.
- Branżę motoryzacyjną z kolei zajmują dziś pojazdy autonomiczne, których opracowanie wymaga sprawnej pracy na niebotycznych zbiorach danych. DXC Technology wśród wielu projektów realizowanych dla branży automotive może pochwalić się m.in. stworzeniem platformy BMW Group High Performance D3. „D3” w tym przypadku oznacza Data-Driven Development, które to podejście BMW Group stosuje do kilku lat.
Dziś każda firma, niezależnie od skali swojego działania ani rynku, na którym funkcjonuje, potrzebuje dostępu do danych, na których mogłaby oprzeć podejmowane decyzje. Tylko przemyślana polityka zbierania danych wsparta technologiami, które pozwolą na ich wykorzystanie, stanowi odpowiedź na tę potrzebę.
Źródło: informacja firmy DXC
Źródło zdjęć: DXC