School of Information Systems

Lima Alasan Untuk Memikirkan Kembali Strategi Analisis Data

Dunia profesional berada di puncak obsesi “menjadi berbasis data”, di mana semua pemain yang terlibat — perusahaan, modal ventura, dan vendor — melakukan investasi besar atau mencari modal untuk mempertahankan pertumbuhan. Bukan berita besar, tetapi jika Anda melihat lebih dekat, volumenya mencengangkan.

2021 telah menjadi tahun yang sangat panas bagi ekosistem data secara keseluruhan. Indeks Perusahaan Publik MAD, yang dirujuk dalam artikel baru-baru ini dari Forbes, menyatakan, “Pembelajaran mesin, AI, dan perusahaan data yang terdaftar secara publik mengungguli indeks utama selama lima kuartal terakhir, mengalahkan kenaikan Nasdaq sebesar 47%, S&P naik sebesar 219% , dan Dow Jones naik 347%.” Didorong oleh komunitas ventura, sektor swasta menegaskan tren tersebut.

Iklim saat ini akan memerlukan pemikiran ulang tentang strategi analisis data yang lebih luas, yang dapat membawa perusahaan ke perubahan teknologi dan organisasi yang signifikan dengan memiliki banyak tim data dan tumpukan teknologi di dalam satu organisasi.

Segala sesuatu terjadi karena suatu alasan — jadi, apa yang membawa semua orang ke sini, dan apa yang harus kita masing-masing lakukan selanjutnya?

Departemen dan fungsi bisnis berbeda sifatnya.

Hal ini terlihat jelas tetapi sering dilupakan. Setiap fungsi memiliki tujuan dan tanggung jawab spesifiknya sendiri, yang menghasilkan kebutuhan dan tantangan bisnis tertentu. Saat ini para pemimpin bisnis sadar akan kemampuan teknologi dan data baru, dan mereka mendambakan keduanya:

  • Teknologi untuk mendukung prosedur bisnis dengan lebih efektif dan efisien.
  • Data untuk mendukung keputusan bisnis khusus domain.

Menanggapi permintaan para pemimpin bisnis, Anda dapat melihat menjamurnya perusahaan rintisan dan vendor SaaS yang menawarkan solusi titik untuk tantangan ini.

Hati-hati, di sini Anda melihat teknologi yang mendukung proses bisnis itu sendiri dan bukan pada solusi untuk mengelola data yang dihasilkan. Setiap kali alat baru diadopsi, satu set data berharga baru lahir dan harus digunakan.

Memiliki sejumlah besar solusi titik menghasilkan kompleksitas memiliki data yang dihasilkan dan disimpan di banyak sistem berbeda yang perlu digabungkan kembali untuk analisis yang tepat.

Oleh karena itu, ada risiko masalah fragmentasi data yang ekstensif. Keputusan berdasarkan data perlu dibuat, dan solusi datang dalam bentuk semakin banyak kelompok khusus dan perusahaan yang dirancang untuk memenuhi peran spesifik di pasar data.

Ini adalah efek riak.

Teknologi bisnis baru menghasilkan lebih banyak data dan terfragmentasi (“masalah”) yang memunculkan teknologi data baru untuk menangani ini (“solusi”). Ada perbedaan substansial antara kedua kelompok ini. Yang pertama tidak memerlukan pengembangan atau perolehan seperangkat keterampilan baru, tetapi yang terakhir membutuhkannya. Departemen TI, analitik data, dan rekayasa data harus terbiasa dengan kerangka kerja tumpukan data modern terkini, yang dianggap paling mutakhir, dan bagian teknologinya. Tapi itu tidak jelas — di mana Anda menempatkan keterampilan bisnis di satu sisi dan keterampilan teknologi di sisi lain, pendekatan hibrida diperlukan.

Tanpa keahlian domain tertentu, menganalisis data tidak akan mengarah pada pengambilan keputusan yang tepat.

Semua peran data analitis dan teknis perlu dipadukan dengan domain yang sesuai dan pemahaman bisnis yang diperlukan untuk mendapatkan jawaban atas pertanyaan bisnis. Anda tidak dapat mengharapkan untuk memiliki tumpukan teknologi tunggal dan tim analitik tunggal yang dapat menangani semua kekhususan setiap departemen. Pendekatan data mesh mendukung hal itu, dan kemungkinan akan membawa serta adopsi beberapa teknologi data yang spesifik untuk domain dan departemen dan munculnya perusahaan data atau layanan baru yang akan menargetkan ceruk ini.

Kesimpulan

Teknologi ada di sana, dan dalam banyak hal lebih mudah untuk diukur, diuji, atau bahkan diganti, daripada bakat. Jangan memaksa para pemimpin bisnis untuk melakukan pendekatan analitik data monolit; setiap departemen berbeda. Percayai ketajaman bisnis mereka.

SaaS dan penawaran berbasis model langganan memungkinkan transisi investasi dari capex ke opex. Hal ini memungkinkan bisnis untuk melakukan banyak eksperimen baru tanpa harus mengeluarkan biaya awal yang besar. Ini juga sangat menurunkan atau kadang-kadang benar-benar menghapus biaya pemeliharaan perangkat lunak sambil meningkatkan fleksibilitas untuk mendukung prosedur bisnis yang berbeda.

Kuncinya adalah tetap fleksibel, dengan mengadopsi teknologi dan layanan yang bersifat domain dan departemen tertentu.

Lay Christian