2015-03-30
Każdy z nas ma swoją ciekawość i swoje pytania. Czy jednak jesteśmy je w stanie zaspokoić za pomocą tradycyjnych technologii? Czy pracownicy potrafiliby je zaspokoić za pomocą nowoczesnych technologii Big Data? Co trzeba zrobić, aby zacząć budować kulturę danych w swojej organizacji?

Jeżeli przyjmiemy, że epoka Big Data to tylko kwestia czasu, to już teraz powinniśmy budować odpowiednie nastawienie. Mówienie o technologii to jedno - ale żeby coś zmienić w firmie, potrzebujemy zmienić kulturę firmy. Potrzebujemy mieć kulturę danych (data culture), czyli umiejętność poruszania się w oceanie danych: wyszukiwania, analizy, gromadzenia i wyszukiwania danych.

Budowanie kultury danych to kilka wyzwań, z których najważniejsze to infrastruktura analityczna, transfer wiedzy i... zmiana przyzwyczajeń analityków.

Mimo że zwykle analitycy w przedsiębiorstwie wiedzą, co chcieliby znaleźć
i na jakie pytania sobie odpowiedzieć to nie zawsze mogą to zrobić. Najczęściej przyczyny są dwie: albo technologie stosowane w firmie, banku, nie pozwalają np. na przeprowadzenie złożonej analizy na danych całorocznych z zejściem do poziomu pojedynczego rachunku, albo nawet jeżeli jest możliwość skorzystania z nowoczesnych technologii to specjaliści nie potrafią ich użyć. Są też sytuacje, gdy zachodzą oba przypadki naraz. Jak można więc stosunkowo szybko zbudować infrastrukturę analityczną
i jednocześnie kompetencje, aby pracownicy przeszli od „Data Analyst" do „Data Scientist"?

Przedstawiony powyżej scenariusz sprowadza się na początek do sytuacji szkoleniowej, ponieważ pracownik najpierw musi się nauczyć odpowiedniej technologii, albo musi uzyskać dostęp do infrastruktury, gdzie będzie mógł zacząć testować swoje analizy - najlepiej na środowisku testowo/szkoleniowym.  To oznacza, że środowisko takie będzie miało zmienne obciążenie i nie musi być koniecznie sprzęgnięte z tradycyjnym środowiskiem IT. Idąc dalej tym tokiem rozumowania, scenariusz ten wydaje się być idealnym przykładem na wykorzystanie chmury obliczeniowej (cloud computing), ponieważ daje kilka istotnych korzyści:

1.       Elastyczność wykorzystania - płatność za zużyte zasoby i/lub czas; łatwo rozliczyć co ile kosztuje i kogo za to obciążyć;

2.       Szybkość uruchomienia - zazwyczaj gotowe w ciągu kilku minut lub godzin (w zależności od złożoności), bez konieczności uruchomienia zasobów ze strony IT;

3.       Dostępność rozwiązań Big Data- zdecydowana większość dostępnych na rynku (w tym open-source) może być tam zainstalowana i wykorzystana.

4.       Zgodność z prawodawstwem polskim - działając na zbiorach danych testowych (a więc odpowiednio przygotowanych - np. zanonimizowanych) nie przetwarzamy tam danych wrażliwych, które mogą być objęte np. tajemnicą bankową.

Mogą się pojawić głosy, że jeżeli wejście w technologie Big Data jest decyzją strategiczną, to należałoby od początku zainwestować w rozwiązania odpowiedniej skali (np. appliance - sprzęt z oprogramowaniem w jednym) i zbudować je od razu u siebie oraz zintegrować to obecnym środowiskiem IT. Jednak takie podejście niesie ze sobą kilka ryzyk:

1.       Wysoka inwestycja na początku - bez gwarancji sukcesu. Na początkowym etapie warto spojrzeć na możliwość elastycznego korzystania z technologii aniżeli posiadania jej na własność.

2.       Brak scenariuszy biznesowych wykorzystania takich narzędzi. Jeżeli jesteśmy na początku tej drogi, to jest to trochę tak, jakbyśmy chcieli nastolatkowi dać Ferrari i powiedzieli mu „jedź", bez wskazania celu, nie wiedząc nawet czy bardziej zależy nam na czasie czy przewiezieniu dużych ładunków masowych.

3.       Zamknięcie się na jedną technologię. Obszar Big Data zmienia się nieustannie i bardzo szybko, dlatego więc nie ma sensu już w tej chwili zamykać się na wybór tylko jednej technologii.

Oczywiście samo środowisko szkoleniowe nie wystarczy, aby pracownicy nabyli odpowiednie umiejętności. Ktoś jeszcze powinien pokazać im jak
z Big Data należy korzystać i co jest dostępne. Dochodzimy więc do kolejnego ważnego elementu - transferu wiedzy.

Jak łatwo się można domyślić, trudno będzie znaleźć specjalistów od BigData z 20-letnim doświadczeniem, którzy mogliby się tą wiedzą podzielić. To nie jest dojrzały rynek. To jest młoda (dosłownie) gałąź biznesu i to czasami odległa bardzo od tego tradycyjnego. Jak to często bywa na młodym rynku, takich specjalistów, którzy nie tylko się znają na tym co robią, ale również potrafią się tym podzielić, nie jest dużo. Jeżeli są - to nie zawsze są dostępni lub mają stawki, które nie mieszczą się w zakładanych budżetach. Jakie są więc inne opcje?

