Audyt. Jak my nie lubimy tego słowa. Ma takie negatywne konotacje. Tak jakby już z góry zakładać, że coś zostało źle zrobione. To zapewne nasze doświadczenie, ponieważ audyty, które znamy, zazwyczaj kończą się listą uwag, braków czy błędów i w zasadzie nie wnoszą nic więcej. Jednak – z mojej perspektywy – dobry audyt to suma trzech elementów: oczekiwań, rzeczywistości i planu na przyszłość.
Piszę o tym zagadnieniu, ponieważ zauważyłem, iż wielu organizacjom przydałby się audyt ekosystemu przetwarzania i wykorzystania danych. Dlaczego? Mówimy, że dane są dla nas niezwykle wartościowe. Że są jak złoto lub jak nowa ropa naftowa. Ale z drugiej strony najczęściej postępujemy z tym cennym zasobem chaotycznie i bez planu. A wyjściem z takiej właśnie sytuacji jest przeprowadzenie audytu ekosystemu danych składającego się z trzech kluczowych kroków.
Oczekiwania
Pierwszym krokiem jest określenie oczekiwań względem ekosystemu danych. Jest to zadanie w zasadzie abstrahujące od technologii. Chodzi w nim o określenie potrzeb zarówno w zakresie raportowania, dostępności danych do analiz statystycznych i wizualnych, możliwości udostępnienia danych z różnorodnych źródeł bezpośrednio w systemach, takich jak CRM czy system Biura Obsługi Klienta, oraz możliwości budowy różnorodnych modeli machine learning.
Innymi słowy – ta część audytu polega na przeprowadzeniu „burzy mózgów” w całej organizacji na temat obecnych i przyszłych możliwości wykorzystania danych do udoskonalenia procesów, zwiększenia wydajności, ulepszania usług czy wręcz tworzenia nowych. Po tym etapie mamy więc kompletną informację, co organizacja chciałaby zrobić z danymi, które posiada lub może pozyskać.
Rzeczywistość
Drugi krok to zderzenie z rzeczywistością ekosystemu danych. Rozpoczynamy od określenia istniejących w organizacji źródeł danych, zarówno związanych z konkretnymi systemami IT, jak i wszystkich innych znaczących źródeł, np. plików Excel.
Dalej należy się przyjrzeć systemowi przetwarzania danych do postaci analitycznej. Pojawiają się więc pytania o istnienie w organizacji systemu integrującego dane, takiego jak hurtownia czy jezioro danych. Kluczem jest tu oczywiście zarówno zakres dostępnych danych w takim narzędziu, czyli pytanie o ich kompletność, jak i o sam sposób wykonania tego systemu.
Na końcu tego etapu należy zweryfikować, w jaki sposób dzisiaj dane są wykorzystywane w procesach biznesowych. Czy są w organizacji raporty i jaka jest ich wydajność? Czy istnieją modele machine learning i czy ich dokładność i wydajność są zadowalające? W końcu – czy systemy wsparcia marketingu, sprzedaży czy obsługi klienta udostępniają pracownikom kompletne i wysokiej jakości dane, które są im potrzebne w codziennej pracy?
Plan na przyszłość
Trzecim krokiem w audycie jest skrzyżowanie oczekiwań biznesowych z istniejącą rzeczywistością. Taka analiza pokazuje różnice na dwóch poziomach: biznesowym i technicznym. Aspekt biznesowy to te oczekiwania naszych pracowników, które pomogłyby w rozwoju naszego towarzystwa ubezpieczeń, a które dotychczas nie były realizowane. Może brakuje nam pewnych raportów? Może niektóre procesy mogłyby być szybsze i skuteczniejsze z użyciem modeli machine learning? A może po prostu ogranicza nas niedostateczna wydajność przetwarzania lub niska jakość danych?
Z kolei aspekty techniczne to spojrzenie na sposób budowy ekosystemu danych. Czy jest on ustandaryzowany? Czy tworzymy do niego właściwą dokumentację? Czy zastosowaliśmy odpowiednie narzędzia i architekturę? Co jeszcze należy dobudować do naszego ekosystemu danych? W tym aspekcie znajdujemy więc luki na poziomie braku systemu zarządzania jakością danych czy braku systemu uruchamiania modeli machine learning, ale także błędy w architekturze i wydajności obecnych rozwiązań.
W drodze do strategii
Na koniec tak przeprowadzonego audytu powstaje dokument opisujący, jaką drogę przeszła nasza firma w kontekście przetwarzania i wykorzystania danych. Wyjaśnia, w jakim miejscu się znajdujemy, czyli jakie rozwiązania mamy już gotowe. Dalej opisuje, co chcielibyśmy osiągnąć w przyszłości. Czego potrzebujemy, aby nasz biznes dobrze się rozwijał.
Tak przeprowadzony audyt staję się idealną podstawą do określenia i spisania strategii wykorzystania danych przez organizację. A to z kolei pozwala na określenie planu dalszych działań, zarówno w kontekście harmonogramu, jak i niezbędnego nam budżetu inwestycyjnego. Jest więc to świetny pierwszy krok na drodze budowania organizacji data-driven.
Łukasz Nienartowicz
Britenet
- Mówimy, że dane są dla nas niezwykle wartościowe. Z drugiej strony najczęściej postępujemy z nimi chaotycznie i bez planu. Wyjściem z takiej sytuacji jest przeprowadzenie audytu ekosystemu danych.
- Dobry audyt to suma trzech elementów: oczekiwań, rzeczywistości i planu na przyszłość.
- Odpowiednio przeprowadzony audyt to świetny pierwszy krok na drodze budowania organizacji data-driven.
