Если вы предпочитаете видеоверсию (со слайдами); доступно здесь.

У организаций есть бизнес-стратегия, определяющая, как они могут достичь и поддерживать устойчивое конкурентное преимущество. Однако у большинства организаций еще нет стратегии извлечения нужной ценности из данных.

Согласно опросу, проведенному Harvard Business Review, 71% организаций считают, что модели искусственного интеллекта (ИИ) будут чрезвычайно важны в среднесрочной перспективе. Тем не менее, 61% говорят, что у них еще нет стратегии обработки данных.

Эта статья призвана подчеркнуть важность стратегии использования данных и охватывает следующие темы:

  • Определение «стратегии данных»
  • Важность мышления в первую очередь для бизнеса при разработке стратегии данных
  • Влияние операционной модели компании (централизованной или децентрализованной) на способ разработки стратегии данных
  • Пятиэтапный подход к разработке стратегии данных

Определение «стратегии данных»

Стратегия данных — это план действий по повышению зрелости данных и искусственного интеллекта в организации в направлении амбиций полярной звезды.

Важно думать в первую очередь о бизнесе

Сегодня многие инвестиции, сделанные в сфере данных/ИИ, не приносят ожидаемой ценности для бизнеса. Одна из причин этого заключается в том, что компании создают новую инфраструктуру, модели машинного обучения и другие возможности данных/ИИ ради них (или потому, что это тенденция), вместо того, чтобы сосредоточиться на бизнес-целях. Это приводит к дорогостоящей области данных, которая не вносит эффективного вклада в конкурентное преимущество организации.

Решение заключается в создании бизнес-стратегии данных. Думая в первую очередь о бизнесе и исходя из бизнес-целей, стратегия данных будет построена таким образом, чтобы все инициативы в области данных и аналитики направляли бизнес к достижению его целей и, таким образом, фокусировались на ценности для бизнеса.

Операционная модель компании влияет на то, как разрабатывается стратегия обработки данных

На разработку стратегии данных влияет операционная модель компании, которую часто описывают как набор дискретных вариантов между полностью централизованным и полностью децентрализованным:

  • В централизованной модели существует единая функция данных и ИИ для всего предприятия, которая контролирует все; ресурсы, финансирование, распределение активов, таланты и стратегия. В этой модели направления бизнеса (например, финансы, маркетинг, юриспруденция, безопасность и т. д.) используют эту центральную функцию для удовлетворения своих потребностей в данных и искусственном интеллекте.
  • В децентрализованной модели действия с данными и ИИ выполняются внутри бизнес-подразделений, очень близко к реальным бизнес-пользователям. Это означает, что каждое бизнес-подразделение несет ответственность за наем талантов и обеспечение соблюдения стандартов управления и т. д. Бизнес-подразделения отвечают за выбор инструментов, определение варианта использования, доставку и т. д.

Большинство организаций не являются ни полностью централизованными, ни полностью децентрализованными, а скорее расположены в серой зоне посередине, владея элементами того и другого. Однако, чтобы четко показать различия, эти «экстремальные» операционные модели рассматриваются на следующих пяти этапах разработки стратегии данных.

Пятиэтапный подход к разработке стратегии обработки данных

Эта часть состоит из пяти строительных блоков разработки стратегии данных. Кроме того, есть еще два очень важных элемента: управление данными и архитектура данных. Этими вопросами следует управлять параллельно на протяжении всего процесса разработки стратегии данных, но они выходят за рамки данной статьи.

Шаг 1. Понимание бизнес-целей

Первый шаг — понять бизнес-цели. Каковы цели и ключевые результаты компании? Как выглядит бизнес-стратегия? Каковы ключевые показатели эффективности? Какова миссия и видение компании?

Одной из целей может быть, например, повышение удовлетворенности клиентов. Связанным с этим ключевым результатом может быть увеличение Net Promotor Score на 20 баллов к концу года. Затем нам нужно задать вопрос, как данные и аналитика могут способствовать достижению этой цели.

Уже в начальной точке мы видим четкую разницу между централизованной и децентрализованной операционными моделями.

  • Централизованный: цели определяются в центральном блоке принятия решений, а затем преобразуются в цели предметной области (сверху вниз). Существует четкое выравнивание, но меньшее сходство с доменами.
  • Децентрализованный: цели определяются лидерами домена, имеющими высокую деловую близость. После этого необходимо согласование доменов для достижения корпоративных целей (снизу вверх).

Шаг 2. Откройте для себя примеры использования данных и аналитики

Принимая во внимание бизнес-цели, необходимо нанести на карту все заинтересованные стороны. Вместе с ними необходимо организовать различные семинары и сеансы мозгового штурма, чтобы подумать о том, как инициативы в области данных и аналитики могут способствовать достижению бизнес-целей. Результатом является отставание от потенциальных вариантов использования.

Примерами вариантов использования являются автоматизированные торговые операции, оптимизация ценообразования, обнаружение мошенничества… или для упомянутого выше примера удовлетворенности клиентов: автоматизация колл-центра.

То, как обнаруживаются варианты использования данных и аналитики, опять же зависит от операционной модели.

  • Централизовано: заинтересованные стороны из разных областей участвуют в семинарах с центральной группой данных для обсуждения возможных вариантов использования. Существует одно отставание инициатив в масштабах всей компании.
  • Децентрализовано: в каждом домене будут отдельные семинары с собственной специальной группой данных и бизнес-лидерами. Каждый домен создаст резерв вариантов использования.

