Beheersing van Big Data Management: Chaos Voorkomen Voordat Het Ontstaat

Er was een tijd, niet zo lang geleden, toen operators parallel werkten aan twee bedrijfssystemen. Één was meestal een ERP of financieel programma, de ander een applicatie uit de Microsoft Office-suite. Maar in de afgelopen jaren is technologie met een verbazingwekkende snelheid veranderd. De invoering van Software as a Service-architectuur heeft processen gerevolutioneerd, met gebruikers die een abonnement prefereren voor alles wat ze nodig hebben. Het werd gerapporteerd in "State of SaaS-Powered Workplace 2017" dat het gebruik van 16+ SaaS-apps door bedrijven met 33% is toegenomen ten opzichte van 2016.

SaaS-systemen kunnen data-accumulatie en -analyse erg gemakkelijk maken, direct esthetische rapporten genereren terwijl ze remote bedieningsmogelijkheden bieden. Maar dit is makkelijker gezegd dan gedaan en vereist een duidelijke strategie en veelzijdige technische middelen.

Uitdagingen van SaaS-Sproeiing

Werknemers kunnen conventionele technologiestrategieën omzeilen door simpelweg te abonneren op deze producten. Dit kan leiden tot duplicatie van inspanningen, gebrek aan toezicht. Bijvoorbeeld, in het geval van cloudopslag en bestandsdeling, is er een grote kans dat als u uw werknemers ondervraagt, u een verscheidenheid aan producten in gebruik vindt, zoals Google Drive, OneDrive, Dropbox, etc. Hoewel de trend van het gebruik van digitale tools gewaardeerd mag worden, lopen operaties het risico redundant en duur te worden, omdat diverse abonnementskosten moeilijk bij te houden zijn. Bovendien wordt de data van het bedrijf verspreid, terwijl het ook blootgesteld wordt aan beveiligingsrisico's.

Dit zijn significante problemen, maar er is één dat nog groter is: de capaciteit van SaaS-apps om massive hoeveelheden data te genereren. Er werd eerder gesteld dat bedrijven tientallen apps gebruiken, maar laten we rekening houden met de data die elke app genereert. Elke inlog, elke wijziging, notificatie, waarschuwing, etc. genereert data. Vermenigvuldig dit met de honderden of duizenden aanwezige werknemers en de informatie wordt een chaos.

Onthoud: garbage in betekent garbage out. De kwaliteit van data is fundamenteel als een bedrijf gebruik wil maken van de tools die onderdeel zijn van Industrie 4.0. Onvolledige gebruikersinvoer, defecte third-party extensies en slechte databeleiden kunnen allemaal vervuiling voor datasets betekenen. Als gevolg verspillen ze waardevolle rekenresources.

Een studie onthulde dat bedrijven vaak 50-80 procent van hun tijd besteden aan het schoonmaken van datasets. Dit is ontzagwekkend, aangezien de resources die met deze taken belast zijn, hooggekwalificeerd zijn en aangenomen voor analyse in plaats van typfouten te corrigeren. Een strategische aanpak van datamanagement kan veel van deze problemen oplossen. Net als bij elke andere zakelijke beslissing, is een uitgebreid plan bedacht door het management en ondersteund door alle functies essentieel.

Drie Prioriteiten voor Datamanagement

Het opzetten van een cross-functioneel datamanagementteam moet de eerste stap zijn. Het team moet technologyspecialisten omvatten, niet alleen uit de IT-afdeling, maar ook mensen die de diensten gebruiken, zodat hun mening in rekening kan worden gebracht. Eenmaal het team samengesteld, kunnen de inspanningen van de leden gericht worden op drie grote prioriteiten:

Proces- en Systeemafstemming

De bedrijfsprocessen moeten in detail bestudeerd worden. Datageneratiepunten moeten geïdentificeerd worden, met twee hoofddoelen in gedachten:

• Barrières voor datainvoer moeten worden verminderd
• Het gebruik van data moet worden aangemoedigd

Verminderen van Barrières voor Datamanagement

Een gemeenschappelijke set SaaS-tools moet geïdentificeerd worden die teams in staat stelt efficiënt te werken. U moet op zoek zijn naar tools die al in gebruik zijn binnen de werkruimte, wat het implementatieproces vergemakkelijkt. De kern-apps moeten dan worden gebruikt als onderdeel van mini roll-out strategieën, zodat hun wijdverspreid gebruik bevorderd kan worden. Indien nodig, moet het personeel adequaat getraind en gemotiveerd worden. Ook, zodra een beslissing is genomen, moeten werknemers geïnstrueerd worden om het te volgen, bijvoorbeeld niemand mag Google Drive gebruiken als Dropbox gekozen is.

