Haal het meeste uit uw datagedreven transformatie: 10 kernprincipes

Geleverd door Hewlett Packard Enterprise

Het belang van data voor de bedrijven van vandaag kan niet genoeg worden benadrukt. Studies laten zien datagedreven bedrijven hebben 58% meer kans om hun omzetdoelen te verslaan dan niet-datagestuurde bedrijven en 162% meer kans om significant beter te presteren dan achterblijvers. Gegevensanalyse helpt bijna de helft van alle bedrijven betere beslissingen nemen over alles, van de producten die ze leveren tot de markten waarop ze zich richten. Gegevens worden van cruciaal belang in elke branche, of het nu gaat om het helpen van boerderijen de waarde van de gewassen die ze produceren verhogen of fundamenteel het basketbalspel veranderen .

Optimaal gebruikt, is data niets minder dan een uiterst belangrijk bezit. Het probleem is dat het niet altijd gemakkelijk is om data aan het werk te zetten. De Seagate Rethink Data-rapport , met onderzoek en analyse door IDC, bleek dat slechts 32% van de gegevens die beschikbaar zijn voor ondernemingen ooit wordt gebruikt en dat de resterende 68% geen hefboomwerking heeft. Leidinggevenden zijn niet helemaal zeker in hun huidige vermogen - noch in hun langetermijnplannen - om optimale waardeniveaus te halen uit de gegevens die ze produceren, verwerven, beheren en gebruiken.

Wat is de verbinding? Als data zo belangrijk is voor de gezondheid van een bedrijf, waarom is het dan zo moeilijk om ze onder de knie te krijgen?

In de best geleide bedrijven zijn de systemen die gegevensproducenten en gegevensconsumenten met elkaar verbinden, veilig en eenvoudig te implementeren. Maar dat zijn ze meestal niet. Bedrijven staan ​​voor de uitdaging om data te vinden en deze voor strategische doeleinden te gebruiken. Gegevensbronnen zijn moeilijk te identificeren en nog moeilijker te evalueren. Datasets die worden gebruikt om AI-modellen te trainen voor de automatisering van taken, kunnen moeilijk te valideren zijn. Hackers zijn altijd op zoek naar het stelen of compromitteren van gegevens. En het vinden van kwaliteitsgegevens is een uitdaging voor zelfs de slimste datawetenschappers.

Het ontbreken van een end-to-end systeem om gegevens van hoge kwaliteit te garanderen en efficiënt te delen, heeft indirect de adoptie van AI vertraagd .

Communicatiehiaten kunnen ook het proces van het leveren van impactvolle inzichten doen ontsporen. Executives die dataprojecten financieren en de data-engineers en wetenschappers die ze uitvoeren, begrijpen elkaar niet altijd. Deze gegevensbeoefenaars kunnen een gedetailleerd plan maken, maar als de beoefenaar de resultaten niet goed inkadert, kan de businessmanager die erom heeft verzocht zeggen dat ze op zoek waren naar iets anders. Het project zal als een mislukking worden bestempeld en de kans om waarde uit de inspanning te genereren, zal buiten de boot vallen.

Bedrijven lopen tegen dataproblemen aan, ongeacht waar ze zich bevinden op het gebied van datavolwassenheid. Ze proberen manieren te bedenken om data een belangrijk onderdeel van hun toekomst te maken, maar ze hebben moeite om plannen in praktijk te brengen.

Als u zich in deze positie bevindt, wat doet u dan?

Bedrijven bevonden zich in de jaren 2010 op een soortgelijk buigpunt en probeerden hun plaats in de cloud te bepalen. Ze hebben jaren nodig gehad om hun cloudstrategieën te ontwikkelen, hun cloudmigraties te plannen, platforms te kiezen, Cloud Business Offices te creëren en hun organisaties te structureren om optimaal te profiteren van cloudgebaseerde kansen. Nu plukken ze daar de vruchten van: dankzij hun overstap naar de cloud hebben ze hun apps en IT-systemen kunnen moderniseren.

