Quanto è importante la cultura dei dati per la tua strategia complessiva sui dati? Nel nostro podcast DataFramed, Taras Gorishnyy ha individuato i pilastri chiave per data science, IA e strategia dei dati all'interno di un'organizzazione:
- Supporto da parte del management
- Visione per l'analisi
- Solide fondamenta dei dati
- Dimostrare presto l'impatto dell'analisi
- Diffusione delle competenze sui dati e una cultura dei dati
“Tutti, a qualsiasi livello, che si tratti di C-level o entry level, dovrebbero guardare e approfondire i dati allo stesso modo in cui 20 anni fa ci si aspettava che iniziassi a usare l'email.” —Tanya Cashorali, Founder di TCB Analytics
Costruisci la fluidità sui dati in tutta l'organizzazione
Un'organizzazione fluente nei dati è quella in cui tutti sanno come approfondire i dati di cui hanno bisogno per fare il proprio lavoro. Per esempio, la nostra VP of Marketing potrebbe non aver bisogno di scrivere codice SQL o di programmare affatto, ma per fare bene il suo lavoro deve sapere come accedere ai dashboard di analytics e come interagirci. Deve anche sapere come porre le domande giuste ai data scientist e come utilizzare i risultati che le forniscono. Il modo in cui lo intendiamo in DataCamp è riassunto nella figura qui sotto:
Una solida base dati richiede di partire con un data engineer, per poi assumere data scientist e data analyst. Quindi possiamo coinvolgere i business analyst, insieme ad altri reparti. Questo processo aiuta tutti a diventare alfabetizzati ai dati, portando l'azienda a essere al 100% fluente nei dati. Una comprensione di base degli strumenti e delle risorse dati in tutta l'azienda migliora notevolmente la qualità dell'interazione tra colleghi, permette ai team di formulare richieste migliori e mette tutti nelle condizioni di prendere decisioni in autonomia.
Per valutare lo stato della fluidità sui dati nei vari settori, abbiamo condotto un sondaggio in cui abbiamo chiesto a oltre 300 organizzazioni in che misura hanno intrapreso azioni per diventare fluenti nei dati:
A sinistra troviamo le aziende mature con competenze mature di fluidità sui dati, e a destra le competenze immature. Tra le aziende mature, solo il 39% aveva implementato la riprogettazione dei processi e il cambiamento culturale in relazione ai dati, e solo il 7% delle aziende immature lo aveva fatto. C'è un enorme margine di miglioramento.
Coinvolgi i tuoi dipendenti
Quando definisci la tua strategia sui dati, è importante preparare i dipendenti al futuro del lavoro. Questo richiede conversazioni continue con tutti i tuoi collaboratori su quali tipi di attività pensi saranno automatizzate e quali no, come la tua base di dipendenti può convivere con le attività automatizzate e come sarà concretamente l'interfaccia uomo-macchina. Per alcuni ruoli vedremo l'automazione del lavoro, ma la sfida più grande in generale sarà l'automazione delle singole attività, dato che alcune parti del lavoro di una persona potrebbero essere automatizzate. È molto meglio capire come upskillare e riqualificare queste persone per accompagnarle verso un lavoro più avanzato e significativo.
Dai priorità all'upskilling dei dipendenti
Un'altra domanda che abbiamo posto nel nostro sondaggio a 300 organizzazioni è stata: “Quali tipi di sfide di business impediscono alle aziende di costruire o migliorare la fluidità sui dati?” La maggior parte delle organizzazioni ha segnalato la difficoltà di assumere i migliori talenti, dato che oggi molto talento in ambito dati sceglie di lavorare nella tecnologia. Questo significa che non riuscirai ad assumere tanti “unicorni” quanti vorresti, quindi dovresti dare priorità all'upskilling e alla riqualificazione di tutte le persone nella tua organizzazione.
Per sviluppare competenze sui dati, molte delle organizzazioni che abbiamo intervistato hanno preso in considerazione le seguenti opzioni:
- Creazione di università dei dati o centri di eccellenza
- Formazione in presenza
- Piattaforme di apprendimento online
- Campagne interne per promuovere e incentivare l'apprendimento
- Recruiting
- Soluzioni fornite da vendor
Nei sondaggi che abbiamo condotto durante i webinar di DataCamp, oltre il 50% dei rispondenti ha dichiarato che meno del 50% del proprio lavoro sui dati è stato effettivamente utilizzato per informare il processo decisionale. Questa perdita è dovuta alla cultura!
Call to action
Elenca da tre a cinque output del lavoro sui dati nella tua organizzazione e valutali rispetto a quanto la tua organizzazione li utilizzi realmente per guidare le decisioni. Troppo spesso, le aziende assumono ottimi data analyst e data scientist per creare dashboard e modelli di machine learning, per poi vedere che non vengono utilizzati nel modo previsto a causa di sfide culturali. Tutto questo buon lavoro può andare sprecato, con un ritorno sull'investimento deludente.
Scopri di più sulle best practice per costruire la tua cultura dei dati in The Definitive Guide to Machine Learning for Business Leaders.
