Menjadi berbasis data adalah tanggung jawab semua orang
Pada abad ke-21, setiap organisasi perlu berbasis data untuk tetap kompetitif. Berbasis data bukan tentang mengotomatisasi orang dari pekerjaannya, melainkan memberi mereka alat dan informasi agar lebih efektif dalam peran mereka.
Kami menganggap bahwa menjadi lebih berbasis data adalah tanggung jawab semua orang di organisasi. Bagaimanapun juga, masing-masing dari kita mungkin berinteraksi dengan data dalam beberapa cara, apa pun peran Anda. Kami terus mencari berbagai peluang untuk meningkatkan kemampuan sumber daya dan membawa mereka maju dalam perjalanan ini.—Rachel Alt-Simmons, AXA XL
Metrik keberhasilan program data bergantung pada industri dan organisasi Anda
Tidak ada program data yang cocok untuk semua. Tujuan tiap program data akan bervariasi tergantung faktor seperti industri, ukuran perusahaan, dan struktur tim.
Mari gunakan AXA XL sebagai contoh. AXA XL, yang diakuisisi oleh AXA Group pada 2018, adalah perusahaan asuransi komersial dan spesialis besar yang menilai usaha-usaha kompleks. Saat ini mereka mempekerjakan 13.000 orang di seluruh dunia yang bekerja dalam tim terdistribusi, artinya banyak tim mereka tidak benar-benar bekerja dengan sebagian besar rekan setimnya. Kolaborasi virtual penting di berbagai lokasi global, dan sebagai perusahaan asuransi, kebutuhan data mereka sangat bergantung pada kertas dan PDF.
Bisnis kami berjalan dengan kertas. Kami menjual dokumen legal—itulah yang disebut polis asuransi, hanya dokumen legal. Kami menerima kertas dan kami menghasilkan kertas. Yang terjadi adalah, misalnya, Anda menerima pengajuan dari klien, berisi banyak sekali berkas dan informasi. Anda mungkin menerima informasi itu dalam bentuk PDF, dokumen Word, file Excel, dan mungkin setiap variasinya. Tidak ada standardisasi dalam cara dokumen itu masuk, jadi tidak ada satu PDF standar atau satu file standar. Semuanya berbeda untuk setiap klien.
Karena begitu banyak data mereka disimpan dalam PDF dan entri data dilakukan secara manual, tidak semua elemen data individual tertangkap. Banyak informasi hilang atau tidak mudah diambil kembali. Untuk mengatasi masalah ini, AXA XL memanfaatkan kapabilitas seperti pemrosesan bahasa alami untuk mengambil dokumen dan dengan mudah mengekstrak informasi darinya.
Cara menerapkan program data
1. Pilih pendekatan top-down atau bottom-up
Pendekatan top-down untuk membangun program data terkait dengan inisiatif data dan analitik yang lebih besar di dalam organisasi. Ini memerlukan pembangunan program secara strategis untuk menstandarkan bagaimana model analitik dan alur kerja diintegrasikan lintas tim.
Pendekatan bottom-up bertujuan secara umum meningkatkan kapabilitas dan tingkat keterampilan semua karyawan dalam jalur karier data dan analitik. Misalnya, inisiatif Analytic DNA AXA XL mengidentifikasi pakar di berbagai bidang teknologi dan analitik, dan mencari ide dari mereka untuk dimanfaatkan agar dapat ditingkatkan skala penggunaannya di seluruh organisasi.
Kabar baiknya adalah orang-orang sangat bersedia untuk tampil dan memberikan panduan serta keahlian mereka, dan itu membantu kami membentuk program menjadi sesuatu yang relevan dan selaras dengan inisiatif strategis kami.
2. Kembangkan persona dan identifikasi tujuannya
Di DataCamp, kami telah mengidentifikasi beberapa persona atau peran terkait data yang biasanya digunakan pelanggan kami: Data Consumer, Leader, Data Analyst, Citizen Data Scientist, Data Scientist, Data Engineer, Database Administrator, Statistician, Machine Learning Scientist, dan Programmer. Kami menyarankan para instruktur untuk mempertimbangkan siapa persona yang relevan saat membangun kursus mereka, dan kami menyarankan pelanggan bisnis untuk mempertimbangkan siapa persona yang relevan saat membangun program data mereka. Setiap persona memiliki hubungan yang berbeda dengan data.
Dua persona utama untuk AXA XL adalah Aktuaris dan Data Scientist, dan saat ini mereka fokus pada penggabungan keterampilan yang dibutuhkan kedua peran tersebut untuk memajukan bisnis.
