Văn hóa dữ liệu là thành phần then chốt của chiến lược dữ liệu như thế nào

Văn hóa dữ liệu data culture quan trọng thế nào đối với chiến lược dữ liệu tổng thể của bạn? Trên podcast DataFramed, Taras Gorishnyy đã nêu các trụ cột chính cho khoa học dữ liệu, AI và chiến lược dữ liệu trong một tổ chức:

• Sự ủng hộ từ lãnh đạo cấp cao
• Tầm nhìn về phân tích
• Nền tảng dữ liệu vững chắc
• Thiết lập tác động của phân tích ngay từ sớm
• Phân bổ kỹ năng dữ liệu và xây dựng văn hóa dữ liệu

“Mọi người ở mọi cấp bậc, dù là lãnh đạo cấp cao hay mới vào nghề, đều nên xem xét và đào sâu vào dữ liệu, tương tự như cách mọi người được kỳ vọng bắt đầu dùng email cách đây 20 năm.” —Tanya Cashorali, Nhà sáng lập TCB Analytics

Xây dựng sự thông thạo dữ liệu trên toàn tổ chức

Một tổ chức thông thạo dữ liệu là nơi mọi người đều biết cách đào sâu vào dữ liệu họ cần để làm việc. Chẳng hạn, Phó Chủ tịch Marketing của chúng tôi có thể không cần viết SQL hay bất kỳ mã nào, nhưng để làm tốt công việc, bà ấy cần biết cách truy cập và tương tác với các bảng điều khiển phân tích. Bà cũng cần biết cách đặt câu hỏi đúng cho các nhà khoa học dữ liệu và cách sử dụng kết quả họ cung cấp. Cách chúng tôi nhìn nhận điều này tại DataCamp được tóm tắt trong hình dưới đây:

Một nền tảng dữ liệu mạnh bắt đầu từ kỹ sư dữ liệu, sau đó tuyển dụng nhà khoa học dữ liệu và nhà phân tích dữ liệu. Kế đến, chúng ta có thể đưa các nhà phân tích kinh doanh cùng những bộ phận khác vào cuộc. Quy trình này giúp mọi người trở nên biết chữ về dữ liệu, từ đó doanh nghiệp đạt mức 100% thông thạo dữ liệu. Hiểu biết cơ bản về công cụ và nguồn lực dữ liệu trên toàn công ty cải thiện đáng kể chất lượng tương tác giữa đồng nghiệp, giúp các nhóm đưa ra yêu cầu tốt hơn và trao quyền cho mọi người tự chủ ra quyết định.

Để đánh giá mức độ thông thạo dữ liệu trong các ngành, chúng tôi đã thực hiện một khảo sát hỏi hơn 300 tổ chức về mức độ họ đã hành động để trở nên thông thạo dữ liệu:

Bên trái là các công ty trưởng thành với năng lực thông thạo dữ liệu chín muồi, và bên phải là năng lực còn non trẻ. Trong số các công ty trưởng thành, chỉ 39% đã triển khai tái thiết kế quy trình và thay đổi văn hóa liên quan đến dữ liệu và chỉ 7% ở nhóm chưa trưởng thành làm được điều đó. Còn rất nhiều dư địa để cải thiện ở đây.

Thu hút sự tham gia của nhân viên

Điều quan trọng là chuẩn bị cho nhân viên về tương lai công việc khi xây dựng chiến lược dữ liệu. Việc này đòi hỏi những cuộc trao đổi thường xuyên với toàn bộ nhân viên về những loại nhiệm vụ bạn cho rằng sẽ được tự động hóa và những gì thì không, cách lực lượng lao động của bạn có thể đồng hành với các nhiệm vụ đã tự động hóa, và giao diện người - máy thực tế trông như thế nào. Với một số vai trò, chúng ta sẽ thấy tự động hóa công việc, nhưng thách thức lớn hơn ở diện rộng sẽ là tự động hóa nhiệm vụ, vì một số phần trong công việc của ai đó có thể bị tự động hóa. Tốt hơn nhiều là tìm cách nâng cấp và đào tạo lại để chuyển họ sang những công việc ở tầm cao hơn và ý nghĩa hơn.

Ưu tiên nâng cấp kỹ năng cho nhân viên

Một câu hỏi khác chúng tôi đặt ra trong khảo sát với 300 tổ chức là: “Những thách thức kinh doanh nào cản trở doanh nghiệp xây dựng hoặc cải thiện sự thông thạo dữ liệu?” Phần lớn tổ chức nêu khó khăn trong việc tuyển dụng nhân tài hàng đầu, bởi quá nhiều nhân tài dữ liệu hiện chọn làm việc trong lĩnh vực công nghệ. Điều này có nghĩa bạn sẽ không thể thuê được nhiều “kỳ lân” như mong muốn, nên bạn cần ưu tiên nâng cấp và đào tạo lại kỹ năng cho mọi người trong tổ chức.

Để xây dựng kỹ năng dữ liệu, nhiều tổ chức trong khảo sát của chúng tôi đã cân nhắc các lựa chọn sau:

• Thành lập “đại học dữ liệu” hoặc trung tâm xuất sắc
• Đào tạo trực tiếp
• Nền tảng học trực tuyến
• Chiến dịch nội bộ để thúc đẩy và khuyến khích học tập
• Tuyển dụng
• Tìm kiếm giải pháp từ nhà cung cấp

Trong các cuộc thăm dò trên webinar của DataCamp, hơn 50% người trả lời cho biết dưới 50% công việc dữ liệu của họ thực sự được sử dụng để hỗ trợ ra quyết định. Sự thất thoát này đến từ văn hóa!

Kêu gọi hành động

Hãy liệt kê ba đến năm đầu ra của công việc dữ liệu trong tổ chức của bạn và đánh giá chúng về mức độ tổ chức thực sự sử dụng chúng để hỗ trợ ra quyết định. Quá thường xuyên, các tổ chức thuê nhiều nhà phân tích dữ liệu và nhà khoa học dữ liệu xuất sắc để xây dựng bảng điều khiển và mô hình máy học, nhưng rồi chúng không được sử dụng đúng mục đích do thách thức về văn hóa. Tất cả những nỗ lực tốt đẹp này có thể bị lãng phí, dẫn đến hiệu quả đầu tư kém.

Tìm hiểu thêm về các phương pháp hay nhất để xây dựng văn hóa dữ liệu trong Cẩm nang toàn diện về Machine Learning dành cho lãnh đạo doanh nghiệp.