Os seis componentes de uma estratégia de dados

As organizações têm acesso a dados como nunca antes, e desbloquear o valor desses dados é o topo da agenda para muitos líderes. Muitas vezes, eles sabem que precisam investir em melhores recursos de dados e análises, mas nem sempre sabem como adotar uma abordagem estratégica. 

Nossa visão é que, para desenvolver uma estratégia de dados bem -sucedida, você precisa considerar seis componentes principais. Ao avaliar os objetivos gerais dos negócios, você pode desenvolver uma visão geral correspondente para dados e análises, com uma melhor compreensão das principais áreas em que os dados o ajudarão.

The vision, strategy and roadmap for data and analytics

Leaders need to start with aligning data and analytics capabilities to the organisation’s wider business strategy. By assessing overall business objectives, you can develop a corresponding overall vision for data and analytics, with a better understanding of the key areas where data will help you.

A partir daí, você pode definir objetivos específicos. Isso geralmente envolverá o equilíbrio do seu foco entre a "linha superior", como crescimento por meio da inovação de produtos ou da análise de insights do cliente e dos "resultados", como eficiências no relatório atual e gerenciamento de dados que reduzem os custos operacionais. Para transformar os objetivos de dados e análises em progresso em direção a resultados reais, é essencial ter um patrocínio e liderança de executivos claros. Considere a sequência, o tempo e os estados de transição para estabelecer todas as capacidades em vigor, bem como os mecanismos para liderar e impulsionar a implementação. Isso envolve definir os controles, processos de tomada de decisão e fóruns para padrões de dados, qualidade e conformidade de dados. Criado, mantido, atualizado, arquivado e excluído. Os dados devem ser confiáveis ​​em toda a organização. Você precisa considerar a qualidade dos dados em todos os elementos: integridade, consistência, precisão, pontualidade, disponibilidade, confiabilidade e singularidade. Este componente também se trata de definir as ferramentas, processos e procedimentos que permitem gerenciar efetivamente as operações de dados diárias (por exemplo, para gerenciar a qualidade dos dados), seja manual, automatizado ou ad-hoc.

You need to ensure alignment among senior stakeholders too, gaining their initial buy-in and continued commitment. To turn data and analytics objectives into progress towards real outcomes, it’s essential to have clear executive sponsorship and leadership.

Then, you’ll need to build a realistic roadmap for realising your strategy, which will include assessing the level of investment required and the business case. Consider the sequence, timing and transition states for putting all the capabilities in place, as well as the mechanisms for leading and driving the implementation.

Governance over data and analytics

Robust data governance requires defining the organisational accountability for information. This involves defining the controls, decision-making processes and forums for data standards, data quality and data compliance.

Data governance needs to not only cover these bases but also integrate effectively with both IT governance and wider business governance.

Information operations

This component involves defining a ‘single source of truth’ for each key data set, and then documenting how and where data is created, maintained, updated, archived and deleted. Data must be trustworthy across the organisation. You need to consider data quality across all elements: completeness, consistency, accuracy, timeliness, availability, reliability and uniqueness. This component is also about defining the tooling, process and procedures that allow you to effectively manage all day-to-day data operations (e.g. to manage data quality), whether manual, automated or ad-hoc.

Estruturando a organização e as funções para ativar dados e análises

Uma boa estratégia de dados levará em consideração a estrutura da organização, as funções e as habilidades necessárias para permitir os recursos e os recursos de análise necessários. As considerações incluem:

Deseja uma capacidade centralizada, federada ou híbrida?

• Uma capacidade centralizada para dados e análises teria uma função para suportar todas as funções de negócios. de excelência com recursos selecionados incorporados na função de negócios individuais. A distribuição específica de funções e responsabilidades dependeria das necessidades da organização.
• A federated structure would embed data and analytics capability within individual functions.
• A hybrid option would combine a centralised data and analytics centre of excellence with select embedded capabilities in individual business function. The specific distribution of roles and responsibilities would depend on the needs of the organisation.

Deseja terceirizar ou atender internamente? fora da organização. Esse é especialmente o caso de análises avançadas.

• Depending on the strength of internal capabilities, companies may want to consider outsourcing for specific specialist data roles or services.
• Companies should consider that these functions may become the ‘brain’ of the organisation, and so risks vesting key knowledge with people outside the organisation. This is especially the case for advanced analytics.

Onde você deseja localizar seus recursos de dados e análises? O primeiro envolveria nomear novas contratações ou mover pessoas existentes para uma nova equipe dedicada. Este último veria a criação de uma rede de pessoas em diferentes funções ou funções, que também assumem uma função ou responsabilidade de dados e analíticos adicionais. Os líderes devem considerar como eles podem promover essa cultura no contexto da eficácia organizacional geral. Cada caso de uso deve mapear e abordar os principais indicadores de desempenho dos negócios (KPIs). Essas métricas devem ajudá -lo a responder a perguntas como:

• Data and analytics capabilities are most effective when they are cross-functional and accessible from across the organisation.
• A centre of excellence may involve creating a ‘physical’ or ‘virtual’ team. The former would involve appointing new hires or moving existing people into a dedicated new team. The latter would see the creation of a network of people in different roles or functions, who also take up an additional data and analytics role or responsibility.

Bear in mind that leveraging data and analytics is also about creating a data-led organisational culture, not just the right organisation structure and roles. Leaders should consider how they can foster such a culture within the context of overall organisational effectiveness.

Metrics and insights on data strategy success

Getting this component right means first developing a prioritised set of use cases for data and analytics. Each use case should map to and address business key performance indicators (KPIs).

Then you need to understand the metrics that will define and measure the success of your overall data strategy. These metrics should help you answer questions such as:

• Você está implementando com sucesso os recursos de dados e análises? Analytics
• Are your data and analytics capabilities running well presently and continually developing and maturing?
• Are the data and analytics capabilities driving the intended business value?

The right architecture for data and analytics

Uma arquitetura forte de dados e análises apoiará as interdependências entre fontes de dados, plataformas de dados e aplicativos de dados. Isso deve abranger o cenário tecnológico para a arquitetura de dados de dados e empresas, descrevendo e modelando uma visão consistente e multifuncional das entidades de dados e como elas se relacionam entre si. Embora fazer essas considerações possa parecer complexa, uma abordagem bem -sucedida sempre manterá o princípio central em mente: sua estratégia de dados deve ser conduzida em primeiro lugar pelas necessidades dos negócios. Isso garantirá que seu investimento e adoção tecnológica sejam liderados pela necessidade de negócios, e não pelo contrário. Com essa abordagem, você garantirá que seus dados e recursos de análise não sejam um fim em si mesmos, mas permitirá que você atinja os resultados comerciais desejados. Estratégia