Ondernemingen moeten nu vergelijkbare beslissingen nemen over data. Ze moeten met veel factoren rekening houden om ervoor te zorgen dat data de basis vormen voor hun bedrijf in de toekomst. Ze moeten vragen stellen als:

• Zijn de gegevens die het bedrijf nodig heeft direct beschikbaar?
• Welke soorten gegevensbronnen zijn nodig? Zijn er gedistribueerde en diverse datasets waar u niets van af weet?
• Zijn de gegevens schoon, actueel, betrouwbaar en in staat om te integreren met bestaande systemen?
• Is de rest van het C-niveau mee met de aanpak van de chief data officer?
• Communiceren datawetenschappers en eindgebruikers effectief over wat nodig is en wat wordt opgeleverd?
• Hoe worden gegevens gedeeld?
• Hoe kan ik mijn gegevens vertrouwen?
• Heeft elke persoon en organisatie die toegang nodig heeft tot de gegevens het recht om deze te gebruiken?

Het gaat om meer dan alleen business intelligence. Het gaat erom te profiteren van een kans die vorm krijgt. Het gebruik van data explodeert, tools om er gebruik van te maken worden efficiënter en de expertise van datawetenschappers groeit. Maar data is moeilijk te beheersen. Veel bedrijven zijn niet ingesteld om optimaal gebruik te maken van de gegevens die ze bij de hand hebben. Ondernemingen moeten investeren in de mensen, processen en technologieën die hun datastrategieën sturen .

Met dit alles in gedachten, zijn hier 10 principes die bedrijven moeten volgen bij het ontwikkelen van hun datastrategieën:

1. Begrijp hoe waardevol uw gegevens werkelijk zijn

Hoeveel zijn uw gegevens u waard? Dit kan op verschillende manieren worden gemeten. Er zijn traditionele maatstaven waarmee rekening moet worden gehouden, zoals de kosten voor het verkrijgen van de gegevens, de kosten voor het opslaan en verzenden ervan, het unieke karakter van de gegevens die worden verkregen en de mogelijkheid om deze te gebruiken om extra inkomsten te genereren. Marktplaatsstatistieken zijn van invloed op de waarde van de gegevens, zoals de gegevenskwaliteit, de ouderdom van de gegevens en de populariteit van een gegevensproduct.

Uw gegevens kunnen ook waardevol zijn voor anderen. Stel dat een ziekenhuis patiëntgegevenssets verzamelt die waarde kunnen genereren voor uw gegevens. In dat geval kunnen die gegevens interessant zijn voor ziekteonderzoekers, geneesmiddelenfabrikanten, verzekeringsmaatschappijen en andere potentiële kopers. Bestaat er een mechanisme om potentiële gebruikers van uw gegevens te anonimiseren, samen te voegen, te controleren en te identificeren?

Opportuniteit, in evenwicht gehouden door de kosten die nodig zijn om deze te realiseren, is een manier om de potentiële waarde van uw gegevens te bepalen.

2. Bepaal wat gegevens waardevol maakt

Hoewel het misschien moeilijk is om een ​​werkelijke waarde aan uw gegevens te geven, is het gemakkelijker om de elementen te definiëren die ertoe bijdragen dat gegevens een hoge mate van waarde hebben. Het kan worden teruggebracht tot een eenvoudige gedachtevergelijking:

Volledigheid + Geldigheid = Kwaliteit

Kwaliteit + Formaat = Bruikbaarheid

Bruikbare gegevens + een gegevensbeoefenaar die het goed gebruikt = WAARDE

Uw dataproject kan niet doorgaan zonder goede data. Is de kwaliteit van uw data hoog genoeg om de moeite waard te zijn? Dat zal gedeeltelijk afhangen van hoe compleet het monster is dat je hebt verzameld. Ontbreken er gegevensvelden? Kwaliteit hangt ook af van hoe valide de informatie is. Werd het verzameld uit een betrouwbare bron? Zijn de gegevens actueel of is de geldigheid door de tijd afgenomen? Verzamelt en bewaart u uw gegevens in overeenstemming met branche- en sectorontologieën en -normen?

Uw gegevens moeten bruikbaar zijn om te investeren. Het opzetten van systemen voor gegevensbeoefenaars om de gegevens goed te gebruiken en te analyseren en deze te verbinden met bedrijfsleiders die de inzichten kunnen benutten, sluit de cirkel.

3. Bepaal waar u zich bevindt op uw datareis

Een bedrijf positioneren om volledig te profiteren van cloud computing is een reis. Hetzelfde zou moeten gelden voor data.

