FREE
TABLEAU
MOCK-UP TEST

5 strategii wdrożenia analityki, data science i Machine Learning

W świecie analityki, data science i uczenia maszynowego (Machine Learning) technologia szybko ewoluuje, ale pewne podstawowe zasady pozostają niezmienne. Istnieje wiele innowacyjnych funkcji, które należy rozważyć przy ocenie platform data science and machine learning (DSML). Od postępów w zautomatyzowanym przygotowywaniu, oczyszczaniu i profilowaniu danych po zautomatyzowane uczenie maszynowe (AutoML) i zautomatyzowaną inżynierię funkcji.  

Dokonując inwestycji w analitykę i sztuczną inteligencję, liderzy biznesowi muszą patrzeć szerzej niż tylko na technologię. Według badań 92,2% firm wskazuje na kulturę (rozumianą jako ludzi, procesy, organizację, zarządzanie zmianą) jako przeszkodę w stawaniu się organizacją opartą na danych. Dowiedz się jakie elementy należy wziąć pod uwagę, aby przekształcić kulturę z tej opartej na intuicji i przestarzałych procesach w środowisko digital-first, napędzane przez analitykę, data science i ML.

Źródło: D. Sweenor, Top 5 Strategies to Future-Proof Analytics, Data Science, and ML Investments

 

Jako lider w dziedzinie danych i analityki powinieneś rozważyć następujące zalecenia, aby w przyszłości wzmocnić swoją strategię analityki i data science.

1. Dostosuj analitykę i data science do strategii biznesowej

Jedną z największych przyczyn niepowodzeń projektów jest brak dopasowania pomiędzy specjalistami z dziedziny analityki i Data Science, różnymi obszarami funkcjonalnymi w firmie oraz ogólną strategią biznesową.

Organizacje muszą mieć dobrze zdefiniowaną strategię biznesową z celami biznesowymi i OKR. Skrót OKR (Objectives and Key Results) oznacza cele i kluczowe rezultaty, czyli zamierzenia i wyniki, które prowadzą do pomyślnego zrealizowania właśnie tych celów. Następnie, należy zdefiniować zestaw inicjatyw (projektów), które są mapowane do OKR. W kolejnym kroku należy stworzyć i zmapować Kluczowe Wskaźniki Efektywności (KPI – Key Performance Indicators) do tych inicjatyw. Dopiero wtedy i tylko wtedy, organizacje powinny tworzyć projekty analityczne w celu osiągnięcia tych kluczowych inicjatyw.

2. Zacznij od decyzji dotyczących technologii cyfrowych i planuj procesy wstecz

Po utworzeniu kluczowych inicjatyw i zespołów projektowych, organizacje muszą planować procesy, odliczając kolejne jego etapy wstecz. Należy rozpocząć od kluczowych decyzji biznesowych, które są niezbędne by zaplanować wszystkie kroki. Liderzy muszą zwracać uwagę na powiązane procesy biznesowe, na które mają wpływ. Celem projektów związanych z danymi i analityką jest tworzenie wartości dla firmy. Jeżeli po zaprojektowaniu procesów analitycznych organizacja nie będzie w stanie zmienić schematów decyzyjnych, na oparte o zasoby cyfrowe, to wdrożenie technologii cyfrowych nie ma sensu. W zbyt wielu przypadkach właściwe uzasadnienie wdrożenia technologii jest pomijane, co szkodzi projektom i demotywuje pracowników.

Zakładając, że organizacja może podejmować działania normatywne w oparciu o analitykę, przedsiębiorstwa muszą rozpocząć proces wprowadzania analitycznych przepływów pracy do systemów biznesowych. Aby skutecznie to zrobić, muszą mieć sprawny proces zarządzania zmianą w organizacji oraz strategię ML Ops.

