Cách các tổ chức doanh nghiệp có thể trở thành doanh nghiệp định hướng dữ liệu

Điểm chung của những công ty công nghệ thành công như Amazon, Netflix, Google và Airbnb là gì? Họ đều đã mở rộng quy mô và vận hành hóa chức năng khoa học dữ liệu của mình. Điều này có nghĩa là họ đã xây dựng các đội ngũ dữ liệu hàng đầu, và họ đã mua hoặc tự xây dựng các công cụ dữ liệu của riêng mình. Việc này đòi hỏi phải thiết kế những quy trình nội bộ và kiến trúc mạnh mẽ tận dụng dữ liệu để thúc đẩy doanh nghiệp tiến lên.

Trong webinar tháng trước, Maksim Percherskiy, Kỹ sư Dữ liệu tại Ngân hàng Thế giới và cựu Giám đốc Dữ liệu của Thành phố San Diego, giải thích rằng những công ty này có lợi thế vì họ trưởng thành cùng dữ liệu. “Các tổ chức lâu đời—như các tổ chức tài chính, y tế và chính phủ—không có đặc ân [xây dựng doanh nghiệp xoay quanh dữ liệu]. Thành phố San Diego được thành lập vào những năm 1800, và họ vẫn đang học cách điều chỉnh và học cách liên kết dữ liệu một cách hiệu quả với hoạt động của mình.”

Hãy cùng phân tích cách các tổ chức lớn có thể xây dựng một chức năng khoa học dữ liệu hiệu quả. Những năm gần đây, nhiều tổ chức đã thuê giám đốc dữ liệu, xây dựng đội ngũ nhà khoa học dữ liệu và kỹ sư dữ liệu, và tìm cách kiếm tiền cũng như chia sẻ dữ liệu. Nhưng báo cáo của NewVantage Partners vào tháng 1 năm 2020 cho thấy trong số 70 công ty được khảo sát, 98,8% đã đầu tư vào sáng kiến dữ liệu lớn và AI, nhưng chỉ 37,8% có thể khẳng định rằng họ đã tạo ra một tổ chức định hướng dữ liệu.

Rào cản phổ biến nhất để trở thành định hướng dữ liệu là những thách thức về con người và quy trình—cụ thể là vận hành hóa và xây dựng các quy trình có thể lặp lại, tạo dựng hạ tầng dữ liệu chức năng, và thu hẹp khoảng cách kỹ năng dữ liệu.

Yêu cầu đối với dữ liệu

Hình ảnh sau tóm tắt điều gì khiến dữ liệu có thể sử dụng và đáng tin cậy:

Trước hết, dữ liệu phải được thu thập đúng thời điểm, đúng cách và có mục đích. Sau đó, dữ liệu phải có thể tìm thấy, nghĩa là mọi người dùng dữ liệu trong tổ chức đều phải biết dữ liệu này đã được thu thập và có thể tìm kiếm được. Tiếp theo, dữ liệu phải đáng tin cậy, không có lỗ hổng hoặc sai lệch. Dữ liệu cũng phải dễ hiểu—ví dụ, được cấu trúc và gắn nhãn chính xác. Tính tuân thủ là tối quan trọng—cần có các giao thức bảo mật phù hợp để kiểm soát truy cập dữ liệu nhạy cảm, và một số ngành có các tiêu chuẩn quy định. Cuối cùng, dữ liệu phải có thể hành động, nghĩa là người dùng dữ liệu có công nghệ, đào tạo và khung đạo đức để sử dụng dữ liệu đúng cách.

Thách thức để trở thành định hướng dữ liệu

Có ba nhóm thách thức để đáp ứng các yêu cầu đối với dữ liệu: tổ chức, văn hóa và kỹ thuật.

Thách thức về tổ chức

Các tổ chức lớn thường có các “ốc đảo” nơi các nhóm có thể có mục tiêu khác nhau. Những ốc đảo này có thể tồn tại do yêu cầu pháp lý, như thường thấy trong lĩnh vực tài chính, hoặc đơn giản là vì các nhóm trước đây chưa từng làm việc cộng tác. Dù nguyên nhân là gì, các ốc đảo gây ra hiểu lầm và lệch hướng, làm giảm hiệu quả tổng thể của tổ chức.

Một biểu hiện của điều này có thể là các quản lý muốn xây dựng đội ngũ lớn hơn hoặc tạo ra nhiều hơn một trung tâm xuất sắc về AI.

Thách thức về văn hóa

Năng lực dữ liệu ở cấp độ tổ chức—trong đó mọi người đều có kỹ năng dữ liệu để thành công—thường được coi là một mục tiêu cao, và một số tổ chức có thể e ngại rủi ro khi theo đuổi. Đây là lý do DataCamp cố gắng “giải ảo” những chủ đề như máy học để giúp các tổ chức hiểu dữ liệu có thể hữu ích thực tiễn như thế nào. Trao quyền cho nhân viên và giúp việc xây dựng kỹ năng trở nên dễ dàng là chìa khóa.

Thách thức văn hóa cũng có thể thể hiện ở các cơ chế khuyến khích khác nhau trong tổ chức. Ban quản lý có thể muốn những bảng điều khiển bắt mắt để trình bày với cấp trên, các kỹ sư muốn dùng công cụ mới nhất và tốt nhất, còn người dùng nghiệp vụ có thể chỉ muốn trả lời một câu hỏi cụ thể hoặc tinh gọn quy trình. Không phải lúc nào cũng có thể làm hài lòng mọi bên liên quan. Điều này liên quan đến thách thức tổ chức nêu trên—mục tiêu là điều chỉnh chiến lược dữ liệu với chiến lược kinh doanh tổng thể.

