ბევრი კომპანია საკუთარი მონაცემების მართვასა და ამოქმედებას ცდილობს. ამისთვის, ისინი ძალიან ბევრ დროსა და ძალისხმევას ხარჯავენ, მაგრამ შესაბამის შედეგს ნაკლებად იღებენ. ხარისხი დაბალია, ადამიანები მონაცემებს არ ენდობიან, ტექნიკური დავალიანებაც კონტროლიდან გამოდის… ეს ყველაფერი კი მათ ხელს უშლით, გახდნენ მონაცემებზე ორიენტირებულნი, კონკურენტულები, ისარგებლონ მოწინავე ანალიტიკითა და ხელოვნური ინტელექტით. დანამდვილებით შეგვიძლია ვთქვათ, რომ ბევრ კომპანიას მონაცემებთან მუშაობის სიმძიმე გაცნობიერებული არ აქვს.
დიახ, ეს პრობლემაა. პრაქტიკულად ყველას სამსახური მონაცემთა გამოყენებას, ინტერპრეტაციასა და შექმნას მოიცავს. თუმცა როგორღაც ეს ორგანიზაციის ყველა დონეზე იკარგება, იქნება ეს სტრუქტურა, კულტურა თუ ადამიანები. ხშირად ისიც გაურკვეველია თუ ვისი პასუხისმგებლობაა ეს მონაცემები, რადგან ის მომხმარებელთა შეკვეთებში, ლოჯისტიკასა და მენეჯმენტის ანგარიშებში იმალება, სადაც სტატუს-კვო ჭარბობს. ნათელი წარმოდგენების არქონა კი ქაოსს წარმოქმნის. ადამიანებმა არ იციან, რა გააკეთონ, ძირითადი ამოცანები შეუსრულებელია, შესრულებულიდან უმეტესობა კი ცუდი ხარისხისაა. მსგავსად, სამწუხარო რეალობად მონაცემთა უმართაობაც მივიღეთ.
ამიტომ, მნიშვნელოვანია, ბიზნესებმა მონაცემებთან მუშაობისთვის უკეთესი სისტემები და მიდგომები შექმნან, ეს კი ყველასთვის მენეჯმენტის პასუხისმგებლობის გარკვევით იწყება. აქ კი ის 5 საკითხია მოცემული, რომელიც დაგეხმარებათ გაიგოთ, ვინ და რა უნდა გააკეთოს, როცა საქმე მონაცემებს ეხება.
ჩართეთ ყველა. რეალური მონაცემების მოქმედების უმეტესობა ჩვეულებრივ ადამიანებს მოიცავს. ეს ქმნის პერსონალს, ინტერპრეტაციას უკეთებს და იყენებს მათ, რათა დააკმაყოფილონ მომხმარებლები და მარეგულირებლები, თვალი ადევნონ ინვენტარსა და ფულს, შეადგინონ გეგმები, მიიღონ გადაწყვეტილებები და ა.შ. ფაქტობრივად, ეს ადამიანები ნებისმიერი უფრო დიდი მონაცემთა პროექტის, პროგრამის ან სტრატეგიის წინა ხაზს წარმოადგენენ. თუმცა დაგეგმვის ეტაპზე ისინი თითქმის ყოველთვის მიტოვებულნი არიან. შესაძლოა, დიდი მონაცემების, ხელოვნური ინტელექტისა და ციფრული ტრანსფორმაციის მღელვარების გათვალისწინებით გაგიკვირდეთ, რომ კომპანიებისთვის ჩვეულებრივი ადამიანების ჩართვა ერთადერთი და თანაც, ყველაზე მნიშვნელოვანი ნაბიჯია, რათა მონაცემთა პროგრამები ააჩქარონ.
თუმცა აქ უდიდესი პოტენციალიც გვაქვს — როცა საქმე მონაცემთა ხარისხს ეხება, კომპანიებმა უნდა გაარკვიონ ადამიანების როლები და პასუხისმგებლობები, როგორც მონაცემთა მომხმარებლებისა და შემქმნელებისთვის, რადგან უფრო მცირე მონაცემთა მეცნიერები, რომელთა წვლილიც დიდ პროექტებში მნიშვნელოვანია, იღებენ გადაწყვეტილებებს და კომპანიის მონაცემთა მცველებიც არიან. პირველი ნაბიჯი, რომელიც ხელმძღვანელებმა უნდა გადადგან, ჩვეულებრივი ადამიანებისა და მათი პასუხისმგებლობებისთვის პრიორიტეტის მინიჭებაა. ამასთან, მხარი უნდა დაუჭირონ მათ, რათა ახალი საქმეების შესრულება მეტად ეფექტურად მოახერხონ.
