Transformacja organizacji: jak budować kulturę Big Data
Budowanie kultury danych to kilka wyzwań, z których najważniejsze to infrastruktura analityczna, transfer wiedzy i… zmiana przyzwyczajeń analityków.
Mimo że zwykle analitycy w przedsiębiorstwie wiedzą, co chcieliby znaleźć i na jakie pytania sobie odpowiedzieć to nie zawsze mogą to zrobić. Najczęściej przyczyny są dwie: albo technologie stosowane w firmie, banku, nie pozwalają np. na przeprowadzenie złożonej analizy na danych całorocznych z zejściem do poziomu pojedynczego rachunku, albo nawet jeżeli jest możliwość skorzystania z nowoczesnych technologii to specjaliści nie potrafią ich użyć. Są też sytuacje, gdy zachodzą oba przypadki naraz. Jak można więc stosunkowo szybko zbudować infrastrukturę analityczną i jednocześnie kompetencje, aby pracownicy przeszli od „Data Analyst” do „Data Scientist”?
Przedstawiony powyżej scenariusz sprowadza się na początek do sytuacji szkoleniowej, ponieważ pracownik najpierw musi się nauczyć odpowiedniej technologii, albo musi uzyskać dostęp do infrastruktury, gdzie będzie mógł zacząć testować swoje analizy – najlepiej na środowisku testowo/szkoleniowym. To oznacza, że środowisko takie będzie miało zmienne obciążenie i nie musi być koniecznie sprzęgnięte z tradycyjnym środowiskiem IT. Idąc dalej tym tokiem rozumowania, scenariusz ten wydaje się być idealnym przykładem na wykorzystanie chmury obliczeniowej (cloud computing), ponieważ daje kilka istotnych korzyści:
- Elastyczność wykorzystania – płatność za zużyte zasoby i/lub czas; łatwo rozliczyć co ile kosztuje i kogo za to obciążyć;
- Szybkość uruchomienia – zazwyczaj gotowe w ciągu kilku minut lub godzin (w zależności od złożoności), bez konieczności uruchomienia zasobów ze strony IT;
- Dostępność rozwiązań Big Data– zdecydowana większość dostępnych na rynku (w tym open-source) może być tam zainstalowana i wykorzystana.
- Zgodność z prawodawstwem polskim – działając na zbiorach danych testowych (a więc odpowiednio przygotowanych – np. zanonimizowanych) nie przetwarzamy tam danych wrażliwych, które mogą być objęte np. tajemnicą bankową.
Mogą się pojawić głosy, że jeżeli wejście w technologie Big Data jest decyzją strategiczną, to należałoby od początku zainwestować w rozwiązania odpowiedniej skali (np. appliance – sprzęt z oprogramowaniem w jednym) i zbudować je od razu u siebie oraz zintegrować to obecnym środowiskiem IT. Jednak takie podejście niesie ze sobą kilka ryzyk:
- Wysoka inwestycja na początku – bez gwarancji sukcesu. Na początkowym etapie warto spojrzeć na możliwość elastycznego korzystania z technologii aniżeli posiadania jej na własność.
- Brak scenariuszy biznesowych wykorzystania takich narzędzi. Jeżeli jesteśmy na początku tej drogi, to jest to trochę tak, jakbyśmy chcieli nastolatkowi dać Ferrari i powiedzieli mu „jedź”, bez wskazania celu, nie wiedząc nawet czy bardziej zależy nam na czasie czy przewiezieniu dużych ładunków masowych.
- Zamknięcie się na jedną technologię. Obszar Big Data zmienia się nieustannie i bardzo szybko, dlatego więc nie ma sensu już w tej chwili zamykać się na wybór tylko jednej technologii.
Oczywiście samo środowisko szkoleniowe nie wystarczy, aby pracownicy nabyli odpowiednie umiejętności. Ktoś jeszcze powinien pokazać im jak z Big Data należy korzystać i co jest dostępne. Dochodzimy więc do kolejnego ważnego elementu – transferu wiedzy.
Jak łatwo się można domyślić, trudno będzie znaleźć specjalistów od BigData z 20-letnim doświadczeniem, którzy mogliby się tą wiedzą podzielić. To nie jest dojrzały rynek. To jest młoda (dosłownie) gałąź biznesu i to czasami odległa bardzo od tego tradycyjnego. Jak to często bywa na młodym rynku, takich specjalistów, którzy nie tylko się znają na tym co robią, ale również potrafią się tym podzielić, nie jest dużo. Jeżeli są – to nie zawsze są dostępni lub mają stawki, które nie mieszczą się w zakładanych budżetach. Jakie są więc inne opcje?
Dla pojedynczych osób, o dużej samokontroli i preferujących własne tempo znakomitym rozwiązaniem mogą być kursy online, np. w serwisie Coursera. Prowadzone przez kilku profesorów z uniwersytetów amerykańskich pozwalają w ramach pewnego, określonego harmonogramu (i nadal w swoim tempie) uzyskać bardzo dobry wgląd w narzędzia i metodykę podejścia Data Scientist. Z wieloma materiałami dodatkowymi, bogatą społecznością wokół kursu i niewygórowaną ceną z pewnością można wiele się nauczyć.
O autorze
