Uw gegevensanalyseteam: groeiende uitdagingen

Een bedrijf heeft twee opties als ze hun gegevensanalysemogelijkheden willen uitbreiden: een intern gegevensanalyseteam ontwikkelen of gebruik maken van beheerde analysediensten. Meerdere bedrijven geven de voorkeur aan de traditionele eerste optie, in de overtuiging dat het laten groeien van een intern team een ​​veilige keuze is. Deze strategie kan ongetwijfeld krachtig zijn, maar er zijn bepaalde uitdagingen aan verbonden. Na teruggekeken te hebben op mijn praktische ervaring, heb ik een typisch profiel geschetst van een bedrijf dat zijn eigen analyseteam uitbreidt en drie uitdagingen uitgekozen waarmee dergelijke bedrijven waarschijnlijk in het proces zullen worden geconfronteerd.

Een typisch profiel van een bedrijf dat zijn interne analyseteam moet laten groeien

Maak kennis met Prod & Sell, een grote fabrikant en retailer, die momenteel aanwezig is in 15 staten. Hoewel het bedrijf een data-analyseteam heeft, blijven ze achter bij de veranderende analysebehoeften van Prod & Sell. Terwijl de C-suite en business units van Prod & Sell betrouwbare en tijdige rapportage verwachten, Zelfbediening en voorspellende analyses (om maar een paar dingen te noemen), verzamelt het analyseteam nog steeds gegevens uit gedesintegreerde bronnen, schoont deze op en stelt handmatig rapporten op.

Om aan de analytische behoeften van het bedrijf te voldoen, kiest de C-suite voor het creëren van een business intelligence-oplossing met ingebouwde big data-analyse en data science-mogelijkheden. Colin, het hoofd van de data-analyse van Prod & Sell, is belast met de taak om zijn afdeling verder te ontwikkelen om dit ambitieuze project te implementeren.

Uitdagingen bij het ontwikkelen van een intern data-analyseteam

Dit zijn de uitdagingen die voor Prod & Sell en Colin liggen:

uitdagingen van een groeiend data-analyseteam

Gebrek aan vereist talent

Allereerst moet Colin een team opbouwen met meesterschap in vele domeinen:

  • BI en big data: om een ​​datameer, een datawarehouse, OLAP-kubussen, rapporten en dashboards te ontwerpen en te implementeren, en om de geïmplementeerde oplossing dagelijks te beheren.
  • Gegevenswetenschap: om machine learning-modellen te ontwerpen en hun hyperparameters af te stemmen, op te leiden en bij te scholen, en om te gaan met ruisonderdrukking.
  • Gegevenskwaliteit en gegevensbeveiliging: instellen en automatiseren een datakwaliteitsmanagementproces en zorg voor op rollen gebaseerde toegang tot gegevens.
  • Bedrijfsanalyse: om de behoeften van verschillende business units en afdelingen op te sporen.

Rekening houdend met het feit dat big data en data science-vaardigheden dat wel zijn tekorten, zal het vele maanden duren voordat Colin alle vereiste rollen heeft gevonden om het tekort aan talent op te vullen.

Langdurige ontwikkeling en uitgestelde voordelen

Het kan Prod & Sell ongeveer 2 jaar kosten om de oplossing te ontwikkelen met alle analytische mogelijkheden die ze willen. Dit veronderstelt een lange overgangsperiode waarin het data-analyseteam zijn inspanningen zal moeten splitsen tussen het voortzetten van de bestaande praktijken en het uitwerken van nieuwe. Zelfs als het team van Colin slim kiest uit beschikbare levenscyclusmodellen voor softwareontwikkeling, zullen ze alleen de overgangsperiode kunnen verkorten, niet om er vanaf te komen. Dit betekent dat routinetaken hoe dan ook het behalen van strategische doelen zullen vertragen, wat de inspanningen voor de ontwikkeling van het data-analyseteam zinloos lijkt te maken. Als gevolg hiervan kan de C-suite uiteindelijk besluiten om af te zien van het idee van verdere groei.

Een moeilijke keuze uit meerdere organisatorische opties

Prod & Sell zal moeten beslissen of hun analyse zal worden gecentraliseerd of gedecentraliseerd en, dienovereenkomstig, wat de plaats van de gewijzigde analyse-afdeling zal zijn in de organisatiestructuur (aan welke structurele eenheden het ondergeschikt moet zijn – financiën, marketing en verkoop, of elke strategische bedrijfseenheid). Als u in dit stadium een ​​strategische fout maakt, kan dit ertoe leiden dat de analyse-afdeling in de toekomst verder moet worden geherstructureerd en georiënteerd.

Maar over het algemeen valt het mee

Hoewel de situatie die in het artikel wordt beschreven nogal somber is, probeer ik u er zeker niet van te weerhouden een intern analyseteam te ontwikkelen. Mijn boodschap is ‘Wees voorbereid op uitdagingen en werk de manieren uit om ze te overwinnen voordat ze zich voordoen’. U kunt bijvoorbeeld consultants uitnodigen om talentlacunes te dichten en kennis over te dragen of een deel van analytics uit te besteden, wat de meeste problemen belooft.

Ontvang een kant-en-klare service van een leverancier met 30 jaar ervaring in data-analyse en begin binnen een paar weken met waardevolle inzichten.

follow:
admin

admin

Related Posts

Datakans klopt! Moet je antwoorden?

Klik voor meer informatie over auteur Kartik Patel. Als zakenmensen krijgen we vaak te maken met wat misschien een geweldige

Datakans klopt! Moet je antwoorden?

Klik voor meer informatie over auteur Kartik Patel. Als zakenmensen krijgen we vaak te maken met wat misschien een geweldige