შექმენით ინფრასტრუქტურა, რომლითაც მრავალმხრივ იმუშავებთ. მიუხედავად იმისა, რომ კომპანიები ყველაზე დიდ ღირებულებას იღებენ მონაცემებისგან, როცა იგი დეპარტამენტებში გამოიყენება, ეს მონაცემთა გაზიარებას უშლის ხელს… მართალია, ყველა სხვა დეპარტამენტის მიერ შექმნილ მონაცემებზეა დამოკიდებული, მაგრამ ისინი ხშირად მიღებული მონაცემების ხარისხზე არ ფიქრობენ. თუმცა კომპანიას სწორედ ამ მონაცემთა ჯაჭვი ქმნის, შესაბამისად, ცუდი მონაცემებიც ყველაფერს აფუჭებს.
სწორედ ამიტომ, ორგანიზაციებმა ისეთი ინფრასტრუქტურა უნდა შექმნან, რომელიც ორგანიზაციული გზით გადასცემს და კოორდინირებას უწევს მონაცემთა ნაკადს. უპირველესად, კომპანიებმა მონაცემთა მიწოდების ჯაჭვები უნდა განსაზღვრონ და მართონ. მწარმოებლებისა და ნედლეულის გაკონტროლებასთან ერთად ფიზიკური პროდუქტების წარმოებასა და მიწოდებაზეც უნდა იფიქრონ, უნდა დააკვირდნენ, როგორ იქმნება მონაცემები, როგორ გადადის ერთი ადგილიდან მეორეზე, როგორ აანალიზებენ და იყენებენ.
მეორე — უნდა ააშენონ მონაცემთა მეცნიერების ხიდი, რაც ბიზნეს გუნდებსა და მონაცემთა მეცნიერების ცენტრებს შორის კომუნიკაციას ამყარებს. ამ ორი გუნდის მიზნები ხშირად იკვეთება, რადგან პირველი ცდილობს შექმნას პროგნოზირებადი პროცესები, ხოლო მეორე ცდილობს ხელი შეუშალოს სტაბილურობას გაუმჯობესების პოვნის, გადაწყვეტილების მიღების განახლებისა და ახალი პროდუქტების შესაქმნელად. ხიდი კი სწორედ ამ დაძაბულობის შემსუბუქებას ემსახურება, ეხმარება ორივე გუნდს, გაიგონ სხვისი საზრუნავი და საჭიროებები.
მესამე — დეპარტამენტებსა და მთელ კომპანიას შორის საერთო ენა უნდა შექმნან. კომპანიების ზრდასთან ერთად ენა განსხვავებული ხდება. შესაძლოა, ერთსა და იმავე სიტყვას დეპარტამენტებს შორის განსხვავებული მნიშვნელობა ჰქონდეს. ბუნებრივია, ეს სამუშაო პროცესს ართულებს და მონაცემთა მეცნიერებისთვის ანალიზსაც აფერხებს. კომპანიებს უზარმაზარი ნაბიჯების გადადგმა დაახლოებით 150 ძირითადი კონცეფციის იდენტიფიცირებით შეუძლიათ, რაც მათ საერთო განმარტებებზე შეთანხმებაშიც დაეხმარებათ.
IT-ის ტექნოლოგიებზე მუშაობის საშუალება მიეცით და არა, მონაცემებზე. ძალიან ბევრი კომპანია საინფორმაციო ტექნოლოგიების დეპარტამენტებს ძირითად პასუხისმგებლობას მონაცემებზე ანიჭებს, რაც არასწორია. მონაცემთა უმეტესობა არც იქმნება და არც გამოიყენება IT-ის მიერ — ტექნოლოგია და მონაცემები სხვადასხვა სახის აქტივებია. ამიტომ, კომპანიებმა IT-ის ტექნოლოგიებსა და ინფრასტრუქტურის შესაძლებლობებზე მუშაობის, კარგად განსაზღვრული პროცესების მიწოდებისა და ტექნიკური დავალიანების შემცირების საშუალება უნდა მისცენ.
