將數據和視覺化工具交到業務人員手中是一回事;讓 IT 擺脫跑報表的業務是另一回事。
文/Isaac Sacolick‧譯/Frances
讓 CIO 抱怨和發洩他們的資料策略的一種方法是什麼?詢問他們如何成功地讓業務用戶從大型試算表遷移到資料視覺化和其他自助式商業智慧平台。
然後,資料長(Chief data officers,CDO)領導資料治理計劃的難度,這些計劃包括為希望對越來越多的資料整合、準備、分析和分享見解的公民資料科學家提供更多支援。
我在 CIO 之前舉辦的「未來工作峰會」(Future of Work Summit)上主持了一個研討會,主題是管理利用無程式碼和低程式碼平台的公民發展計劃。我選擇專注於公民資料科學,因為我知道許多 CIO 和 CDO 尋求建議以將資料治理納入這些程序。在為《InfoWorld》寫了兩篇文章後,一篇是關於試算表如何扼殺你的業務,另一篇是關於用業務工作流程替換試算表,我很想聽到與會的 IT 和數位領導者的挑戰。
我全面披露對開發公民資料科學卓越中心計劃了解一兩件事,並在十多年前推出了我作為 CIO 的第一個計劃。我在我的新書《Digital Trailblazer》的〈埋在不良資料中〉(Buried in bad data)一章中分享了一些故事和經驗教訓。
調查結果怎麼說
我在研討會期間進行了一項快速調查,以了解與會者對公民資料科學的挑戰和看法。 儘管 60 名受訪者的樣本量很小,無法作為有力結論,但調查表明,這些 IT 領導者仍處於推出公民資料科學計劃的早期階段:
- 當被要求選擇業務部門通常查看數據的兩種方式時,受訪者回答是他們自己製作的試算表(53%)和由 IT 和資料團隊管理的自動化報告(43%)。43% 的人表示自助式 BI 是業務部門查看數據的主要方式之一,但其中只有 13% 的人表示他們的自助式 BI 具有強大的治理能力。
- 根據該報告統計,資料分析帶來最大的協助的在於「客戶體驗」(35%);相對來說,對「產品開發」(28%)的貢獻則是低的。
- 其中一個問題詢問了圍繞「資料驅動實務」在「業務」、「資料專家」和「技術專家」之間進行協作的三大挑戰。最重要的答案(40% 的受訪者表示)是「業務領導者只希望 IT 修復資料並提供報告」。
十年前,資料視覺化和準備工具成為主流,因此這種明顯缺乏進展的情況遠非令人鼓舞。 為了讓事情朝著正確的方向發展,IT 和資料領導者必須加強支持公民資料科學工作的資料治理計劃。
將合規風險轉化為公民資料科學力量倍增器
試算表的問題在於,它們早在資料治理實務出現之前,就已向業務用戶推出。 業務分析師下載資料集,建立多個試算表,並將它們透過電子郵件發送給同事。 今天,用你最喜歡的資料視覺化工具替換試算表,如果放任不管,你最後可能會遇到更大的問題,像是:
- 共享私人和機密資訊並產生合規風險;
- 將資訊洩露給組織外未經授權的人員;
- 誤解資料定義,並基於假設做出錯誤決策;
- 在未測試演算法和未驗證結果的情況下,共享分析和見解;
- 在沒有標準或格式指南的情況下構建視覺化,從而使員工更難理解結果。
當然,今天的風險被放大了,因為大多數企業分析 Big data 資料集,使用多種分析工具,並為專有機器學習模型開發定製的程式碼。 分析模型在整個組織中用於有創造營收的活動和營運效率,錯誤可能代價高昂。資料治理旨在解決合規要求、知識差距和資料品質目標,這些目標可以將風險轉化為加速公民資料科學計劃的力量。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球CIO同步獲取精華見解 ]
從哪裡開始主動資料治理
許多資料治理計劃背後的主要驅動因素是合規性和安全要求,但主動資料治理目的在實現這些目標,同時也讓組織可以真正做到資料驅動。 這些程序定義了透明的資料接取和使用策略,以便清楚誰可以使用哪些資料集進行分析。 每當分析或視覺化包含新公式(formulas)、段(segments)和其他參數化(parameterizations)時,都會更新資料目錄。正在努力減少資料債、提高資料品質和自動化資料整合。 儀表板、分析和機器學習模型是版本化的,並定義了支援生命週期。
若因為在建立資料治理實踐方面的失敗或落後,新一代的公民資料科學分析將會和過去十年的大型試算表看起來一樣糟糕。
(本文授權非營利轉載,請註明出處:CIO Taiwan)