Transformasi digital dimulai dan berakhir dengan data
VP Penjualan Korporat kami, Sam Hedberg, meyakini bahwa strategi data yang dieksekusi dengan baik diperlukan untuk menyelesaikan transformasi digital sebuah perusahaan:
Data adalah darah kehidupan yang mengalir melalui transformasi digital Anda. Tanpanya, transformasi digital Anda akan mati.
Di Episode 30 podcast kami, DataFramed, Taras Gorishnyy, yang saat itu adalah Senior Analytics Manager di McKinsey, mengidentifikasi komponen penting untuk membangun strategi data:
- Ciptakan visi analitik yang selaras dengan strategi perusahaan
- Bangun dukungan kuat dari level C, misalnya advokasi, pendanaan, dan antusiasme
- Bangun fondasi data yang kuat untuk menyediakan data yang terintegrasi, tepercaya, dan tepat waktu
- Ekstraksi nilai sejak awal dari beberapa use case
- Terapkan redesain proses dan perubahan budaya untuk memastikan perpaduan keterampilan data yang tepat di seluruh perusahaan
Mari kita telusuri bagaimana setiap langkah dalam membangun strategi data ini dapat membantu Anda mengeksekusi transformasi digital dengan sukses.
1. Ciptakan visi analitik yang selaras dengan strategi perusahaan
McKinsey menyebutkan banyak perusahaan memulai perjalanan analitik dengan mencari tahu data apa yang mereka miliki dan menentukan di mana data tersebut dapat diterapkan. Namun pendekatan ini tidak dapat diskalakan. Sebagai gantinya, perusahaan sebaiknya mulai dengan mengidentifikasi proses pengambilan keputusan yang bisa ditingkatkan untuk menghasilkan nilai tambahan dalam konteks strategi keseluruhan mereka.
Ini adalah area strategis yang kritis bagi perusahaan, dan biasanya membutuhkan penyelarasan lintas fungsi. Namun terkadang, perusahaan besar memulai strategi data dengan merekrut banyak data scientist dan meluncurkan proyek percontohan. Sering kali, upaya ini pada akhirnya tidak dapat ditingkatkan skalanya, karena menempatkan kereta di depan kuda. Tim analitik yang bekerja secara silo akan menghasilkan keluaran yang terbatas.
Salah satu pelanggan kami, sebuah institusi keuangan, menyadari bahwa bahasa open source adalah arah masa depan dan memutuskan bahwa seluruh perusahaan harus mampu berbicara dalam bahasa data. Jadi mereka beralih ke DataCamp untuk membantu meningkatkan keterampilan data di berbagai departemen dan pada setiap level. Dengan inisiatif peningkatan keterampilan di seluruh perusahaan, mereka mengikutsertakan ratusan karyawan, menggunakan fungsionalitas “teams” kami untuk mengembangkan rencana pembelajaran kustom berdasarkan departemen, tujuan pembelajaran, dan tingkat keterampilan. Mereka juga membuat penugasan untuk berbagai tim, yang membuat karyawan tetap terlibat dan aktif belajar.
2. Bangun dukungan kuat dari level C
Di organisasi besar, berbagai departemen sering kali tidak dirancang untuk bekerja bersama. Untuk inisiatif transformasi berskala besar, dukungan eksekutif sangat penting untuk menetapkan misi pemersatu di seluruh perusahaan.
Pada 2018, Salesforce melakukan studi tentang transformasi digital yang mengungkapkan bahwa 75% pengambil keputusan mengatakan upaya transformasi digital mereka didukung oleh sponsor eksekutif. Dukungan eksekutif dalam data dan analitik berujung pada peluang keberhasilan yang lebih besar karena lebih banyak dana investasi, peluang eksekusi yang lebih tinggi, dan penyelarasan organisasi yang lebih baik.
Salah satu pelanggan kami, sebuah lembaga pemerintah nasional, memulai inisiatif transformasi digital tahun ini dengan dukungan dari Komisaris mereka. Dengan dukungan eksekutif, mereka berharap menyelesaikan transformasi digital dalam tiga tahun, termasuk perombakan platform digital mereka dan beralih ke pembelajaran daring yang berfokus pada peningkatan keterampilan R melalui DataCamp.
3. Bangun fondasi data yang kuat untuk menyediakan data yang terintegrasi, tepercaya, dan tepat waktu
Benang merah untuk semua inisiatif transformasi digital adalah data. Seluruh sistem organisasi—dari alur proses hingga aplikasi hingga pusat data—bergantung pada data berkualitas tinggi. Setiap organisasi perlu memiliki proses dan kapabilitas untuk dapat menggunakan data mereka. Ini mencakup manajemen kualitas data, seperti menarik data dari berbagai sumber dan membersihkannya untuk memastikan akurasi, serta tata kelola untuk memastikan kepatuhan pada regulasi privasi data seperti GDPR dan CCPA.
