Kaip teisingai įprasminti ir įgalinti duomenis padėti verslui auginti rezultatus? Kokį vaidmenį šiandien versle užima didieji duomenys? Kokius iššūkius duomenų analitikams kelia milžiniški kiekiai duomenų? Apie duomenų kaupimą, saugojimą ir analitinį jų vertinimą įžvalgomis žiniasklaidai atsiųstoje informacijoje dalijosi IT įmonės „Devbridge“ (priklausančios „Cognizant Softvision“ kompanijai) vyriausioji duomenų analitikė Edita Mačienė.
Duomenis būtina kaupti sistemingai
E. Mačienė pabrėžia, didžiųjų duomenų svarba ir vaidmuo verslo procesuose labai priklauso nuo to kaip duomenys buvo kaupiami, ar buvo galvojama apie jų paskirtį, ar yra saugoma visa informacija apie įvykius, vykstančius kompanijoje.
„Idealu, kai kompanija, kuri tikslingai saugo duomenis, galvoja apie jų panaudojimo tikslą sprendimų priėmimui, ar verslo procesų analizei, planuoja ir galvoja apie duomenų tvarkymo, saugojimo ir duomenų produktų priežiūros procesus. Tarkime, jeigu mūsų duomenys būtų grūdai – kad iškeptume duoną (kas būtų mūsų duomenų produktas) turime paruošti visą procesą, išmanyti reikiamas technologijas, tam kad galėtume patikrinti grūdų kokybę, nuspręstume reikiamą malimo rupumą, ar kitą apdirbimą reikalingą miltų paruošimui, kad jis atitiktų visas reikalingas savybes duonai gaminti. Kas jeigu tie miltai galėtų būti naudojami ne tik duonos kepimui bet ir kitiems gaminiams?
Strategija įgalina veikti efektyviau
E. Mačienės teigimu, šiuo metu didžiausi įmonėms tenkantys iššūkiai – ne surenkamas milžiniškas duomenų kiekis, bet jų pasiekiamumas, kokybė ir „higiena“. Kompanijos susiduria su iššūkiais, kai strategija nėra apibrėžta, jeigu kompanija jau kaupia duomenis neapsibrėžusi tikslų, pavyzdžiui, jei kartais prireiktų ateityje arba galbūt tikslai yra apibrėžiami izoliuotose komandose ir nėra bendros krypties, todėl pirmiausia būtina apsibrėžti, kokiais principais duomenys turėtų būti valdomi konkretiems verslo tikslams pasiekti.
„Didelių iššūkių turi kompanijos, kaupiančios duomenis daugelį metų. Kadangi duomenys laikui bėgant keičiasi, kaip ir keičiasi jų formatas, arba galbūt ir pats kiekis. Didelio duomenų kiekio valdymas tampa brangiu procesu ir kelia klausimų, kokią grąžą tokios investicijos (ROI) atneša organizacijai. Jei kompanija pažengusi ir nori pereiti nuo izoliuoto (komandose) duomenų naudojimo į centralizuotą (kur komandos gali dalytis duomenų „gaminiais“, pavyzdžiui, sukurtais modeliuotais duomenimis įžvalgomis ar panaudoti jau sukurtus rodiklius (KPIs ar kitas metrikas), tokiai centralizuotai sistemai („vidinei duomenų produktų parduotuvei“) reikalingi dideli pokyčiai duomenų komandų darbo principuose, atsakomybėse.
Tokiu atveju, kad kompanija sukurtų centralizuotą duomenų paiešką daug energijos pareikalautų darbuotojų apmokymai, susiję su jų atsakomybių pasikeitimu – kai duomenų kūrėjas („duonos kepėjas“) tampa ir tų naujų duomenų savininku ir prižiūrėtoju (įspėti kada „šviežia duona“ bus paruošta, įspėti vartotojus, kad keičiama jos receptūra, taip pat būtų atsakingas už „duonos“ kokybę). Atsiranda ir kompanijos leksikos kūrimo poreikis – tam kad vartotojas galėtų atrasti jau esamus duomenų produktus (angl. „data discovery in datamart“), turėtų būti aišku kuo skiriasi viena „duona“ nuo kitos – „šviesi, šviesi su grūdais ir t.t“ Taip pat yra aprašomi ir duomenų produktai, pagal jų savybes ir charakteristikas (pavyzdžiui, miltai, galėtų būti skirtingo rūpumo, baltumo ir pan.)“, – pavyzdį pateikia duomenų analitikė.