3. Nie zapominaj o ludziach

W obecnych czasach brakuje wykwalifikowanych pracowników zajmujących się danymi. Na szczęście luka ta szybko się zmniejsza, dzięki możliwościom podnoszenia kwalifikacji.  Wiele dużych organizacji stara się szkolić swoich pracowników, prowadząc działania uświadamiające (data awareness) oraz rekrutując citizen data scientists, którzy odpowiadają za spójność projektów analitycznych ze strategiami finansowymi, sprzedażowymi, marketingowymi czy human recources. Pracownicy posiadający funkcję citizen data scientist posiadają dogłębną wiedzę na temat wyzwań biznesowych, przed którymi stoi ich dział. Najlepiej wykwalifikowani spośród pozostałych data scientists, z którymi współpracują oraz uzbrojeni w najbardziej efektywne narzędzia przeprowadzają szczegółowe diagnozy i tworzą modele uczenia maszynowego, aby usprawnić zadania, która wcześniej wymagały analityka danych, statystyka lub matematyka.

Organizacja oparta na analityce jest tak silna, jak silna jest społeczność, która ją wspiera. Przyglądając się technologii analitycznej, należy zwrócić uwagę czy służy ona zespołom (w rozumieniu angielskiego community). Czy technologia analityczna zapewnia pracownikom możliwość współpracy w celu poznania najlepszych praktyk i rozwiązywania problemów bez pomocy działu IT lub kosztownych programów szkoleniowych?

4. Nie rób tego ponownie, automatyzuj.

Automatyzacja jest krytycznie ważna dla organizacji i jest związana z pracą ludzi. W historii świata, w miarę jak systemy i procesy stają się coraz bardziej złożone, muszą być zautomatyzowane. Obecnie automatyzacja stanowi jedną z krytycznych kompetencji organizacji. Jeśli musisz zrobić coś więcej niż raz, prawdopodobnie przeoczyłeś możliwość zautomatyzowania tego procesu. Obecnie istnieje szeroka paleta możliwości od automatyzacji procesów, przez chat boty, nisko/niekodowe interfejsy użytkownika, po sztuczną inteligencję i ML.  Analytic Process Automation to z pewnością jeden z elementów układanki cyfrowej transformacji, który może pomóc firmom w przełamywaniu barier i rozwiązywaniu problemów w nowy, innowacyjny sposób.

5. Kwestie technologiczne

Technologia jest z pewnością czynnikiem umożliwiającym poprawę samopoczucia pracowników i wyników biznesowych, ale należy ją rozważyć po zrozumieniu poprzednich zaleceń.

Po pierwsze, technologia musi być intuicyjna, przystępna i łatwa w użyciu. Powinna składać się z solidnych narzędzi i niezawodnych przepływów danych, które rozwiązują rzeczywiste problemy biznesowe i prowadzą do wzrostu zarówno u podstaw, jak i nowych obszarów biznesu.

Technologia powinna mieć wbudowaną automatyzację oraz rozbudowaną sieć partnerów, którzy mogą pomóc w cyfrowej transformacji. Wreszcie, powinna mieć pewne możliwości AutoML, które są wspierane przez projekty open-source, takie jak EvalML.

Podsumowanie

Kiedy liderzy biznesowi rozpoczynają swoją przygodę z analityką, ważne, aby dobrze zrozumieli strategię biznesową i to, w jaki sposób przekłada się ona na decyzje w oparciu o zasoby cyfrowe organizacji. Kluczowe jest zrozumienie, w jaki sposób zmienią się procesy biznesowe.

Następnie należy zaangażować całą organizację w różne projekty i inicjatywy. Ważne jest, aby pracownicy mieli jasno określoną ścieżkę podnoszenia kwalifikacji.

Wreszcie, należy rozważyć platformę technologiczną, która jest łatwa w użyciu, elastyczna i posiada wyczerpujący zasób bloków konstrukcyjnych, które można wykorzystać do tworzenia innowacyjnych a przede wszystkim zautomatyzowanych przepływów pracy. Technologia ta powinna być wspierana przez świadomą i odpowiednio przygotowaną społeczność.

 

Tekst zaczerpnięty ze źródeł Alteryx.

Aktualności

Wykres punktowy, czyli Scatter Plot

Aktualności

Wykresy – 10 podstawowych sposobów na prezentację danych

X