Pourquoi les entreprises devraient adopter une approche cultivée des données

Les données ont apporté une révolution lente au monde des affaires. Bien que cela ait complètement changé, et puisse encore changer, la façon dont nous abordons les processus, de nombreuses entreprises ont encore du mal avec cela. Il y a une compréhension implicite que être axé sur les données est bénéfique, mais personne ne sait exactement comment devenir axé sur les données.

La plupart des organisations créent des analyses de données comme elles créeraient n’importe quel nouveau service. C’est un projet quelque peu isolé qui vise à fournir des informations précieuses aux autres. Malheureusement, une telle approche peut entraîner de nombreuses erreurs d’organisation qui rendent les équipes de données inefficaces.

Un drapeau rouge commun dans une entreprise est si le équipe de données produit peu ou pas d’impact sur les opérations quotidiennes. Il peut devenir visible en raison d’une plainte interne ou d’une analyse des opérations quotidiennes. Cependant, il existe des moyens d’éviter ce problème.

Lié: Les avantages cachés des équipes de vente axées sur les données

Silos de données et autres problèmes

Les entreprises, de manière poétique, se sont réveillées un jour avec beaucoup de données. En raison de l’accessibilité de divers outils qui sont maintenant couramment utilisés dans les opérations commerciales, des tonnes de données sont collectées presque passivement. CRM, outils d’automatisation des ventes, traqueurs marketing — toutes ces solutions génèrent une vaste gamme de données diverses.

Malheureusement, toutes ces solutions ont progressé en tant que logiciels indépendants. La plupart des ministères obtiennent ces outils pour améliorer leur travail. Bien qu’une telle approche soit compréhensible et même nécessaire, peu de réflexions ont été portées sur l’intégration des solutions entre elles.

De plus, de nombreuses entreprises fonctionnent sur des systèmes hérités qui ont peu de place pour l’intégration. À la fin, silos de données (c’est-à-dire des environnements isolés où toutes les informations sont stockées) sont créés. Celles-ci limitent l’efficacité des données de plus d’une manière.

Il existe de nombreuses raisons techniques d’évoluer vers des lacs de données ou des entrepôts de données. En termes simples, ils sont simplement beaucoup plus efficaces pour toute analyse de données et opérations commerciales. Les silos de données, cependant, causent involontairement des problèmes procéduraux et culturels.

Les silos font qu’il semble naturel que certaines ou la plupart des données soient le privilège d’un petit sous-ensemble de personnes travaillant dans l’organisation. Ceux-ci incluent généralement les créateurs des données et éventuellement le service d’analyse des données. Par conséquent, peu d’attention est accordée à la manière dont les données pourraient être transférées et partagées.

Lié: Principaux défis pour la gouvernance des données

Construire une culture du partage

L’objectif principal d’être axé sur les données est de améliorer la prise de décision. Les décisions d’affaires, cependant, imprègnent tous les niveaux de l’organisation. Ainsi, les données, quelle que soit leur mode d’acquisition, sont l’apanage de chacun. Arriver au point où tout le monde comprend ces concepts et les met en œuvre quotidiennement est une question difficile. Je pense, en partie, que c’est un problème courant de devenir axé sur les données. Il ne suffit pas de démarrer un service de données. Une culture autour des données doit d’abord être encouragée.

Construire l’architecture et l’infrastructure nécessaires est important car il n’y aurait pas d’autre moyen de devenir axé sur les données. Amener les employés à utiliser ces outils, cependant, est la deuxième étape essentielle. Par conséquent, une fois que toutes les exigences techniques sont en place, il est important de faire l’inventaire de toutes les prises de décision en cours dans l’entreprise. Tous ces points de contact peuvent être enrichis de données. Une telle tâche peut sembler intimidante au premier abord, mais ce n’est pas aussi compliqué que cela puisse paraître.

Montrer l’exemple est la meilleure approche. La direction de niveau supérieur peut analyser les étapes clés de la prise de décision au sein d’un service et impliquer étroitement les data scientists et les analystes pendant au moins une courte période. Au fur et à mesure que les équipes travaillent ensemble, le service en question apprendra de meilleures façons d’interagir avec les données et réalisera l’importance du partage d’informations. De plus, les scientifiques des données seront en mesure de promouvoir d’importants idéaux de gouvernance et de gestion des données qui deviendront éventuellement des habitudes.

Scientifiques des données, en revanche, se sentiront et seront plus impliqués dans les opérations quotidiennes. Cela leur permettra de mieux comprendre comment les différents départements gèrent leurs défis et comment ils abordent les solutions. Plus tard, lorsqu’un département spécifique demandera une analyse de données, il pourra mieux conceptualiser les besoins exprimés.

Lié: Chaque entreprise peut travailler plus efficacement avec de meilleures données

Apprentissage continu

Un autre écueil courant est l’approche consistant à faire formation aux données (pour les personnes non data) en une seule fois ou une fois par an. Alors que les personnes axées sur les données découvrent leur passion pour le travail avec les données, beaucoup d’autres ont du mal à s’impliquer. Cela n’aide pas que l’analyse implique souvent des mathématiques – quelque chose que peu de gens apprécient vraiment.

Par conséquent, une formation annuelle n’est pas suffisante. Il faut beaucoup de temps pour aider les gens à travailler avec des données. S’ils n’ont pas le bagage nécessaire ou une curiosité innée à ce sujet, la plupart de ce qui a été appris en formation sera rapidement oublié. Ce n’est pas que ces sessions de formation annuelles n’aient aucune valeur. Ils transmettent des informations critiques aux personnes qui souhaitent commencer à travailler avec des données. Mais l’analyse est un processus qui nécessite des efforts constants et continus pour maintenir les niveaux de compétence requis.

Non seulement le travail des analystes de données et des scientifiques doit être interdépartemental, mais l’accès aux entrepôts et aux lacs doit être presque illimité, du moins en capacité de lecture. Une source unique d’informations facile d’accès fournit les preuves nécessaires pour affiner capacités d’analyse.

Enfin, si un grand projet d’analyse de données est dépassé, les résultats doivent être visibles pour tout le monde dans l’entreprise. Toute entreprise réussie qui implique des données doit être encouragée, car elle générera un moral plus élevé pour les autres départements.

Devenir data-driven est un changement culturel qui doit être soutenu par le progrès technique. Cependant, cela se fait souvent dans l’autre sens. Solutions techniques sont plus faciles à mettre en œuvre que quelque chose d’apparemment vague comme la culture des données. Pourtant, ces solutions ne sont aussi bonnes que les personnes qui les utilisent.