De beslissingen die bedrijven nemen over hun datastrategieën hangen grotendeels af van waar ze zich op hun datareizen bevinden. Hoe ver ben je op je datareis? Beoordelingstools en blauwdrukken kunnen bedrijven helpen hun positie te bepalen. Beoordelingen moeten verder gaan dan het identificeren van welke tools zich in de technologiestapel van een bedrijf bevinden. Ze moeten kijken naar hoe gegevens in een organisatie op vele manieren worden behandeld, rekening houdend met governance, levenscyclusbeheer, beveiliging, opname en verwerking, gegevensarchitecturen, consumptie en distributie, gegevenskennis en het genereren van inkomsten met gegevens.

Verbruik en distributie alleen kunnen worden gemeten in termen van het vermogen van een organisatie om diensten toe te passen, variërend van business intelligence tot streaming data tot selfservice-applicaties van data-analyse. Heeft het bedrijf ondersteuning geïmplementeerd voor datagebruik door individuele persona's? Ondersteunt het individuele API's? Als we kijken naar datakennis als een categorie, hoe geavanceerd zijn de datawoordenboeken, zakelijke woordenlijsten, catalogi en masterdatamanagementplannen van het bedrijf?

Door elke reeks capaciteiten te scoren, worden de sterke en zwakke punten van een bedrijf op het gebied van gegevensparaatheid zichtbaar. Totdat het bedrijf van dichterbij kijkt, realiseert het zich misschien niet hoe dichtbij of ver het is van waar het moet of wil zijn.

4. Leer omgaan met data uit verschillende bronnen

Gegevens komen organisaties uit alle richtingen binnen: van binnenuit het bedrijf, IoT-apparaten en videobewakingssystemen aan de rand, partners, klanten, sociale media en het web. de honderden zettabytes van wereldwijde gegevens selectief moeten worden beheerd, beschermd en geoptimaliseerd voor gemakkelijk, productief gebruik.

Dit is een uitdaging voor ondernemingen die geen systemen hebben ontwikkeld voor gegevensverzameling en gegevensbeheer. Waar de gegevens ook vandaan komen, er moet een mechanisme zijn om deze te standaardiseren, zodat de gegevens voor een groter voordeel kunnen worden gebruikt.

Verschillende bedrijven en verschillende landen leggen verschillende regels op over wat en hoe informatie mag worden gedeeld. Zelfs individuele afdelingen binnen hetzelfde bedrijf kunnen in strijd zijn met corporate governance-regels die de paden aangeven die bepaalde datasets moeten volgen. Dat betekent het afdwingen van datatoegangs- en distributiebeleid. Om deze datakansen te benutten, moeten bedrijven paden ontwikkelen om nieuwe datasets te ontdekken en governanceregels opleggen om deze te beheren.

In de productie meten bedrijven op een supply chain-lijn de kwaliteit van hun onderdelen en leveranciers. Vaak zijn de machines en de robotica die ze gebruiken eigendom van de leveranciers. Leveranciers willen misschien contracten afsluiten om te zien wie het recht heeft om gegevens te gebruiken om hun eigen zakelijke belangen te beschermen, en fabrikanten moeten hun vereisten voor het delen van gegevens vooraf met hun partners en leveranciers bepalen.

5. Krijg een strategisch commitment van de C-suite

Data komt ten goede aan vele niveaus van een organisatie, en persona's op elk van de betrokken niveaus zullen lobbyen voor een bepaald aspect van het datawaardeproces. Datawetenschappers willen meer krachtige, gebruiksvriendelijke technologie. Line-of-business leiders streven naar betere, snellere inzichten. Aan de top van de piramide staat de C-suite, die prioriteit geeft aan het kanaliseren van gegevens in bedrijfswaarde.

Het is van cruciaal belang om leidinggevenden op C-niveau aan boord te krijgen met een holistische datastrategie. Het goed doen kan immers storend werken. Om maximale waarde uit data te halen, moet een organisatie personeel inhuren met nieuwe vaardigheden, de cultuur opnieuw afstemmen, oude processen opnieuw ontwerpen en het oude dataplatform opnieuw ontwerpen. Het is een transformatieproject dat niet kan worden uitgevoerd zonder buy-in van de top van een bedrijf.

De C-suite staat steeds meer open voor het uitbreiden van het datagebruik door organisaties. Volgens het IDC-rapport 'Market Analysis Perspective: Worldwide Data Integration and Intelligence Software, is het op één na grootste strategische aandachtsgebied op bestuursniveau, naast klantbetrokkenheid, het benutten van gegevens en het verbeteren van de besluitvorming om concurrerend te blijven en te profiteren van veranderende marktomstandigheden. 2021.' In hetzelfde rapport verwoordde 83% van de leidinggevenden de noodzaak om meer datagedreven te zijn dan vóór de pandemie.

