Veri kültürü genel veri stratejiniz için ne kadar önemli? DataFramed podcast’imizde, Taras Gorishnyy bir kuruluşta veri bilimi, yapay zeka ve veri stratejisinin temel dayanaklarını belirledi:
- Üst yönetim desteği
- Analitik vizyonu
- Sağlam veri temelleri
- Analitiğin etkisinin erken safhada ortaya konması
- Veri becerilerinin dağılımı ve bir veri kültürü
“Her seviyedeki herkes, ister C düzeyi ister kariyerinin başında olsun, 20 yıl önce nasıl e-posta kullanmanız bekleniyorsa aynı şekilde veriye bakmalı ve derinleşmeli.” —Tanya Cashorali, TCB Analytics Kurucusu
Kuruluş genelinde veri akıcılığı oluşturun
Veri akıcı bir kuruluşta herkes, işini yapmak için ihtiyaç duyduğu veriye nasıl dalacağını bilir. Örneğin, Pazarlama Başkan Yardımcımızın SQL kodu ya da herhangi bir kod yazması gerekmeyebilir; ancak işini iyi yapmak için analitik panellere nasıl erişeceğini ve onlarla nasıl etkileşim kuracağını bilmesi gerekir. Ayrıca veri bilimcilere doğru soruları nasıl soracağını ve onlardan aldığı sonuçları nasıl kullanacağını da bilmelidir. DataCamp’te bunu aşağıdaki görselde özetlediğimiz şekilde ele alıyoruz:
Güçlü bir veri temeli, bir veri mühendisiyle başlamayı ve ardından veri bilimcileri ile veri analistlerini işe almayı gerektirir. Sonrasında, iş analistlerini ve diğer departmanları da bu yapıya dahil edebiliriz. Bu süreç, herkesin veri okuryazarı olmasına yardımcı olur ve şirketin %100 veri akıcı hale gelmesini sağlar. Şirket genelinde veri araçları ve kaynaklarına dair temel bir anlayış, ekipler arası etkileşimin kalitesini ciddi ölçüde artırır, ekiplerin daha iyi taleplerde bulunmasını sağlar ve herkesin özerk bir biçimde karar almasını mümkün kılar.
Sektör genelinde veri akıcılığının durumunu ölçmek için, 300’ün üzerinde kuruluşla bir anket gerçekleştirdik ve veri akıcılığına yönelik hangi adımları ne ölçüde attıklarını sorduk:
Solda, veri akıcılığı yetkinlikleri olgun olan şirketler; sağda ise olgunlaşmamış olanlar yer alıyor. Olgun şirketlerin yalnızca %39’u veriyle ilgili süreç yeniden tasarımı ve kültürel dönüşümü hayata geçirmişken, olgunlaşmamış şirketlerde bu oran sadece %7. Burada yapılabilecek çok büyük bir iyileştirme alanı var.
Çalışanlarınızı sürece dahil edin
Veri stratejinizi kurgularken çalışanlarınızı işin geleceğine hazırlamak önemlidir. Bu, tüm çalışanlarınızla hangi tür görevlerin otomatikleşeceği ve hangilerinin otomatikleşmeyeceği, çalışan tabanınızın otomatikleşen görevlerle nasıl bir arada var olabileceği ve insan-makine arayüzünün gerçekte nasıl göründüğü hakkında sürekli bir diyalog gerektirir. Bazı rollerde iş otomasyonu göreceğiz; ancak genel olarak daha büyük zorluk, bir işin belirli kısımlarının otomatikleşeceği görev otomasyonu olacaktır. Bu çalışanları daha üst düzey ve anlamlı işlere geçiş yapacak şekilde geliştirmek ve yeniden beceri kazandırmak çok daha doğrudur.
Çalışanların yetkinliklerini geliştirmeyi önceliklendirin
300 kuruluşa yönelik anketimizde sorduğumuz bir diğer soru şuydu: “Şirketlerin veri akıcılığı inşa etmesini veya iyileştirmesini engelleyen hangi tür iş zorlukları var?” Kuruluşların çoğu, günümüzde birçok veri yeteneğinin teknoloji sektöründe çalışmayı tercih etmesi nedeniyle en iyi yeteneği işe almakta zorlandıklarını belirtti. Bu da istediğiniz kadar “tek boynuzlu at” işe alamayacağınız anlamına gelir; bu yüzden kuruluşunuzdaki herkesin yetkinliklerini geliştirmeyi ve yeniden beceri kazandırmayı önceliklendirmelisiniz.
Veri becerileri oluşturmak için, anket yaptığımız pek çok kuruluş aşağıdaki seçenekleri değerlendirmiştir:
- Veri üniversiteleri veya mükemmeliyet merkezleri kurmak
- Yüz yüze eğitim
- Çevrimiçi öğrenme platformları
- Öğrenmeyi teşvik eden ve özendiren iç kampanyalar
- İşe alım
- Tedarikçilerden çözümler sağlama
DataCamp webinarlarında yaptığımız anketlerde, katılımcıların %50’sinden fazlası, veri çalışmalarının %50’sinden azının gerçekten karar almayı bilgilendirmek için kullanıldığını söyledi. Bu kayıp kültürden kaynaklanıyor!
Eylem çağrısı
Kuruluşunuzdaki veri çalışmalarının üç ila beş çıktısını listeleyin ve bunların karar almayı bilgilendirmek için kuruluşunuz tarafından ne ölçüde kullanıldığını denetleyin. Çoğu zaman, kuruluşlar harika veri analistleri ve veri bilimcileri işe alıp panolar ve makine öğrenimi modelleri oluşturuyor; ancak kültürel zorluklar nedeniyle bunların amaçlanan şekilde kullanılmadığını görüyoruz. Tüm bu iyi çalışmalar boşa gidebilir ve yatırım getirisinin düşük olmasına yol açabilir.
Veri kültürünüzü oluştururken en iyi uygulamalar hakkında daha fazla bilgi edinmek için İş Liderleri için Makine Öğreniminin Kesin Kılavuzu’na göz atın.
