راهکارهای گارتنر جهت افزایش سطح بلوغ هوش تجاری و تحلیل سازمان‌ها

اگر برای بهبود سطح هوش تجاری (BI) سازمان خود سر در گم هستید و نمی‌دانید از کجا شروع کنید، بهترین نقطه شروع استفاده از یک مدل بلوغ است. یک مدل بلوغ هوش تجاری وضعیت فعلی شما را ارزیابی می‌کند و به شما می‌گوید که در حال حاضر کجا ایستاده‌اید و برای داده محور شدن باید چگونه تغییر کنید. یکی از مدل‌های معروف بلوغ هوش تجاری، مدل بلوغ ارائه شده توسط گارتنر است. در این مدل، 5 سطح بلوغ در نظر گرفته شده است. وصف یک سازمان با سطح بلوغ پایین به این صورت است: داده‌ها در فایل‌های مختلف مثل فایل‌های اکسل جداگانه و مجزا از هم پراکنده‌اند. کارمندان ممکن است نیاز به اطلاعات پیدا کنند اما این درخواست به صورت موردی و یک باره اتفاق می‌افتد. هیچ کس مسئول حاکمیت داده‌ها نیست. واحدهای کسب و کار غالبا برنامه‌های داده و تحلیل خود را بطور مستقل و بصورت پروژه‌ای دنبال می‌کنند و فاقد رهبری و هدایت مرکزی هستند. از آن طرف در سوی دیگر طیف، یک سازمان با سطح بلوغ بالا به این صورت است: یک نقش به نام مدیر ارشد داده (Chief Data Officer – CDO) در سازمان تعریف شده است یا حداقل یک نفر مسئولیت رسیدگی به داده‌ها را بر عهده دارد. به دلیل اتصال منابع داده به یک نرم افزار هوش تجاری، داده‌ها سازمان یافته و در دسترس هستند. کارمندان هر زمان که می‌خواهند تصمیمی بگیرند، داده‌ها را بررسی می‌کنند و تصمیمات به صورت داده محور اتخاذ می‌شود.

طبق نتایج حاصل از نظرسنجی گارتنر در سال 2018، در سازمان‌هایی که از نظر سطح بلوغ BI و تحلیل داده در سطح پایینی قرار دارند، ویژگی‌های مشترکی وجود دارد که سرعت گسترش قابلیت‌های BI را پایین می‌آورد. از جمله، زیرساخت‌های IT اولیه یا قدیمی، همکاری محدود بین تیم IT و کاربران کسب و کار، مرتبط نکردن داده‌ها به یک خروجی کسب و کار بهبود یافته، BI غالبا مبتنی بر گزارش، مشکلات مربوط به تیم IT مرکزی مثل آماده سازی مدل داده و غیره.

طبق نظر گارتنر، مدیران داده و تحلیل این سازمان‌ها باید 4 گام را در حوزه‌های استراتژی، افراد، حاکمیت داده (Data Governance) و فناوری دنبال کنند تا سازمان‌های خود را توسعه دهند.

گام اول، استراتژی؛ ایجاد و توسعه استراتژی داده و تحلیل با دید روشن:

سازمان‌های با سطح بلوغ BI پایین، غالبا فاقد استراتژی داده و تحلیل در سطح سازمان و با دید روشن هستند. در اینجا منظور دید و بینش نسبت به ارزش‌هایی در کسب و کار است که داده و تحلیل می‌تواند حاصل کند. واحدهای کسب و کار پروژه‌های داده و تحلیل را بصورت مجزا و انفرادی انجام می‌دهند که منجر به سیلوهای داده (Data silo – مخزنی از داده‌ها که تحت کنترل یک دپارتمان است و مجزا و دور از دسترس بقیه سازمان است) و فرایندهای ناسازگار می‌شود. مدیران داده و تحلیل باید با مدیران IT و مدیران کسب و کار همکاری کنند تا یک استراتژی BI جامع توسعه دهند. باید یک نقشه راه کوتاه مدت با اهداف دست یافتنی، نقاط عطف روشن، اندازه‌گیری عملکرد و نظارت ایجاد کنند. استراتژی داده و تحلیل آن‌ها باید به صورت فرایندی پیوسته و پویا باشد تا هر نوع تغییر در محیط یا کسب و کار در آینده به حساب آورده شود.