Hoe moeten organisaties ervoor zorgen dat de C-suite aan boord komt? Als u een belanghebbende bent zonder een titel op C-niveau, is het uw taak om met uw collega's samen te werken om een ​​executive sponsor te vinden om de boodschap over te brengen aan leiders die het besluitvormingsproces beheersen. Gegevens zijn een strategisch goed dat het succes van een bedrijf op de lange termijn zal bepalen, maar het zal niet gebeuren zonder goedkeuring op het hoogste niveau.

6. In gegevens die we vertrouwen: zorg ervoor dat uw gegevens onberispelijk zijn

Naarmate AI zich uitbreidt tot bijna elk aspect van het moderne leven, nemen de risico's van corrupte of gebrekkige AI-praktijken exponentieel toe. Dit komt neer op de kwaliteit van de gegevens die worden gebruikt om de AI-modellen te trainen. Hoe zijn de gegevens tot stand gekomen? Was het gebaseerd op een defecte sensor? Is er een vooringenomen gegevensoorsprong gegenereerd in de dataset? Kwam de selectie van gegevens van één locatie in plaats van een statistisch geldige set gegevens?

Betrouwbare AI is afhankelijk van betrouwbare gegevens die kunnen worden gebruikt om transparante, betrouwbare, onpartijdige en robuuste modellen te bouwen. Als u weet hoe een model wordt getraind en u vermoedt dat u foutieve resultaten krijgt, kunt u het proces stoppen en het model opnieuw trainen. Of, als iemand het model in twijfel trekt, kun je teruggaan en uitleggen waarom een ​​bepaalde beslissing is genomen, maar je hebt schone, gevalideerde gegevens nodig om te kunnen raadplegen.

Overheden worden vaak door beleidswaakhonden gevraagd om te ondersteunen hoe ze AI gebruiken en om te bewijzen dat hun analyses niet gebaseerd zijn op vooringenomen gegevens. De validiteit van de gebruikte algoritmen heeft geleid tot discussies over pogingen om op machine learning te vertrouwen veroordeling beslissingen en beslissingen nemen over bijstandsuitkeringen of andere overheidsactiviteiten.

De training van het model gebeurt in stappen. Je bouwt een model op basis van data. Vervolgens test u het model en verzamelt u aanvullende gegevens om het opnieuw te testen. Als het slaagt, maak je er een robuuster productiemodel van. De reis gaat verder door meer gegevens toe te voegen, te masseren en in de loop van de tijd vast te stellen of uw model bestand is tegen nauwkeurig onderzoek.

Het ontbreken van een end-to-end systeem om gegevens van hoge kwaliteit te garanderen en efficiënt te delen, heeft indirect de adoptie van AI vertraagd. Volgens IDC , 52% van de respondenten van de enquête is van mening dat uitdagingen op het gebied van gegevenskwaliteit, kwantiteit en toegang de implementatie van AI in de weg staan.

7. Grijp de kans aan metadata

Metadata wordt elliptisch gedefinieerd als 'gegevens die informatie verschaffen over andere gegevens'. Het is wat gegevens de context geeft die gebruikers nodig hebben om een ​​deel van de kenmerken van de informatie te begrijpen, zodat ze kunnen bepalen wat ze er in de toekomst mee moeten doen.

Metadatastandaarden worden vaak gebruikt voor nichedoeleinden, specifieke industriële toepassingen zoals: astronomische catalogi , of gegevenstypen zoals XML-bestanden . Maar er is ook een pleidooi voor een sterker metadata-framework waar we niet alleen data op gemeenschappelijke manieren kunnen definiëren, maar ook nuttige data-artefacten kunnen taggen tijdens hun reis. Waar komt dit stukje data vandaan? Wie heeft het bekeken? Wie heeft er gebruik van gemaakt? Waar is het voor gebruikt? Wie heeft welk deel van de dataset toegevoegd? Zijn de gegevens geverifieerd? Is het gebruik in bepaalde situaties verboden?

Het ontwikkelen van dit soort metadatamechanisme vereist een technologielaag die openstaat voor bijdragen van degenen die een bepaald stuk data bekijken en aanraken. Het vereist ook een commitment van brede groepen belanghebbenden die de waarde inzien van het strategisch en transparant kunnen delen van gegevens.

