Từ việc vận hành xe tự lái đến chinh phục trò chơi cờ vây, các tổ chức đã chiếm lĩnh các tiêu đề khi biến những điều từng là bất khả thi thành khả thi với khoa học dữ liệu. Vì thế, rất dễ bỏ qua cuộc cách mạng khoa học dữ liệu thầm lặng: các công ty ngày càng khiến những gì hiện đã làm được trở nên phổ biến rộng rãi. Nói cách khác, nhiều công ty đang nỗ lực hướng tới mức độ thông thạo dữ liệu mạnh mẽ hơn ở cấp tổ chức. Theo Ramnath Vaidyanathan, Phó Chủ tịch Nghiên cứu Sản phẩm tại DataCamp, con đường dẫn đến thông thạo dữ liệu của một tổ chức phụ thuộc vào năm trụ cột chính: Hạ tầng, Con người, Công cụ, Tổ chức và Quy trình (IPTOP). Trong một hội thảo trực tuyến tháng trước, ông đã chia sẻ một khung năng lực dữ liệu mà bất kỳ tổ chức nào cũng có thể sử dụng để nâng mức độ trưởng thành dữ liệu từ phản ứng theo dữ liệu đến mở rộng dữ liệu, tiến bộ về dữ liệu và thông thạo dữ liệu.
Để rời trạng thái phản ứng theo dữ liệu, hãy xây dựng văn hóa dữ liệu
Một công ty phản ứng theo dữ liệu ở bậc thấp nhất của thang trưởng thành dữ liệu. Công ty hiếm khi truy cập, sử dụng và trình bày dữ liệu, góp phần làm thiếu vắng văn hóa dữ liệu. Họ sử dụng các công cụ kế thừa rời rạc để thu thập dữ liệu theo từng silo và thực hiện các quy trình dữ liệu ad-hoc. Hơn nữa, họ không đầu tư vào chiến lược nâng cao kỹ năng dữ liệu để xây dựng nhân lực dữ liệu nội bộ và hạ tầng dữ liệu. Công ty có thể nâng mức hiểu biết dữ liệu ở cấp tổ chức từ phản ứng theo dữ liệu lên mở rộng dữ liệu bằng cách xây dựng văn hóa dữ liệu và hạ tầng dữ liệu. Để gieo nền văn hóa dữ liệu này, công ty nên cân nhắc mạnh việc theo đuổi những “trái thấp” cho phép các bên liên quan nhìn thấy giá trị của hiểu biết dữ liệu. Bao gồm các bảng điều khiển minh chứng khái niệm và các dự án phân tích như mô hình rời bỏ khách hàng. Công ty cũng có thể bắt đầu phát triển kiến trúc dữ liệu và quy trình thu thập dữ liệu.
Thoát khỏi giai đoạn mở rộng dữ liệu với hạ tầng và mô hình tổ chức phù hợp
Không giống công ty phản ứng theo dữ liệu, một công ty đang mở rộng dữ liệu có chiến lược và văn hóa dữ liệu ở mức nào đó. Nhưng các điểm yếu vẫn rõ rệt. Chỉ có rất ít nhân viên sở hữu kỹ năng và quyền truy cập cần thiết để tự tin phân tích, báo cáo và trình bày dữ liệu, dẫn tới văn hóa dữ liệu yếu. Hơn nữa, công ty thiếu lưu trữ dữ liệu và đội ngũ tập trung, khiến bộ dữ liệu và quy trình dữ liệu bị chia cắt mạnh.
Trước những hạn chế đó, một công ty đang mở rộng dữ liệu cần cải thiện hiểu biết dữ liệu ở cấp tổ chức. Để làm vậy, công ty phải mở rộng quyền truy cập dữ liệu bằng cách đầu tư vào hạ tầng dữ liệu và xây dựng kho lưu trữ dữ liệu tập trung. Hạ tầng như vậy cho phép dữ liệu chất lượng cao được lưu trữ trên đám mây và dễ dàng truy cập bởi tất cả các bên liên quan. Với lưu trữ và truy cập phù hợp, nhân viên được trao quyền để xây dựng các tiêu chuẩn chất lượng dữ liệu. Ví dụ, DataCamp lưu trữ dữ liệu trên Amazon Redshift, một kho dữ liệu tập trung trên đám mây, và quản lý pipeline dữ liệu bằng Apache Airflow. Điều này đánh dấu bước chuyển khỏi dữ liệu chia cắt khó đối chiếu và mở đường cho một “nguồn sự thật” duy nhất.
Lược đồ giản lược về lưu trữ dữ liệu tập trung của DataCamp
Một công ty đang mở rộng dữ liệu cũng phải xây dựng mô hình tổ chức rõ ràng cho các nhà khoa học dữ liệu như một phần của quá trình trưởng thành dữ liệu. Một số công ty chọn mô hình tập trung với đội ngũ khoa học dữ liệu đóng vai trò là một trung tâm xuất sắc, xử lý yêu cầu từ các bộ phận như tài chính, tiếp thị và kỹ thuật. Số khác quyết định áp dụng mô hình phi tập trung, nơi các nhà khoa học dữ liệu được cài cắm trong từng chức năng và chỉ xử lý nhu cầu dữ liệu của chức năng đó. Công ty nên chọn mô hình phù hợp nhất với dữ liệu và nhu cầu kinh doanh của mình.