برای شروع، یک استراتژی کوتاه مدت تنظیم کنید:

با یک استراتژی داده و تحلیل کوتاه مدت یک ساله شروع کنید. باید نقاط عطف روشنی برای این دوره یک ساله در نظر داشته باشید و زمان‌های تخمینی خود برای اتمام را به آن‌ها نظیر کنید. استراتژی شما باید روی بردهای سریع متمرکز شود: پروژه های قابل اندازه‌گیری که می‌توانند به کل شرکت نشان دهند که نرم افزار هوش تجاری چه ارزشی از داده‌های شما حاصل می‌کند. اجازه ندهید که این استراتژی کوتاه مدت، مرکز توجه شما شود. بُردهای کوتاهی که دنبال می‌کنید باید به هدف بلند مدت شما، یعنی کارمندان داده محور، کمک کند. در ضمن این طور نباشد که استراتژی شما فقط به خرید نرم افزار هوش تجاری بپردازد. بلکه این خرید باید به دستیابی شما به اهدافی که قبل از در نظر گرفتن استراتژی BI در ذهن داشتید، کمک کرده باشد. وقتی که نرم افزار BI را خریداری می‌کنید، دقیقا بدانید که برای چه آن را می‌خواهید.

گام دوم، افراد؛ ایجاد یک ساختار سازمانی انعطاف پذیر، بهره برداری از منابع تحلیلی و پیاده سازی آموزش‌های تحلیلی مداوم:

بهترین مهارت‌های ضروری تحلیل داده همواره در حال تغییر است. سازمان‌ها باید نیازهای آینده را پیش بینی کنند و اطمینان حاصل کنند که توانایی‌ها و نقش‌های لازم وجود دارد یا در حال توسعه است یا این که قابل تأمین از خارج سازمان است تا کار تعیین شده در استراتژی داده و تحلیل را پشتیبانی کنند. اگر توانایی‌های تحلیلی درون سازمان محدود است، باید به فکر تشکیل تیم مجازی BI شامل مدیران واحدهای کسب و کار و کاربران باشند.

برای شروع، یک تیم مجازی BI بسازید:

یک تیم مجازی BI چیست؟ تیمی که در صورت نیاز کار می‌کند. یک تیم مجازی به جای تعیین نقش، حول اهداف تعیین شده سازماندهی می‌شود. به جای تشکیل یک واحد هوش تجاری که نیاز به زمان و هزینه دارد، یک تیم BI مجازی متشکل از ذینفعانی از سراسر واحدهای شرکت، چه واحد IT و چه واحدهای کسب و کار است. وظیفه این تیم مجازی، تعیین استراتژی BI شماست. سپس به تدریج این تیم را از گود خارج کنید. این تیم مجازی نباید به یک مرکز قدرت یا بخش جدید تبدیل شود. بلکه هدف این تیم این است که اطمینان حاصل کند برنامه داده و تحلیل شما نیازهای بخش‌های مختلف شرکت را برآورده می‌کند به گونه‌ای که کارمندان مایل و قادر باشند که داده محور عمل کنند.

