Ключевые факторы, предсказывающие успех Big Data проектов

Применение технологии Big Data — возможно, самый важный проект в умах большинства руководителей сегодня, все с высокими ожиданиями о монетизации этих данных. Однако очень высокий процент их терпит неудачу. Будьте конкретнее, согласно компиляции исследований, проведенных консультантами, специализирующимися на стратегии и Big Data, включая Gartner и NewVantage Partners, в последние годы о внедрении Big Data в компаниях, около 80% Big Data проектов терпят неудачу». И первый вопрос, который мы должны задать себе — почему?

Причины неудач в проектах данных

Цифры показывают нам, что хотя компании инвестируют капитал в запуск Big Data проектов, многие не получают ценности. Существуют общие причины, почему проекты склонны застаиваться, и мы объясним их ниже:

• Несоответствие между стратегическими целями и техническими навыками: первое, что нужно сделать при внедрении такого проекта — понять реальную бизнес-проблему и точно оценить её риски с начала. Запуск проекта без четкого анализа проблемы и без определенных целей в соответствии со стратегией данных ослепляет стратегическое видение и превращает проект в неудачу.

• Нехватка инфраструктуры и ресурсов: крупные данные проекты требуют надежной инфраструктуры и ключевых ресурсов, особенно касательно талантов. Те, кто пытается двигаться вперед, не покрыв эти критические функции, испытывают разрыв в навыках и в итоге находят свои проекты застопорившимися из-за неадекватного образования, обучения и опыта в применении анализа.

• Сложность и негибкость: как бы много у вас было необходимых ингредиентов для разработки этого типа проекта, если архитектура и объем проекта слишком жестки, он провалится. Есть склонность усложнять проблему и создавать слишком сложные решения. Эта практика отвлекает фокус от большой картины и уводит от правильного решения.

• Проваленная модель науки о данных: низкое качество и точность данных — главное препятствие для успеха проекта. Затраты на интеграцию высоки и данные часто остаются большим источником неразгаданной информации. Все отношения в данных должны быть извлечены или выведены и сделаны явными, чтобы машины могли интерпретировать данные правильно.

• Пробелы интеграции: плохая коммуникация между data scientists и стейкхолдерами бизнеса результатом в гарантированной неудаче. Это самая частая причина, почему крупные данные проекты не применяются к производству и проваливаются. Поток информации критичен для интеграции проекта этой величины.

Ключи успеха в проектах данных

Реальность показывает, что путь к выгодам на основе данных ни легок, ни прост. Компании должны развить ряд способностей для трансформации больших данных в бизнес, которые должны быть глобальными (вовлекающими всю организацию) и основанными на рутинных и повторяющихся процессах и рабочих процессах.
Существует 4 компонента успеха, которые помогут вам смягчить риск и гарантировать, что результаты соответствуют вашим ожиданиям для проекта:

ДАННЫЕ (DATA)

Рост на основе данных невозможен без надежной структуры данных. Организации должны собирать внутренние и внешние (даже купленные) данные, хранить их и делать доступными для организации.
Объемы данных растут и новые форматы постоянно появляются. Компании должны иметь возможность анализировать эти данные через сложные модели и отчитываться о них способом, позволяющим всем сторонам извлекать ценные выводы.
Эта способность требует навыков в разработке датчиков, инфраструктуры для хранения данных и методов защиты данных от хакеров.

АВТОНОМИЯ (AUTONOMY)

Понятие автономных команд и децентрализованного принятия решений фундаментально для разработки любой стратегии, позволяя сотрудникам предлагать свои идеи и даже принимать свои решения. Но автономяя оспаривается все более сложными проектами, гибкими крупными командами и, возможно, все более мультидисциплинарными.
Поэтому критически важно создать должность менеджера данных (CDO), ответственного за установление общей коммуникации и обеспечение того, что группа действует как самоорганизующаяся или автономная команда.
Одновременно важно, чтобы команда была обучена в том, что data scientist может и должен внести, и чтобы data scientist гарантировал, что данные помогут сотрудникам принимать новые решения.

ТЕХНОЛОГИИ (TECHNOLOGY)

Технологии так же существенны для успеха данных. Это включает важный первый шаг в фазе применения, а также необходимый компонент для цифрового хребта.
Неважно, насколько у вас лучшие идеи и самые ценные данные, если ваша технология не в состоянии или не масштабируема, в итоге она не создаст реальную ценность для компании. Поэтому критически важно иметь стратегического партнера, эксперта в области, чтобы советовать вам.

ОТВЕТСТВЕННОСТЬ (RESPONSIBILITY)

При рассмотрении стратегии данных критически важно учитывать, что разрешено и что запрещено. Есть три области ответственности для рассмотрения: закон, формальные контракты и социальные стандарты.
Когда данные имеют способность идентифицировать индивида, применяются определенные регуляции безопасности данных и принуждения. Поэтому важно прояснить ожидания и цели всех сторон для обеспечения надежной контрактной базы.
С другой стороны, использование данных может быть легальным и законным для сторон, вовлеченных в контракт, но может быть неуместным для клиентов или общества. Компания должна иметь кого-то ответственного за этичное обращение с данными и установку параметров.

Дальнейшие последствия

Важность культуры и человеческого фактора играют равно важную роль в разработке проектов данных. Откройте 10 шагов к достижению хорошей культуры данных, от важности имеющего коммитированного менеджера до необходимости плавной системы коммуникации.

Распределение ресурсов — другая ключевая точка при рассмотрении инвестиций, необходимых для проекта. Если ресурсы распределяются слишком тонко, мы можем поставить под угрозу более приоритетные проекты. По этой причине необходимо советоваться и находить баланс в инвестициях, делая прогноз фондов и учитывая проблемы внедрения, которые могут возникнуть по мере прогресса проекта.

Ваш Big Data проект

Объем, время, бюджет и качество — критические компоненты любого проекта. Несоблюдение одного или нескольких из этих мер — причина, почему большинство проектов данных оспариваются или проваливаются полностью.
Как бизнес, вы должны сначала гарантировать, что проекты данных выровнены и связаны с бизнес-приоритетами, а затем построить всю гибкую, видимую и невидимую инфраструктуру вокруг них. Стоит делать это понемногу, с простыми моделями и под руководством стратегического партнера как Nexus Integra.

Интегрированная операционная платформа Nexus Integra состоит из мощной трехслойной структуры, помогающей вашей компании интегрировать, приобретать, стандартизировать, унифицировать, управлять и отображать данные простым способом.
— Первый слой, Nexus Connect, помогает вашей компании интегрировать и приобретать неструктурированные данные через сложные IoT-устройства и инструменты.
— Второй слой, Nexus Core, отвечает за стандартизацию и унификацию этих данных через Big Data.
— Третий слой, Nexus Applications, состоит из нативных приложений Nexus Integra и других, разработанных третьими сторонами, которые дают вам необходимые инструменты в глобальной операционной среде для управления и отображения данных простым способом.