Partie 2 d'une série en deux parties. Lire Partie 1
Dans le premier blog de cette série, nous avons expliqué aux organisations comment créer des stratégies commerciales dynamiques plutôt que de rester bloquées dans le ciment. Ici, nous allons examiner quatre concepts clés pour soutenir cette vision:
Clé n ° 1: une vision commune
Tout commence par une vision commune – une mission commune – afin que tous les membres de l'équipe et de l'écosystème soient concernés. comprend le «nord vrai» de l’organisation
Pour notre communauté de la science des données, cette vision commune ou «le nord vrai» consiste à aider nos clients (internes et externes) à exploiter plus efficacement les données et les analyses pour optimiser (optimiser) leurs données. modèles commerciaux et découverte de nouvelles sources de valeur pour les clients, les produits et les opérations (figure 1).
Figure 1. Indice de maturité des modèles d'entreprise Big Data
Le Model Maturity Index (BDBMI) aide les organisations:
- Carte ou point de repère où se situer aujourd’hui les meilleures pratiques en matière de données et d’analyse (pour comprendre à quoi ressemble un «bon»)
- Fournissez une feuille de route pour naviguer dans le BDBMI devenir plus efficace t tirer parti des données et des analyses pour alimenter leurs modèles commerciaux
Légende n ° 2: un langage commun
Il est important que les organisations utilisent un langage et une terminologie communs afin d'éviter toute confusion quant à ce qui est dit. «cadre» d’engagement standard qui guide leur processus d’identification, de saisie et d’opérationnalisation de la valeur. Pour notre équipe de science des données, il s’agit du cadre Data Science Value Engineering Framework
. Un cadre flexible et malléable est plus important qu’une méthodologie rigide – pensez aux glissières de sécurité et non aux voies de chemin de fer – pour permettre à l’équipe la souplesse nécessaire pour bien suivre le processus. réponse aux conditions du client et du marché. Cependant, il existe toujours un cadre commun permettant à tout le monde de comprendre les objectifs de l'entreprise et les indicateurs de performance clés définissant les indicateurs de progrès et de réussite (figure 2).
Figure 2. Cadre de développement de la valeur de Data Science
Le cadre d'ingénierie de Data Science Value est très simple. (Si la procédure est compliquée, il est trop difficile d’échanger les membres de l’équipe dans le processus tout en préservant l’intégrité structurelle.)
- Commencez par une initiative commerciale ciblée: objectif commercial ou opérationnel que l’organisation essaie d’atteindre ou de réaliser.
- Identifiez et impliquez les principales parties prenantes de l'entreprise (experts en la matière) qui ont un impact sur ou sont impactées par l'initiative commerciale.
- Interviewez et menez une session de brainstorming (ateliers animés) pour identifier, valider, valoriser et donnez la priorité aux décisions que les principales parties prenantes doivent prendre à l’appui de l’initiative ciblée.
- Demandez aux principales parties prenantes de collaborer avec l’équipe chargée de la science des données afin d’identifier les prévisions qui devront être créées pour soutenir les décisions prioritaires. Voir « Penser comme une série de spécialistes de la science des données » pour plus de détails.
- L'équipe de la science des données déterminera ensuite (explorera / découvrira) les sources de données nécessaires pour orienter les prédictions optimisant les décisions prioritaires. . Dans un engagement IoT, cela pourrait également donner lieu à une stratégie d'instrumentation de capteur.
Légende n ° 3: improvisation organisationnelle
À l'instar d'une grande équipe de basketball ou de football (canalisation de la Coupe du monde féminine), les organisations performantes présentent une organisation improvisation »dans leur capacité à faire entrer et sortir des membres d’une équipe tout en maintenant l’intégrité opérationnelle. Nous avons ce défi d’amélioration organisationnelle dans chacun de nos engagements en tant qu’informaticien. Vous ne pouvez pas simplement ajouter un autre informaticien à une équipe hautement performante et s’attendre à ce qu’elle continue à fonctionner à son efficacité optimale.
Pour relever ce défi, nous créons des «modules» d’informatique des données avec des rôles, des responsabilités et des fonctions clairement définis. et les attentes (sans parler d'une vision commune et de langages communs, comme nous en avons discuté précédemment). Mais nous comprenons également que le responsable de la capsule est libre de modifier la structure de l'équipe et de réaffecter les rôles, les responsabilités et les attentes pendant le feu de l'action (voir Figure 3).