Chuyển tiếp từ giai đoạn tiến bộ về dữ liệu với công cụ và quy trình
Cột mốc tiếp theo trên con đường thông thạo dữ liệu của công ty là trạng thái tiến bộ về dữ liệu. Ở một công ty tiến bộ về dữ liệu, mỗi nhóm có ít nhất một nhân sự thông thạo dữ liệu, có thể phân tích, báo cáo và trình bày dữ liệu của họ. Tuy nhiên, vẫn còn dư địa cải thiện về chất lượng và khả năng khám phá dữ liệu do hạ tầng dữ liệu đang trưởng thành. Bên cạnh đó, dù nhân viên có mức độ hiểu biết dữ liệu nhất định, dữ liệu hầu như chỉ được dùng cho báo cáo và do đó chưa được khai thác hết. Giá trị dữ liệu còn bị kìm hãm bởi thiếu dân chủ hóa dữ liệu, xuất phát từ khó khăn trong việc tiếp cận công cụ và quy trình dữ liệu.
Để tiến từ trạng thái tiến bộ về dữ liệu đến thông thạo dữ liệu, tổ chức nên phát triển đồng thời hạ tầng, con người, công cụ, tổ chức và quy trình theo khung thông thạo dữ liệu IPTOP.
Để chuyển sang thông thạo dữ liệu, công ty có thể củng cố văn hóa dữ liệu bằng cách xây dựng và đầu tư vào các chiến lược nâng cao kỹ năng phù hợp cho con người. Điều này bao gồm giáo dục dữ liệu liên tục, phục vụ cho các chân dung dữ liệu khác nhau và mục tiêu kinh doanh của công ty. Chẳng hạn, kế hoạch đổi mới nhân tài quy mô lớn của AT&T đã đầu tư 1 tỷ USD để nâng cao kỹ năng cho 140.000 nhân viên trong 10 năm. Các công ty sẽ hưởng lợi từ văn hóa dữ liệu mạnh hơn bằng cách khuyến khích các hành vi dựa trên dữ liệu và khen thưởng những “đại sứ dữ liệu” tích cực thúc đẩy văn hóa dữ liệu của công ty.
Công ty cũng có thể xây dựng các sản phẩm dữ liệu nội bộ nhằm vận hành hóa quy trình dữ liệu như một phần của chương trình hiểu biết dữ liệu. Các sản phẩm này có thể được dùng để cải thiện tiêu chuẩn chất lượng dữ liệu và theo dõi mục tiêu kinh doanh. Ví dụ, DataCamp có các framework nội bộ cho phép các bên liên quan tạo trực quan hóa chỉ số kinh doanh sẵn sàng cho trình bày với lượng mã tối thiểu.
Bảng điều khiển DataCamp được phát triển dễ dàng bằng framework nội bộ
Khi công ty tiến bộ về hiểu biết dữ liệu ở cấp tổ chức, họ có xu hướng chuyển sang mô hình lai, nơi các nhà khoa học dữ liệu không chỉ thuộc đội ngũ dữ liệu tập trung mà còn nằm trong các nhóm chức năng. Điều này cho phép đội khoa học dữ liệu xây dựng và chia sẻ các công cụ dữ liệu phù hợp với mục tiêu kinh doanh của từng chức năng.
Đạt được thông thạo dữ liệu đòi hỏi các tổ chức phải đưa dữ liệu trở thành một phần không thể thiếu trong quy trình của họ. Những quy trình như vậy giúp giảm ma sát khi trích xuất giá trị từ dữ liệu và dân chủ hóa dữ liệu trong toàn tổ chức. Ví dụ, Sáng kiến Chất lượng Dữ liệu của AirBnb xác định và thực thi chất lượng của các bộ dữ liệu trên toàn công ty, từ đó xây dựng niềm tin của các bên liên quan vào dữ liệu và củng cố văn hóa dữ liệu. Netflix giúp các bên liên quan tạo notebook hiệu quả một cách liền mạch bằng cách tùy biến mẫu notebook cho các nhóm người dùng mục tiêu khác nhau.
Trở nên thông thạo dữ liệu với khung IPTOP
Cuối cùng, thông thạo dữ liệu là trạng thái lý tưởng về mức độ trưởng thành dữ liệu của một công ty. Ở một công ty thông thạo dữ liệu, mọi nhân viên đều có kỹ năng để truy cập và hiểu dữ liệu họ cần cho công việc. Họ được trao quyền bởi hạ tầng và công cụ dữ liệu tin cậy, giúp việc ra quyết định dựa trên dữ liệu trở nên liền mạch. Hơn nữa, công ty có các quy trình dữ liệu và mô hình tổ chức cho phép hợp tác liên phòng ban ở quy mô hiệu quả.
Rõ ràng, con đường tiến tới thông thạo dữ liệu của một tổ chức không tuyến tính. Nó đòi hỏi chiến lược dữ liệu rõ ràng và khung hiểu biết dữ liệu vững chắc. Biểu đồ dưới đây tóm tắt các bước một tổ chức nên thực hiện để chuyển hiểu biết dữ liệu từ phản ứng theo dữ liệu sang thông thạo dữ liệu bằng khung IPTOP.
Để tìm hiểu thêm về lộ trình mở rộng mức độ trưởng thành dữ liệu, hãy theo dõi hội thảo trực tuyến của chúng tôi hoặc thực hiện đánh giá mức độ trưởng thành dữ liệu.