Inilah sebabnya salah satu pendiri dan CEO kami, Martijn Theuwissen, mengatakan dalam wawancara dengan AiThority: “Perusahaan memerlukan fondasi data yang solid dan alat untuk mengekstrak, memuat, dan mentransformasi data (ETL), serta alat untuk membersihkan dan mengagregasikan data dari berbagai sumber yang berbeda.”
Dan inilah alasan Dr. Hugo Bowne-Anderson, data scientist dan pendidik di DataCamp, meyakini bahwa persiapan data sama pentingnya dalam alur kerja data seperti halnya machine learning, deep learning, dan AI. Bagaimanapun juga, “model Anda hanya sebaik data Anda.” Hal-hal mendasar tidak boleh diabaikan—semuanya harus dipilih, dipasang, dan diuji dengan cermat agar mesin data Anda berjalan dengan baik.
4. Ekstraksi nilai sejak awal dari beberapa use case
Agar perusahaan dapat mengeksekusi strategi data ambisius yang menghadirkan hasil bisnis nyata, mereka perlu dapat menunjukkan use case yang berhasil. Menunjukkan use case yang berhasil sangat penting untuk mengomunikasikan nilai dan urgensi ke seluruh organisasi. McKinsey menyebutkan bahwa proyek harus menunjukkan nilai secara dini dan sering melalui kemenangan cepat, sehingga berbagai inisiatif data mungkin berjalan paralel:
[Seorang] eksekutif data menjelaskan bagaimana, alih-alih langsung mencoba menghubungkan sistem yang berbeda atau membuat satu sistem utama, yang bisa memakan waktu bertahun-tahun, ia menempatkan sebuah “lapisan” di atas sistem yang ada yang menyajikan pandangan lengkap atas suatu proses, seperti proses pemberian pinjaman di bank, yang berlangsung melalui beberapa sistem. Ia membuat peringatan untuk menandai saat langkah-langkah dalam proses terjadi (seperti persetujuan pinjaman, saat email dikirim ke pemohon untuk memberi tahu persetujuan, dan seterusnya), sehingga meskipun setiap langkah diselesaikan oleh sistem yang berbeda, tim dapat melihat seluruh proses seolah-olah sistem-sistem tersebut bekerja bersama.
Contoh ini menunjukkan bahwa mengekstraksi nilai dari data dan berkolaborasi dengannya sangat terkait dengan langkah sebelumnya yaitu membangun ekosistem data yang kuat.
5. Terapkan redesain proses dan perubahan budaya
CEO ShopRunner, Sam Yagan, meyakini perusahaannya telah mengintegrasikan kefasihan data dalam budaya mereka:
Karena data begitu menyatu dalam budaya kami, tidak butuh waktu lama sebelum seseorang menyadari bahwa orang yang duduk di sebelahnya atau di seberangnya menjalankan laporannya sendiri dan mengakses datanya sendiri.
DataCamp dapat membantu setiap perusahaan mencapai standar emas kefasihan data di seluruh perusahaan. Lingkungan pembelajaran daring kami mendukung eksekusi strategi data dan membantu perusahaan mendemokratisasi kefasihan data—pada level apa pun, dan di setiap departemen.
Kami melakukan survei terhadap lebih dari 300 pemimpin Learning and Development (L&D), dan menemukan bahwa membangun kefasihan data merupakan prioritas bagi 89% perusahaan. Kunci untuk mencapainya dalam skala besar bukan hanya dengan merekrut talenta terbaik—melainkan dengan menciptakan budaya peningkatan dan penguatan kembali keterampilan tenaga kerja Anda.
Pada 2017, 77% perusahaan AS telah menggunakan pembelajaran daring. Dengan begitu banyak penduduk dunia bekerja dari rumah saat ini, pembelajaran daring tidak pernah ser relevan ini.
Pembelajaran daring adalah bagian kunci dari transformasi digital, dan DataCamp menyediakan pendekatan belajar dengan praktik langsung untuk mendemokratisasi keterampilan data di seluruh perusahaan Anda. Kunjungi datacamp.com/discover/enterprise untuk mempelajari lebih lanjut tentang bagaimana kami dapat membantu Anda mengeksekusi strategi data yang dapat diskalakan untuk menyelesaikan transformasi digital perusahaan Anda.