Figure 3: Données Pods scientifiques
Soit dit en passant, les pods doivent avoir une personne âgée capable de prendre les décisions difficiles. Sinon, une paralysie de l'analyse peut s'installer (en particulier avec un groupe de nerds de la science des données).
Nos modules contiennent également un concepteur qui peut non seulement aider à susciter une réflexion novatrice au sein de cette équipe en ce qui concerne le problème que constitue l'équipe de la science des données. essayer de répondre mais est également responsable de la bonne forme culturelle de l'équipe. Comme je l'ai écrit dans « S'agit-il d'une cire à parquet ou d'un dessert à garniture ?":
"La pensée conceptuelle accélère deux résultats importants: 1) alimente la pensée innovante en matière d'identification, de validation, de test, de mise au point et de valorisation idées, et 2) dirige l'alignement organisationnel autour de ces idées. ”
Légende n ° 4: une culture fondée sur le partage, l'ouverture et la confiance
Marc Andreessen a déclaré un jour que le logiciel dévorait le monde . Mais selon mon expérience personnelle, la culture se situe au sommet de la chaîne alimentaire. Il m'est difficile de définir la culture. vous connaissez une bonne culture lorsque vous y êtes, mais il est difficile d'expliquer comment créer une culture qui prenne en charge l'innovation de dimensionnement.
Au lieu d'une déclaration ou d'une directive sur la manière de créer une culture pour le dimensionnement de l'innovation, j'ai trouvé Ces lignes directrices sont utiles:
- Soyez humble mais pas diminutif.
- Soyez confiant mais pas arrogant.
- Soyez inclusif tout en restant décisif.
- Soyez ouvert mais orienté vers les résultats.
- Amusez-vous mais obtenez toujours les choses sont faites.
- Renforcez l'individualisme mais ne dérangez pas l'équipe.
- Toutes les idées méritent d'être prises en considération (ce qui ne veut pas dire que toutes les idées sont bonnes).
- Soyez respectueux et cordial… toujours!
- Soyez ouvert à partager et à apprendre quelque chose de nouveau et à désapprendre quelque chose de vieux.
Peut-être que la ligne directrice la plus importante est la confiance. Mais vous ne pouvez pas simplement dicter la confiance; la confiance doit être gagnée.
La confiance s'accumule à chaque transaction et chaque engagement. La confiance se construit lentement. Mais si une équipe parvient à établir un climat de confiance, rien n’est impossible.
Résumé de l’échelle de l’innovation
Je lisais récemment «Ce qu’il faut vraiment pour faire évoluer l’intelligence artificielle » de McKinsey qui explique pourquoi les organisations échouent dans l'adoption de l'intelligence artificielle (IA). Ce paragraphe résumait bien le défi:
«De nombreuses organisations ne consacrent pas le temps et les ressources nécessaires (et considérables) aux changements culturels et organisationnels nécessaires pour amener l'IA à un niveau d'échelle capable d'accomplir valeur significative – chaque pilote bénéficie d'une adoption généralisée par les utilisateurs finaux et les pilotes de l'ensemble de l'entreprise sont produits de manière cohérente, rapide et reproductible. Sans s'attaquer à ces changements, les efforts déployés pour redimensionner l'intelligence artificielle peuvent rapidement dérailler. »
Intensifier l'innovation peut être le plus grand défi pour les organisations du XXIe siècle, étant donné l'assaut des nouvelles technologies numériques, sources de données, capacités d'analyse et canaux de communication. .
Comme l’a dit le général McChrystal dans équipes d’équipes, l’ennemi moderne opère en équipes plus petites et très cohérentes, fait preuve d’une extrême flexibilité réalisation de ses objectifs, apprend / désapprend / réapprend rapidement et partage une vision et un langage communs.
L’avenir de la concurrence sera très différent au XXIe siècle. Et comme nous l’ont appris les Golden State Warriors et l’Équipe nationale féminine des États-Unis, championne de la Coupe du monde 2019, même si des personnalités influentes joueront toujours un rôle dans la création de nouvelles sources d’innovations, il faut une équipe pour l’innovation à grande échelle.
pour savoir comment créer, intégrer, déployer et exploiter une application intelligente avec SAP Data Intelligence? Rejoignez-nous le 17 septembre et découvrez les fonctionnalités de SAP Data Intelligence .
Cet article a été initialement publié sur LinkedIn et est republié avec son autorisation. [19659052]
Source link