Duomenų analitikams – darbo nestigs
Sąskaitos–faktūros, mokėjimai, prekių likučių inventorizacija, pacientų vizitų registrai, koncerto bilietų pardavimai – viskas, kas anksčiau buvo registruojama popieriniuose dokumentuose, įvairiose apskaitos programose ar tiesiog „Excel“ – šiandien persikėlė į skaitmeninę erdvę, duomenų saugyklas. Pasak E. Mačienės, analitikams ar duomenų mokslininkams kelia iššūkį, kai duomenys yra netvarkingai kaupiami, tokiu atveju jų kokybė atsiliepia ir galutinio duomenų produkto kokybei.
„Kartais yra blogiau, kai turime didžiulį kiekį duomenų, tada gali būti sunku surasti, kurioje saugykloje yra tikrieji originalieji duomenys (nemodifikuoti, jei daroma daug duomenų transformacijų ar formatavimo, arba jei turime daug duomenų kopijų). Tad iš visų tokių versle atsirandančių problemų ir kyla galimi sprendimo keliai, pavyzdžiui, galima atskirti originalius duomenis (angl. „single source of truth“) ir apibrėžti ar apriboti galimus veiksmus jų valdymui, apibrėžti kas gali atlikti pakeitimus tokiuose duomenyse, kaip turėtų būti vertinama duomenų kokybė, kokius vartotojus turėtume informuoti apie tokių duomenų pasikeitimus laike, taip pradedant kurti visą sistemą. Ir tai yra tik viena duomenų kelio dalis“, – įsitikinusi įmonės atstovė.
Suteikia konkurencinį pranašumą
E. Mačienė pabrėžia, kad agreguoti duomenys gali padėti sekti ir prekių paklausos tendencijas bei stabilumą, taip kompanijoms, pavyzdžiui, yra lengviau suvaldyti likučius sandėlyje. Pridėjus sandėlių tinklo bei logistikos duomenis, galima optimizuoti ir transportavimo išlaidas. Kompanijų viduje, duomenys gali padėti planuoti darbuotojų užimtumą ir jų poreikį, taip efektyvinant personalo skyriaus veiklą.
„Duomenų naudojimas administravimo, apskaitos ar planavimo tikslais organiškai išsiplėtė ir padeda optimizuoti kompanijų veiklą. Šiuo metu dirbame su JAV elektroninės prekybos milžine, kuri yra migracijos link tokio darbo modelio kelyje. IT komandos sukurti inžineriniai sprendimai e-prekybos svetainės tobulinimui, šiandien ne tik pateikia produktų asortimentą, tačiau užtikrina itin sparčią bei tikslią produktų paiešką, bei jų įsigijimo procesą.
Sukurta programinė įranga padeda produktų asortimento formavimui, produktų atributų informacijos rinkimui, nuotraukų ir kompiuterinės grafikos valdymui, produktų ir kategorijų aprašymams, paieškos terminams, taip pat palengvina ir kelių šimtų įmonės specialistų darbą bei vartotojų patirtis. Sistema padeda nesuklysti, naviguojant tarp daugiau nei milijono produktų asortimento ir žaibiškai surandant tai, kas yra ieškoma. Tai padeda įgyvendinti vartotojų įžvalgų iniciatyvas (angl. „customer insights“) per inžinerinius sprendimus, padedančius kompanijos klientams sekti, optimizuoti ar kitaip efektyvinti pirkimus. Tai yra milžiniškas duomenų kiekis ir valdymas bei didelis pokytis organizacijos kontekste, kadangi tai yra ilgas procesas, kuris prasideda nuo kiekvieno iš mūsų – suvokimo, tikėjimo, kad toks modelis yra tinkamas, ir įpročių ar požiūrio keitimo.
Kaip galime įsivaizduoti, tokie struktūriniai pokyčiai ar bendrai duomenų valdymas ir sistemų palaikymas reikalauja daug pastangų ir finansinių išteklių, o sėkmingas jų panaudojimas priklauso ne tik nuo duomenų kiekio, bet ir nuo infrastruktūros sudėtingumo, nuo sprendimų, kaip tie duomenų produktai bus kuriami. Tad jei organizacija pradės nuo aiškių tikslų išsigryninimo, kokią verslo naudą tikimasi gauti iš duomenų ir kokią naudą įmanoma gauti, apjungus verslo ir duomenų analitiką – rezultatas gali stipriai pasiteisinti. Bus ne tik sumažinama (sutikslinama) duomenų apimtis, bet ir nupiešiama aiški vizija tolimesnei tvarkai ir duomenų strategijai. Kompanijos susidėliojusios aiškius procesus ir priėmusios sprendimus, gali ne tik efektyviau veikti, bet ir atrasti naujas galimybes, kurių anksčiau neturėjo“, – akcentuoja duomenų analitikė.