Thách thức kỹ thuật

Maksim cho biết các tổ chức lớn thường có “mảng chắp vá các hệ thống kế thừa” làm hệ thống lõi lưu trữ dữ liệu. Những hệ thống này có thể khó trích xuất dữ liệu hoặc mở rộng—nhưng thường các lãnh đạo bộ phận không muốn nhận một dự án lớn. Họ e ngại chi phí chuyển đổi khi thay thế, rủi ro thất bại dự án, chi phí đào tạo lại bổ sung và sụt giảm năng suất ngắn hạn. Tất cả đều là sai lầm thiển cận xuất phát từ việc thiếu một chiến lược dữ liệu thống nhất.

Những thách thức kỹ thuật bổ sung bao gồm các tiêu chuẩn tuân thủ và bảo mật như HIPAA, FERPA, GDPR và CCPA. Các công ty phải tuân thủ những tiêu chuẩn này để tránh sử dụng dữ liệu một cách phi đạo đức.

Sa vào những thách thức này sẽ dẫn đến điều Brian Balfour mô tả là Vòng quay tử thần dữ liệu dưới đây. Nó minh họa rằng dữ liệu không được duy trì nhất quán sẽ trở nên không liên quan hoặc sai lệch, khiến mọi người mất niềm tin vào dữ liệu và cuối cùng là sử dụng ít đi.

Giải pháp để trở thành định hướng dữ liệu

Vậy, các doanh nghiệp lâu đời có thể trở nên định hướng dữ liệu như Netflix và Airbnb bằng cách nào? Họ phải tái xây dựng xoay quanh dữ liệu. Cách thực hiện như sau.

Hiểu bức tranh tổng thể

Các tổ chức lớn phải hiểu những ốc đảo khác nhau đang tồn tại và cách chúng giao tiếp với nhau. Họ phải nuôi dưỡng các “nhà vô địch” ở cấp điều hành để ủng hộ hành trình này. Và họ phải truyền đạt mục tiêu dữ liệu tới tất cả các bên liên quan.

Xác định người dùng của bạn

Tiếp theo, để thúc đẩy chuyển đổi định hướng dữ liệu thành công, bạn cần hiểu các chân dung người dùng. Đồng cảm sâu sắc với từng chân dung—dù họ là người tiêu thụ dữ liệu, lãnh đạo, nhà phân tích dữ liệu hay nhà khoa học dữ liệu—sẽ giúp bạn hiểu cách hỗ trợ họ tốt nhất và tận dụng họ trong sứ mệnh của mình.

Bắt đầu nhỏ và giữ mọi thứ đơn giản

Maksim cho biết khi bắt đầu, không thể sửa mọi thứ cùng lúc. Điều rất quan trọng là kỷ luật trong việc tập trung vào tác động. Hãy chọn một dự án nổi bật và có tác động trên toàn tổ chức, đồng thời không đòi hỏi quá nhiều bên liên quan hay phối hợp. Giành được một loạt thắng lợi dễ dàng ban đầu sẽ xúc tác sự ủng hộ và đảm bảo tính hiển thị cho các dự án dữ liệu. Bạn cũng sẽ có thể lặp lại công việc dữ liệu và tận dụng các bài học cho những dự án tiếp theo.

Căn chỉnh chiến lược dữ liệu với chiến lược kinh doanh

Căn chỉnh chiến lược dữ liệu với chiến lược kinh doanh nghĩa là gì? Lời khuyên thực tiễn của Maksim là chọn các dự án dữ liệu giúp mở rộng và kiểm thử hạ tầng của bạn, phục vụ người dùng nghiệp vụ và phù hợp với mục tiêu, kết quả của công ty. Đảm bảo mỗi dự án đều được ghi chép, có thể tái lập và tuân theo thực hành tốt nhất. Sau đó, khuếch đại các thành quả trên toàn công ty với sự hậu thuẫn của lãnh đạo để bạn có thể xây tiếp trên những thành quả đó và tiếp tục lặp.

Doanh nghiệp định hướng dữ liệu trông như thế nào

Định hướng dữ liệu đòi hỏi khả năng đo lường thành công của các sáng kiến dữ liệu. Maksim nói rằng thật cám dỗ khi dùng những chỉ số dễ tiếp cận như tổng số dự án, số bộ dữ liệu đã hoàn thành, hoặc số người theo dõi kho mã.

“Đó đều là những chỉ số tốt, nhưng chúng không thực sự chạm tới cốt lõi thành công của bạn,” Maksim nói. “Tôi sẽ nghĩ nhiều hơn về số lượng quyết định được đưa ra dựa trên dữ liệu. Ngoài ra, mất bao lâu để ai đó tìm một bộ dữ liệu, hoặc thời gian để có dữ liệu. Bạn cũng nên xem có bao nhiêu mục tiêu, chỉ tiêu và OKR được thiết lập và theo dõi bằng dữ liệu, bao gồm cách chúng được rà soát.”

Để tìm hiểu thêm về cách vận hành dữ liệu trong các tổ chức lớn với quy trình phức tạp, hãy xem webinar của Maksim về Vận hành hóa dữ liệu trong các tổ chức lớn.