მოთხოვეთ პროფესიონალ მონაცემთა გუნდებს ქოუჩინგი და კოორდინაცია. კომპანიებს მონაცემთა მცირე, პროფესიონალური გუნდები ესაჭიროებათ, რომლებსაც მრავალ საკითხში აქვთ გამოცდილება. ეს მონაცემთა ხარისხსა და მეცნიერებას, მეტამონაცემების მართვას, კონფიდენციალურობასა და უსაფრთხოებას მოიცავს, რათა დაკისრებული მოვალეობების შესრულება მოახერხონ. ალბათ, მონაცემთა გუნდის ძალისხმევის ნახევარი მაინც ადამიანების მომზადებისა და გამხნევებისკენ უნდა იყოს მიმართული, რათა მათ ეფექტურად მუშაობა შეძლონ. ამასთან, პროფესიონალური დახმარების მიწოდებაც საჭიროა, რათა დაეხმაროს მათ, ვინც მონაცემთა მიწოდების ჯაჭვების მართვასა და საერთო ენის შექმნაზეა პასუხისმგებელი. აქ კი მონაცემთა მენეჯერების ქსელის არსებობას დიდი მნიშვნელობა ენიჭება.
მონაცემთა გუნდებმა დრო სპეციალიზებული სამუშაოსთვისაც უნდა გამოყონ. იქნება ეს კონფიდენციალურობის წესების ინტერპრეტაცია, მონაცემთა მოდელების შემუშავება თუ მონაცემთა მეცნიერების ინიციატივების წარმართვა. ამ პროცესში კი მათთან ერთად სხვებიც უნდა იყვნენ ჩართულნი.
ჩართეთ ამ პროცესში ხელმძღვანელები. წინა თაობებში მონაცემთა მეცნიერების მეთოდებმა და ხარისხმა თავისი უნარი მრავალ გარემოებაში დაამტკიცა, რთული პრობლემების გადაჭრის, მომხმარებელთა შეხედულებების გამომუშავებისა და ხარჯების შემცირების კუთხით. თუმცა ახალი იდეების კომპანიებში დანერგვა და ერთ ნაწილში მიღწეული წარმატების სხვებზე განაწილება რთული აღმოჩნდა… მონაცემთა მეცნიერების პროექტების წარუმატებლობის მაჩვენებელი შემაშფოთებლად მაღალი რჩება. მონაცემთა პროგრამების პრობლემების გადასაჭრელად კი მაღალი რანგის ხელმძღვანელობაა საჭირო, თუმცა ძირითადად ისინი ამაში არ ერეოდნენ.
თითქოს, ისე ჩანს, რომ ლიდერებს კარგი საქმეების გაკეთება სურთ, თუმცა არ იციან რა არის კარგი. საკუთარი თავის დასაცავად ისინი დამაბნეველი წინადადებების წინაშე დგებიან, რომლებიც უგულებელყოფის შემთხვევაში საშინელ შედეგებს გვპირდება, მაგრამ, ამასთან, თითოეული განსხვავებულ რეკომენდაციებს გვთავაზობს. მსგავსი სიგნალების ხმაურისგან განცალკევება კი საკმაოდ დიდი საქმეა. სწორედ ამიტომ, ისინი 2 საკითხზე უნდა ფოკუსირდნენ:
პირველი — კავშირების დამყარება. კომპანიები ბიზნესის პრობლემებითა თუ შესაძლებლობებით არის დატვირთული და ამასთან, დიდი იდეებით მონაცემთა სივრცეში. მაგრამ ძალიან ხშირად ისინი ერთმანეთს ვერ პოულობენ, შედეგად, ბიზნეს პრობლემები გადაუჭრელი, ხოლო დიდი იდეები განუხორციელებელი რჩება. ხელმძღვანელებს კი კარგი პოზიცია აქვთ იმისათვის, რომ ეს ორი ერთმანეთს დაუკავშირონ.
მეორე — აქ, დროთა განმავლობაში ადამიანების შესაძლებლობების აშენებაზე საუბრობენ. თუ ეს უკვე არ გაგიკეთებიათ, ლომის გამბედაობის მქონე მონაცემთა ოფიცერი დაიქირავეთ, რათა ყოველდღიურად გაუმკლავდეს ცვლილებებს და გრძელვადიან პერსპექტივებზე ფიქრისთვის უდიდესი მოთმინება ჰქონდეს.
კონკრეტული საკითხები მონაცემთა მართვაში უამრავი ცვლილების განხორციელებას მოითხოვს, შესაბამისად, ეს საკმაოდ ხანგრძლივი პროცესიც იქნება. შესაძლოა, ზოგი ამას ძალიან რთულადაც თვლიდეს, მაგრამ, ფაქტია, რომ დღეს მონაცემთა მენეჯმენტი სამუშაოს არ ასრულებს და ამას გამოსწორება სჭირდება.
წყარო: HBR