Het creëren van een extra open metadatalaag zou een belangrijke stap zijn in de richting van de democratisering van de toegang tot de gegevens mogelijk maken door het transparant delen van belangrijke gegevensattributen die nodig zijn voor toegang, bestuur, vertrouwen en afkomst mogelijk te maken. Hewlett Packard Enterprise's benadering van dataruimtes is het openen van een universele metadatastandaard die de huidige complexiteit van het delen van diverse datasets zou wegnemen.

8. Omarm het belang van cultuur

Organisaties willen ervoor zorgen dat ze het maximale halen uit de bronnen die ze voeden - en om dat te doen, moeten ze culturen creëren die best practices voor het delen van informatie promoten.

Heeft u silo's? Zijn er culturele barrières binnen uw organisatie die een goede verspreiding van informatie naar de juiste bronnen op het juiste moment in de weg staan? Hebben verschillende afdelingen het gevoel dat ze eigenaar zijn van hun gegevens en niet hoeven te delen met anderen in de organisatie? Hamsteren individuen waardevolle gegevens? Heeft u kanalen en procedures opgezet die het probleemloos delen van gegevens bevorderen? Heeft u de toegang tot gegevens gedemocratiseerd, zodat zakelijke belanghebbenden niet alleen gegevens kunnen opvragen, maar ook kunnen deelnemen aan het opvragen en delen van gegevens?

Als een van deze factoren de vrije stroom van gegevensuitwisseling blokkeert, moet uw organisatie een wijzigingsbeheerbeoordeling ondergaan die zich richt op de behoeften van mensen, processen en technologie.

9. Open dingen, maar vertrouw niemand

In alle aspecten van het bedrijfsleven balanceren organisaties de vaak tegenstrijdige concepten van het bevorderen van het vrij en open delen van middelen en streng gecontroleerde beveiliging. Het bereiken van deze balans is vooral belangrijk bij het omgaan met data.

Gegevens moeten worden gedeeld, maar veel gegevensproducenten voelen zich daar ongemakkelijk bij omdat ze bang zijn de controle te verliezen en hoe hun gegevens tegen hen kunnen worden gebruikt, of hoe hun gegevens kunnen worden gewijzigd of ongepast worden gebruikt.

Beveiliging moet een topprioriteit zijn. Gegevens komen uit zoveel bronnen - sommige heb je zelf in de hand, andere niet - en worden door zoveel handen doorgegeven. Dat betekent dat beveiligingsbeleid rond gegevens bij elke stap van het proces moet worden ontworpen met een zero-trust-model. Vertrouwen moet worden gevestigd door de hele stack, van uw infrastructuur en besturingssystemen tot de workloads die bovenop die systemen zitten, helemaal tot op het siliciumniveau.

10. Creëer een volledig functionerende pijplijn voor dataservices

Het verplaatsen van gegevens tussen systemen vereist veel stappen, waaronder het verplaatsen van gegevens naar de cloud, opnieuw formatteren en samenvoegen met andere gegevensbronnen. Voor elk van deze stappen is meestal aparte software nodig.

Het automatiseren van datapijplijnen is een essentiële best practice in de datareis. Met een volledig geautomatiseerde datapijplijn kunnen organisaties data bij de bron extraheren, omzetten in een bruikbare vorm en integreren met andere bronnen.

De gegevenspijplijn is de som van al deze stappen en het is zijn taak om ervoor te zorgen dat deze stappen op betrouwbare wijze voor alle gegevens worden uitgevoerd. Deze processen moeten worden geautomatiseerd, maar de meeste organisaties hebben minstens één of twee technici nodig om de systemen te onderhouden, storingen te herstellen en te updaten volgens de veranderende behoeften van het bedrijf.

Begin vandaag nog aan de datareis

Hoe goed bedrijven hun data benutten, waar ze ook zijn, zal hun succes in de komende jaren bepalen. Onderzoek naar sterrenbeelden projecten 90% van de huidige Fortune 500 zal in 2050 worden samengevoegd, overgenomen of failliet gaan. Als ze nu niet beginnen, blijven ze achter. De klok tikt door.

Lees het originele artikel op Enterprise.nxt .

Deze inhoud is geproduceerd door Hewlett Packard Enterprise. Het is niet geschreven door de redactie van MIT Technology Review.

zich verstoppen