Dla pojedynczych osób, o dużej samokontroli i preferujących własne tempo znakomitym rozwiązaniem mogą być kursy online, np. w serwisie Coursera. Prowadzone przez kilku profesorów z uniwersytetów amerykańskich pozwalają w ramach pewnego, określonego harmonogramu (i nadal w swoim tempie) uzyskać bardzo dobry wgląd w narzędzia i metodykę podejścia Data Scientist. Z wieloma materiałami dodatkowymi, bogatą społecznością wokół kursu i niewygórowaną ceną z pewnością można wiele się nauczyć.

W przypadku budowania wiedzy zespołowej z obszaru Big Data, gdy trzeba stosunkowo szybko podnieść kwalifikacje grupy pracowników warto rozważyć szkolenie „Data Scientist Toolbox" realizowane przez kilku inżynierów Microsoft. Obejmuje ono 4 pełne dni szkoleniowe i zawiera w sobie przegląd najważniejszych open-sourcowych rozwiązań, które tacy pracownicy będą później wykorzystywali. Jest ono też jednocześnie oparte w całości na chmurze (Microsoft Azure), co pozwala je bardzo szybko uruchomić a wyniki takiego szkolenia pozostają w firmie.

Wydawałoby się, że w dotychczas przedstawionej propozycji postępowania zbudowanie kompetencji Big Data to sprawa kilku dni: parę godzin na uruchomienie infrastruktury analitycznej w chmurze, 4 dni szkolenia na zespół i jesteśmy gotowi! Niestety, tak łatwo nie jest.

Jak z każdą zmianą, równie trudne jak jej wprowadzenie jest jej utrzymanie. Samo wyposażenie w narzędzia i wiedzę to jeszcze za mało - potrzebne są jeszcze zmiany w procesach w firmie, które będą narzucały określone sposoby traktowania danych i pracy z nimi. Potrzebne jest odzwierciedlenie tych zmian w strukturze organizacyjnej firmy, w sposobach wynagradzania pracowników i konstrukcji systemów motywacyjnych. Wszystko to po to, aby zmienić dotychczasowe przyzwyczajenie związane
z wprowadzaniem danych i ich analizą. Podzielę się tutaj kilkoma spostrzeżeniami, na bazie moich doświadczeń, które moim zdaniem mogą wesprzeć taką pozytywną zmianę przyzwyczajeń pracowników w kierunku wyższej kultury danych:

1.       Centrum kompetencji analitycznych po stronie biznesu. Spotykałem się z różnymi rozwiązaniami, ale to wydaje się być najbardziej skuteczne. Niezależność od IT przy jednoczesnej ścisłej z nim współpracy, to chyba najbardziej korzystny dla firmy wariant. Zazwyczaj takie centrum umieszczone jest w pionie finansowym, aby dzięki temu zapewnić pierwszeństwo spójności danych finansowych. Nie może to być jednak departament tylko informacji zarządczej - takie centrum powinno mieć mocnego szefa, który równie istotnie będzie reprezentował interesy pionów sprzedażowych, operacyjnego czy finansowego.

2.       Analityka wbudowana w narzędzia pracy. Wszelkie portale, aplikacje sprzedażowe, windykacyjne, kosztowe, zarządzania nieruchomościami itp. - im mają więcej wbudowanych graficznych elementów analitycznych (kalkulatory, wskaźniki, dashboardy, czy najprostsze raporty) - zamiast tylko pól do wpisywania i robienia notatek - tym bardziej są używane i lubiane. Co więcej, jeżeli są również dostępne na urządzeniach przenośnych (telefon komórkowy, tablet, laptop) - to tym bardziej wspierają nowoczesny sposób pracy i „ciągną w górę" kulturę danych firmy.

3.       Promowanie zachowań niestandardowych - otwartych na zmiany. Wśród kilku sytuacji, których byłem świadkiem, to osoby, które wymyśliły inny sposób na podejście do problemu lub były otwarte na inne możliwe rozwiązania, osiągnęły przełom w mierzeniu się z wyzwaniami analitycznymi. Dajmy więc pracownikom pewien poziom swobody, zapewnijmy odpowiednie (najlepiej elastyczne i tanie - znowu chmura! - zasoby analityczne), zbudujmy miejsce do nieformalnej wymiany pomysłów (w jednym z banków był to np. zespół ok. 30 osób, tzw. „think tank", z różnych działów). Szybciej wtedy znajdziemy pomysły na wykorzystanie nowoczesnych technologii do potrzeb naszej organizacji.

Podsumowując, budowa kultury danych to złożony proces, i dlatego jego budowa powinna już trwać w naszych organizacjach. Nie ma tu co prawda żadnych deadline'ów, ale to nie powinno powstrzymać przed działaniami.
W obecnym świecie sama w sobie kultura danych nie stanowi już przewagi konkurencyjnej. Jest ona coraz częściej postrzegana jako podstawowy, niezbędny poziom rozwoju organizacji, bez którego nie ma szans ona na większy rozwój czy wypłynięcie na wody międzynarodowego biznesu.

Zapraszamy Państwa na konferencję Big Data CEE Congress w dniach 15-16 kwietnia 2015, gdzie zaprezentujemy jak Microsoft buduje kulturę wykorzystywania BigData we własnej organizacji.

Tomasz Pelczarski

Ekspert ds. Rozwiązań Business Intelligence i Big Data

Microsoft sp. z o.o.

Nadesłał: MMC