Seberapa penting budaya data bagi strategi data Anda secara keseluruhan? Dalam podcast DataFramed kami, Taras Gorishnyy mengidentifikasi pilar-pilar utama untuk data science, AI, dan strategi data dalam sebuah organisasi:
- Dukungan dari eksekutif
- Visi untuk analitik
- Fondasi data yang tangguh
- Menetapkan dampak analitik sejak awal
- Distribusi keterampilan data dan budaya data
”Setiap orang di level mana pun, baik C-level maupun level pemula, seharusnya melihat dan menyelami data dengan cara yang sama seperti Anda diharapkan mulai menggunakan email 20 tahun lalu." —Tanya Cashorali, Pendiri TCB Analytics
Bangun kefasihan data di seluruh organisasi Anda
Organisasi yang fasih data adalah organisasi di mana setiap orang tahu cara menyelami data yang mereka butuhkan untuk melakukan pekerjaannya. Misalnya, VP Marketing kami mungkin tidak perlu menulis kode SQL atau kode apa pun, tetapi untuk menjalankan pekerjaannya dengan baik, ia perlu tahu cara mengakses dasbor analitik dan berinteraksi dengannya. Ia juga perlu tahu cara mengajukan pertanyaan yang tepat kepada data scientist dan bagaimana menggunakan hasil yang mereka berikan. Cara kami memikirkan hal ini di DataCamp dirangkum dalam gambar di bawah:
Fondasi data yang kuat memerlukan dimulai dengan data engineer, lalu merekrut data scientist dan data analyst. Setelah itu, kami dapat melibatkan business analyst, bersama departemen lainnya. Proses ini membantu semua orang menjadi melek data, sehingga perusahaan menjadi 100% fasih data. Pemahaman dasar tentang alat dan sumber daya data di seluruh perusahaan sangat meningkatkan kualitas interaksi antarrekan kerja, memungkinkan tim membuat permintaan yang lebih baik, dan memberdayakan semua orang untuk mengambil keputusan secara mandiri.
Untuk menilai tingkat kefasihan data di berbagai industri, kami melakukan survei yang menanyakan kepada lebih dari 300 organisasi sejauh mana mereka telah mengambil tindakan untuk menjadi fasih data:
Di sisi kiri, ada perusahaan-perusahaan matang dengan kompetensi kefasihan data yang matang, dan di sisi kanan, kompetensi yang belum matang. Dari perusahaan-perusahaan yang matang, hanya 39% yang telah menerapkan perancangan ulang proses dan perubahan budaya terkait data dan hanya 7% dari perusahaan yang belum matang yang telah melakukannya. Masih ada ruang peningkatan yang sangat besar di sini.
Libatkan karyawan Anda
Penting untuk mempersiapkan karyawan Anda menghadapi masa depan dunia kerja saat menyusun strategi data. Ini memerlukan percakapan berkelanjutan dengan semua karyawan tentang jenis tugas apa yang menurut Anda akan diotomatisasi dan yang tidak, bagaimana basis karyawan Anda dapat berdampingan dengan tugas-tugas yang diotomatisasi, dan seperti apa antarmuka manusia-mesin itu sebenarnya. Untuk beberapa peran, kita akan melihat otomasi pekerjaan, tetapi tantangan yang lebih besar secara keseluruhan adalah otomasi tugas, karena bagian-bagian tertentu dari pekerjaan seseorang mungkin diotomatisasi. Jauh lebih baik mencari cara untuk meningkatkan dan mengalihkan keterampilan karyawan ini agar mereka dapat beralih mengerjakan pekerjaan yang lebih tingkat tinggi dan bermakna.
Prioritaskan peningkatan keterampilan karyawan
Pertanyaan lain yang kami ajukan dalam survei terhadap 300 organisasi adalah, “Tantangan bisnis seperti apa yang menghambat perusahaan membangun atau meningkatkan kefasihan data?” Mayoritas organisasi menandai kesulitan mereka dalam merekrut talenta terbaik, karena begitu banyak talenta data memilih bekerja di bidang teknologi saat ini. Ini berarti Anda tidak akan bisa merekrut sebanyak unicorn yang Anda inginkan, sehingga Anda harus memprioritaskan peningkatan dan pengalihan keterampilan semua orang di organisasi Anda.
Untuk membangun keterampilan data, banyak organisasi yang kami survei telah mempertimbangkan opsi-opsi berikut:
- Mendirikan universitas data atau center of excellence
- Pelatihan tatap muka
- Platform pembelajaran online
- Kampanye internal untuk mempromosikan dan memberi insentif pembelajaran
- Rekrutmen
- Mencari solusi dari vendor
Dalam jajak pendapat yang kami lakukan di webinar DataCamp, lebih dari 50% responden menyatakan bahwa kurang dari 50% pekerjaan data mereka benar-benar digunakan untuk mendukung pengambilan keputusan. Kebocoran ini disebabkan oleh budaya!
Ajakan bertindak
Daftarkan tiga hingga lima keluaran dari pekerjaan data di organisasi Anda dan audit sejauh mana organisasi Anda benar-benar menggunakannya untuk mendukung pengambilan keputusan. Terlalu sering, organisasi merekrut banyak data analyst dan data scientist hebat untuk membangun dasbor dan model machine learning, namun pada akhirnya tidak dimanfaatkan sebagaimana mestinya karena tantangan budaya. Semua kerja keras ini bisa terbuang, menghasilkan pengembalian investasi yang buruk.
Pelajari lebih lanjut praktik terbaik untuk membangun budaya data Anda dalam The Definitive Guide to Machine Learning for Business Leaders.