گام سوم، حاکمیت؛ پیاده سازی یک برنامه حاکمیت داده:

بیشتر سازمان‌ها با بلوغ BI پایین، یک برنامه رسمی حاکمیت داده ندارند. ممکن است راجع به آن فکر کرده باشند و اهمیت آن را کشف کرده باشند، اما نمی‌دانند از کجا شروع کنند. رهبران تحلیل، حاکمیت را به عنوان “قوانین بازی” در نظر می‌گیرند. این قوانین می‌توانند اهداف کسب و کار را پشتیبانی کنند و هم‌چنین سازمان را قادر می‌سازند که تعادلی بین فرصت‌ها و خطرات در محیط دیجیتال برقرار کند. سازمان‌ها باید با ایجاد یک فهرست از دارایی‌های اطلاعاتی سازمان و این که کجا قرار دارند و چه کسی از آن‌ها استفاده می‌کند، شروع کنند. سپس یک چارچوب مورد توافق برای کار با داده‌ها پایه‌ریزی کنند.

برای شروع، یک چارچوب اولیه و مقیاس پذیر حاکمیت داده تنظیم کنید:

تنظیم چارچوب حاکمیتی با تعیین این که چه داده‌هایی در اختیار دارید شروع می شود. دریابید که چه داده‌هایی را جمع‌آوری می کنید و در کجا قرار دارند. از آنجا، تنظیم استراتژی حاکمیت شما به این معنی است که شما برنامه‌ای را برای اطمینان از تمیز بودن، دقیق بودن، قابل استفاده بودن و امن بودن داده‌های خود تهیه کرده‌اید. اگر چارچوب حاکمیت را از ابتدا ایجاد نکرده باشید، انجام آن در آینده دشوار خواهد بود. باید نرم افزار هوش تجاری را به گونه‌ای تنظیم کنید که کاربران به آن‌چه نیاز دارند و نه به همه داده‌ها دسترسی داشته باشند. به خاطر داشته باشید که هیچ کس دوست ندارد در مورد این که مجاز به انجام چه کارهایی هست یا نیست، امر و نهی شود. دقت کنید که حاکمیت داده‌ها نه یک محدودیت، بلکه یک توافق و اثرگذاری است. اگر استراتژی حاکمیت شما به شکلی مشارکتی تدوین شود، احتمالاً کارمندان حاکمیت را به عنوان یک همکاری و نه اجبار می‌بینند. چارچوب حاکمیت داده باید از طریق مشارکت واحدهای کسب و کار و واحد IT تنظیم شود.

گام چهارم، فناوری؛ ایجاد یک پلتفرم یکپارچه تحلیل که بتواند طیف وسیعی از کاربران را پشتیبانی کند:

سازمان‌های با سطح بلوغ پایین غالبا زیرساخت‌های IT اولیه دارند. پلتفرم‌های BI آن‌ها غالبا سنتی و گزارش محور هستند که در سیستم ERP (برنامه ریزی منابع سازمانی) گنجانده شده‌اند یا این که ابزارهای گزارش‌گیری مختلفی هستند که کاربران محدودی را پشتیبانی می‌کنند. رهبران داده و تحلیل بایستی پلتفرم‌های تحلیلی یکپارچه را در نظر داشته باشند که زیرساخت‌های فعلی آن‌ها را توسعه دهد و شامل فناوری‌های تحلیل مدرن باشد. بعلاوه، در هنگام خرید برنامه و نرم‌افزار هوش تجاری باید این اطمینان حاصل شود که نرم افزار دارای قابلیت‌های self-service باشد. به این معنی که استفاده از آن آسان باشد و هر شخصی در شرکت بدون در نظر گرفتن دانش فناوری بتواند از آن استفاده کند.

 

شما برای ارزیابی و افزایش سطح بلوغ هوش تجاری و تحلیل سازمان خود چه کرده‌اید؟ راهکار تحول دیجیتال و سازمان داده محور بنتک شما را در این مسیر همراهی می‌کند.

منابع

https://www.gartner.com/en/newsroom/press-releases/2018-12-06-gartner-data-shows-87-percent-of-organizations-have-low-bi-and-analytics-maturity

https://blog.capterra.com/bi-maturity-model/

منبع عکس: ThinkStock Photos