Selalu ada jurang yang menarik di banyak organisasi [asuransi] mengenai perbedaan antara latar belakang aktuaria dan apa yang saya sebut lebih sebagai latar belakang ilmu data atau analitik murni. Di organisasi kami, kami menyatukan kedua hal tersebut. Kami benar-benar mengajarkan para aktuaris beberapa teknik pembelajaran mesin yang lebih statistik yang dapat mereka terapkan dalam proses aktuaria mereka. Ini bukan lagi “kami versus mereka”. Ini “bagaimana kita menyatukan kapabilitas ini,” yang cukup menarik.
3. Identifikasi kesenjangan untuk setiap persona
Kami menyarankan semua pelanggan untuk melakukan inventaris luas atas keterampilan data internal mereka menggunakan matriks keterampilan. Bentuknya beragam, tetapi umumnya melibatkan visualisasi kekuatan dan kesenjangan keterampilan di tingkat organisasi, departemen, tim, atau individu.
Rachel di AXA XL menyarankan bahwa Anda dapat mengidentifikasi kesenjangan untuk setiap persona dengan mengajukan pertanyaan seperti:
- Apa yang ingin Anda ketahui?
- Apa yang ingin Anda miliki lebih banyak?
- Apa lagi yang bisa kami sediakan, misalnya pelatihan, rekrutmen, pengembangan keterampilan, atau pekerjaan berbasis proyek?
- Apakah kami menyelaraskan kapabilitas ini dengan proyek strategis kami dengan benar?
Bagi profesional analitik seperti data analyst, data scientist, dan data engineer, perusahaan mungkin ingin menyelidiki apakah ada kesenjangan dalam keterampilan penting seperti mengimpor data, melakukan analisis data di spreadsheet, pemrosesan bahasa alami, serta membangun dan memelihara pipeline data. Berikut contoh matriks keterampilan yang kami kembangkan untuk profesional data.
Untuk Data Consumers dan Leaders, keterampilan yang dibutuhkan untuk sukses mencakup keterampilan lunak seperti komunikasi, memahami visualisasi data, dan design thinking.
Design thinking adalah [tentang] menciptakan sebuah solusi, apa pun itu: teknis, data, atau model. Bagaimana Anda melakukannya dengan cara yang relevan bagi pelanggan? Lalu, bagaimana Anda mengomunikasikan hasilnya secara efektif?
4. Buat perjalanan belajar untuk setiap persona
Pendekatan pembelajaran yang holistik memerlukan penggunaan design thinking untuk menciptakan perjalanan belajar yang efektif. Ini bukan hanya tentang membangun keterampilan teknis—tetapi juga tentang membangun keterampilan bisnis yang penting. Misalnya, AXA XL mengharuskan para aktuaris mereka mampu menerjemahkan data ke dalam istilah yang bermakna sehingga pengambil keputusan seperti underwriter, yang mengevaluasi risiko asuransi, dapat menempatkan penilaian risiko perusahaan dalam konteks dan menarik kesimpulan yang berguna, seperti seberapa besar risiko yang akan diambil. Perjalanan belajar para aktuaris harus mencakup kemampuan mengontekstualisasikan data dan menerjemahkan implikasinya kepada audiens yang lebih luas.
Untuk membantu organisasi menemukan tingkat keterampilan data tim mereka di berbagai persona, kami menawarkan audit keterampilan gratis melalui laporan tolok ukur. Individu dapat mengikuti asesmen keterampilan Signal kami untuk melacak kemajuan mereka sendiri.
Setelah menilai keterampilan, kami menyarankan organisasi untuk membangun jalur pembelajaran khusus sehingga setiap orang dapat mencapai tingkat keterampilan dasar yang diperlukan untuk persona atau perannya. Jalur pembelajaran untuk Data Consumers dan Leaders mungkin cenderung ke kursus teori kami, sementara profesional data mengikuti kursus coding praktis kami. Misalnya, karena begitu banyak data AXA XL berada dalam PDF, perjalanan belajar bagi aktuaris dan data scientist mereka mencakup beberapa kursus kami tentang pemrosesan bahasa alami. Untuk aktuaris awal karier, kami merekomendasikan kursus R ini untuk lulus Ujian Predictive Analytics.
Raih manfaat dari program data Anda
Rachel mengatakan mudah mengukur keberhasilan program data Anda dengan menjawab pertanyaan: Apakah program tersebut membantu Anda menjadi lebih menguntungkan? Jika data benar-benar mendukung pengambilan keputusan, maka hasil akhir Anda akan mencerminkannya. Jadi jika keterampilan karyawan Anda berkembang dan perusahaan Anda membuat keputusan yang tepat, kemungkinan jawabannya: ya.
Untuk selengkapnya tentang membangun program data yang sukses, tonton webinar on-demand.