Aanmoedigen van Data-gebruik

Zodra de nieuwe processen zijn ontworpen, overweeg hoe de SaaS-applicaties de algehele data-analyse doelen kunnen ondersteunen. Heeft u nu de mogelijkheid om data te ontginnen om inzicht te krijgen in de werkgroepen van werknemers? Kunnen API-verbindingen worden gebouwd tussen diensten om de datastroom te versleppen?

Als het bedrijf een enterprise-level bedrijfsplatform heeft geïmplementeerd, dan kan het samenvoegen van data binnen een enkel systeem een levensvatbare keuze zijn. Dat gezegd hebbende, u moet erg strict zijn met de keuze van data die u wilt behouden, omdat het systeem belasten met onnodige data het laatste is wat u wilt doen.

Nu moet u het hele team betrekken bij het bedenken van manieren waarop de data effectief kan worden gebruikt in de dagelijkse operaties. Dashboards maken en ze onderdeel maken van teamvergaderingen is een goede strategie om mee te werken, omdat ze toestaan dat KPI's van werknemers gemakkelijk worden bijgehouden terwijl ze inzicht geven in gemiste doelen. De werknemers moeten zich ook bewust worden van al deze strategieën, want zodra ze weten dat hun invoer er toe doet, zullen ze zich zorgen maken over data-kwaliteit.

Gebruikersadoptie

Iedereen in de organisatie moet het belang begrijpen van het behouden van de integriteit van data en hieran deelnemen als verplichting.

Communicatie speelt een grote rol bij gebruikersadoptie. Binnen elk team moet de manager een actieve rol spelen in het overtuigen en motiveren van leden. De resultaten van de verzamelde data moeten ook regelmatig gedeeld worden, zodat werknemers de waarde van hun acties kennen. Op dezelfde wijze moeten de gevaren van problematische data duidelijk worden aangegeven, en indien nodig disciplinaire acties eraan gekoppeld.

Datamanagement moet een kernaspect zijn van de trainingsprogramma's van het bedrijf om te zorgen dat de participatie van werknemers maximaal is. Van tijd tot tijd kan de betrokken afdeling teambijeenkomsten, workshops, webinars en lunches organiseren, zodat werknemers alle benodigde begeleiding en coaching krijgen.

Onderhoud en Governance

Als gebruikersadoptie en procesafstemming de sleuteldoelen zijn van uw data-initiatief, dan zullen effectief onderhoud en governance de rol van een "how-to" handleiding vervullen. Te allen tijde moet het datamanagementteam werken aan het ontwikkelen van een bijgewerkte roadmap voor het behoud van data-kwaliteit. Het document moet toegankelijk zijn voor teamleiders, zodat ze altijd expliciete informatie bij de hand hebben wanneer ze een moeilijkheid tegenkomen. Dit zou ook ervoor zorgen dat vragen niet oplopen bij het data governance team, en consistentie wordt gehandhaafd.

De gids moet duidelijk, beknopt en to-the-point zijn. Het moet rollen omvatten voor databeveiliging, hygiëne en strategie, met uitgebreide instructies over hoe gebruikers met de data moeten interacteren. Een databeveiligingsmodel moet ook in de gids opgenomen worden, zodat teams alleen toegang hebben tot de data waar ze zich mee bezighouden.

Al dit klinkt misschien als een fulltime baan, en ja, dat is het. Al deze kwesties kunnen aangepakt worden door getrainde individuen die veel namen hebben: Data Scientist, Business Analyst, Data Officer, enz. U moet nooit aarzelen om de benodigde technische resources in te huren, aangezien de kosten van slecht datamanagement veel hoger kunnen zijn dan het salaris van de persoon.