Kiedy w czasie konferencji, spotkania biznesowego czy cotygodniowego statusu zespołu padną słowa „chcemy być data-driven”, umysły większości z nas szybko oddają się technologicznym marzeniom. Jak dobrze byłoby zbudować ekosystem danych i zarządzać tą całą big datą!
Najlepiej zrobić to w chmurze. Potem wykorzystać te dane do zasilenia AI i wsparcia każdej możliwej decyzji w naszym TU. Ale taki sposób myślenia przypomina mi opis samochodu sportowego: liczba koni mechanicznych, czas do „setki”, rodzaj skrzyni biegów, hamulców… A co z kierowcą?
Sam często się na tym łapię, że mówiąc o organizacjach opartych na danych, myślę głównie o technologii, architekturze, ale nie o ludziach. A firma może być data-driven tylko tak bardzo jak jej pracownicy. Rodzi się więc pytanie o ludzki aspekt transformacji naszych TU. Temat oczywiście jest rozległy, ale pozwolę sobie zwrócić uwagę na trzy kwestie.
Zaufanie do danych
Zaufanie do danych to najważniejszy czynnik w budowaniu kultury data-driven w firmie. Ale ufać możemy tylko temu, co jest dla nas zrozumiałe. A to oznacza, że pracownik musi mieć dostęp do odpowiednio przygotowanych dla niego danych. Jeśli będzie musiał na własną rękę połączyć tuzin tabel, to sam nie będzie pewny wyników, które prezentuje.
Drugi aspekt zaufania wiąże się z jakością danych. Możemy próbować budować zaufanie do danych, starając się doprowadzić ich jakość do 100% perfekcji. Ale to utopia. Jest jednak inna droga. Opiera się ona na przewidywalności i transparentności. Załóżmy, że zbieramy każdej nocy dane z setek źródeł i codziennie pewna ich część nie dociera do naszej hurtowni danych.
Zapewne będziemy starać się poprawić ten wskaźnik. Ale aby zyskać zaufanie użytkowników, wystarczy otwarcie przyznać, że np. codziennie nie pozyskujemy ok. 5% danych i docierają one dopiero kolejnego dnia. Uwzględnienie tego faktu w wykonywanych analizach jest dużo lepsze niż ciągłe szukanie przyczyn nieścisłości.
Środowisko do pracy
Budowanie kultury data-driven to tak naprawdę proces nauki. A uczymy się najlepiej na własnych błędach. Ważne jest więc umożliwienie naszym pracownikom ich popełniania oraz zadawania pytań, jeśli czegoś nie wiedzą lub nie rozumieją.
Równie ważny jest aspekt techniczny. Nasi pracownicy muszą mieć przestrzeń do pracy, w której ich błędy nie będą rzutować na codzienne funkcjonowanie firmy. Chodzi o osobną część architektury danych pełniącą rolę piaskownicy (ang. sandbox), w której pracownicy biznesowi mogą wykonywać własne analizy. Obszar taki powinien być fizycznie oddzielony od oficjalnej hurtowni danych i raportowania, tak aby nawet największy błąd nie miał wpływu na codzienne działanie procesów biznesowych w firmie.
Wsparcie specjalistów
Budowanie kultury opartej na danych to proces. Nie można jej narzucić dyrektywą: „Od jutra wszyscy jesteśmy data-driven”. Proces taki wymaga ciągłego wsparcia pracowników w rozwoju ich umiejętności. Niestety najczęściej spotykanym podejściem jest przeprowadzenie szkolenia wstępnego z narzędzia analityczno-raportowego, a dalej jak ktoś sobie poradzi, to super, a jak nie, to już jego sprawa. Takie podejście jest nieskuteczne i frustrujące dla pracowników.
Dużo lepiej jest zapewnić organizacji wsparcie w postaci doświadczonych szkoleniowców danego narzędzia. Z pozoru będzie to droższe, ponieważ musimy wynająć specjalistów. W rzeczywistości koszty samorozwoju oraz samodzielnego poszukiwania wiedzy przez wielu rozproszonych w organizacji biznesowych analityków danych są dużo większe.
Bez kierowców ani rusz
Każda wdrożona przez nas technologia oparta na danych: raport, aplikacja czy model machine learning, jest podobna do samochodu. Ma swoje możliwości, osiągi i ograniczenia. Tak jak samochody potrzebuje mechaników, a więc specjalistów IT, którzy potrafią zadbać o wdrożony system i go rozwijać.
Jednak w budowaniu organizacji opartej na danych najbardziej potrzebujemy dobrych kierowców. Ludzi biznesu, którzy podejmują się zrozumienia sposobu działania technologii i wykorzystania jej do rozwoju naszego TU.
Musimy pamiętać, że kluczem do sukcesu w tym procesie jest stworzenie dla pracowników środowiska, w którym mogą zaufać danym, mogą popełniać błędy bez groźnych konsekwencji oraz mają wsparcie specjalistów. Jest to kluczowe, jeśli nie chcemy, aby nasza transformacja data-driven skończyła się na wydaniu budżetu na systemy informatyczne.
Łukasz Nienartowicz
Britenet