Шаг 3. Проанализируйте роли и возможности

При наличии отставания от потенциальных вариантов использования необходимо выполнить анализ пробелов между доступными и требующимися ролями и возможностями для вариантов использования. Таким образом, можно оценить осуществимость всех вариантов использования и получить обзор существующих и несуществующих ролей и возможностей.

  1. Люди(роли): требуют ли варианты использования новых навыков, которых еще нет в команде? Готовы ли и способны ли бизнес-группы принять решение?
  2. Технология(возможности): может ли наш текущий ландшафт данных поддерживать варианты использования? Есть ли у нас необходимые инструменты? Можем ли мы интегрировать результат в уровень потребления?

Результатом этого шага является подробный анализ пробелов для всех перечисленных вариантов использования.

Опять же, выполнение этого шага зависит от операционной модели компании.

  • Централизовано: данные регулируются в масштабах всей компании, стек технологий используется всеми доменами, а возможности управляются центральной группой обработки данных.
  • Децентрализованность: управление данными осуществляется внутри доменов, технологические стеки могут быть разбросаны (например, отдел маркетинга использует коммерческий инструмент, а отдел финансов полагается на решения с открытым исходным кодом), а возможности принадлежат доменам.

Шаг 4. Оцените варианты использования и расставьте приоритеты

Бизнес-цели и анализ пробелов в доступных и требуемых возможностях послужат исходными данными для оценки вариантов использования и определения приоритетов. Кроме того, для перечисленных вариантов использования необходимо подготовить экономическое обоснование с финансовыми показателями. Это включает в себя определение сегментов ценности и оценку затрат.

Учитывая эти три исходных данных (бизнес-цели, анализ пробелов и бизнес-кейсы), варианты использования можно отобразить на графике с двумя осями: (евро) бизнес-ценность и техническая осуществимость. . Оба варьируются от низкого до высокого.

  • (€) Ось бизнес-ценности: эта оценка основана на сочетании стратегической важности варианта использования и результатов бизнес-кейса. Важно сосредоточиться на обоих, поскольку иногда что-то дорогостоящее все же может способствовать достижению бизнес-цели (например, улучшить имидж бренда).
  • Ось осуществимости: эта оценка основана на анализе пробелов в отношении ролей и возможностей. Вариант использования, который требует двух специалистов по данным и основывается на существующих возможностях данных, будет более осуществимым, чем вариант использования, который требует пяти специалистов по данным и создания новой возможности.

Вот обзор четырех квадрантов:

  1. Легкие победы: варианты использования с высокой коммерческой ценностью и осуществимостью выполнения. Эти инициативы должны стать приоритетными.
  2. Стратегические инициативы: варианты использования с высоким потенциалом ценности для бизнеса, но низкой осуществимостью. Когда несколько стратегических инициатив совместно используют одну и ту же возможность, которую необходимо создать, создание этой возможности все же может быть разумным, поскольку тогда можно добавить больше вариантов использования с высокой потенциальной ценностью для бизнеса. В этом случае некоторые инициативы все еще могут быть приоритетными. В противном случае они должны быть лишены приоритета.
  3. Пересмотр позже: варианты использования с высокой осуществимостью, но низкой потенциальной ценностью для бизнеса. Это может стать легкой победой, когда стратегическая важность возрастает, например, когда меняется рыночный контекст или конкуренты вкладывают значительные средства в новые технологии. В противном случае они должны быть (временно) лишены приоритета.
  4. Отменить приоритет: варианты использования с низкой потенциальной ценностью для бизнеса и осуществимостью выполнения. Эти инициативы должны быть лишены приоритета.

Операционная модель компании снова влияет на это упражнение.

  • Централизованный: структурированный подход с четкими и формальными инструкциями. Некоторые домены будут более удовлетворены результатом, чем другие. Бюджетами для данных легко управлять, поскольку они распределяются между центральной командой данных.
  • Децентрализованный: бюджеты менее прозрачны, потому что они должны распределяться между соответствующими доменами. Удовлетворенность разных доменов может быть выше, поскольку они управляют своими собственными приоритетами.

Шаг 5. Создайте дорожную карту

Результатом шага 4 является расставленный по приоритетам окончательный список вариантов использования данных и аналитики, которые станут частью стратегии данных. Чтобы обеспечить надлежащее управление проектом и его реализацию, эти инициативы необходимо нанести на временную шкалу (диаграмма Ганта). Эта временная шкала включает даты начала и окончания, права собственности и зависимости всех инициатив.

Дополнительным упражнением на этом этапе является выявление «активаторов». Когда несколько инициатив совместно используют одну и ту же требуемую новую возможность, может быть полезно поставить эту задачу в начале выполнения стратегии данных. Таким образом можно избежать дублирования работы и реализовать будущие инициативы более эффективно.

Следующая визуализация представляет собой упрощенный пример дорожной карты стратегии данных.

Как строится временная шкала стратегии данных, зависит от операционной модели организации.

  • Централизованно: совместные учения со всеми руководителями доменов, у которых меньше контроля над своими собственными дорожными картами. Существует одна четкая дорожная карта для всей компании.
  • Децентрализовано: каждый домен отвечает за свою собственную дорожную карту, что приводит к тому, что владение доменом имеет большую близость к бизнесу, но также и взаимозависимости в масштабах всей компании.

Наконец, вот обзор некоторых преимуществ (зеленый) и проблем (оранжевый) полностью централизованных и полностью децентрализованных операционных моделей:

Надеемся, что эта статья послужит обзором разработки стратегии данных.

Бен