האם ניתוח נתונים מתבצע באופן יעיל?

ממחקר חדש של חברת האנאליסטים IDC (קרי The State of Data Discovery and Cataloging) עולה כי, כמו בהרבה מסלולי עסקים, אנשי מקצוע מבזבזים זמן רב בניסיון למצוא מידע. זה ממצא משמעותי במיוחד, כי "מנתחי נתונים" מתוארים כל הזמן כבעלי המקצוע ה-"חם" ביותר עבורו משולם השכר הטוב ביותר עבור העבודה, ולכן מאמץ מבוזבז יכול לפגוע קשה בחברות.

לפי המחקר, מנתחי נתונים מבלים יותר זמן בחיפוש והכנת נתונים מאשר בחילוץ ערך מהם כפי שניתן לראות מהתרשימים שלהלן:

למה זה קורה?

זה קורה כי רוב האנליסטים צריכים למנף בין חמישה ל -15 מקורות נתונים שונים כדי לסייע להם לקבל החלטות עסקיות. המידע שמנתחי הנתונים עובדים אתו לא תמיד קל לשימוש. לעתים קרובות הוא לא שלם, לא בזמן, וקשה לגילוי מלכתחילה. נוסף על כך, מנתחי המידע המקצועיים נדרשים, לעתים קרובות לתחקר אותו באופן שונה מכפי שדורג או קוטלג  על ידי המשתמשים בו. ניתוח ועבודה עם הנתונים הוא לעתים קרובות תהליך רב-שלבי ועתיר-עבודה כדי להפוך אותם למידע שימושי לצורכי תחקור. נתונים שונים נפרסים, לעתים קרובות, על פני מספר מערכות שונות, הם רבים ומגוונים וקשה לדעת מה מתוכם רלוונטי. הנתונים יכולים להיות בצורות שונות ומבנים שונים. ללא פתרונות שמפשטים את התהליך, זמני הכנת הנתונים עשויים להכפיל את זמן התחקור.

האתגר נובע הן מנפח הנתונים ומהמגוון ההולך וגדל שלהם, תהליכים יכולים להיות יעילים יותר, כי נתונים ונכסי מידע היו קלים יותר להשגה.

בנוסף, מבנים ארגוניים לקויים מובילים לחוסר ידע סביב האופן שבו משתמשים בנתונים ברחבי הארגון, ואילו נכסי מידע כבר קיימים יכולים לסייע לאנשי מקצוע להפסיק לייצר את הגלגל מחדש. בממוצע, הם מבזבזים 20% מזמנם השבועי על חיפוש מידע שכבר קיים. שיתוף טוב יותר של ידע ומבנים ארגוניים יעילים יותר יעזרו להשיג חלק מהאתגרים האלה. פלטפורמת נתונים מוגדרת יכולה להסיר הרבה מהנושאים המתעוררים ככל שהרכב הנתונים הופך למסובך יותר.

סיבה נוספת שלעתים קרובות נוטים להתעלם ממנה, היא העובדה כי מנתחי הנתונים עובדים לעתים קרובות יותר מ-50 שעות בשבוע. שעות עבודה ארוכות הן סימפטומטיות לירידה ביעילות עבודה מקצועית אינטלקטואלית.

גילוי הנתונים (Data Discovery)

גילוי נתונים הוא היכולת לאתר, להבין, לגשת ולסמוך על נתונים, וזה מפתח המאפשר לעסקים בעידן של טרנספורמציה דיגיטלית. הגילוי מספק את מקורות המידע המודיעיני הגולמי המאפשר ניתוח אנליטי להגברת התפוקה והחדשנות. הגילוי הוא ההתחלה והסיום של התהליך האנליטי: הוא לא רק מאפשר למצוא את הנתונים הראשונים ולזהות את נכסי המידע הרלוונטי, אלא מספק גם מאגר מרכזי לשיתוף כל הנכסים האנליטיים בארגון. וכאשר מתקבלת תשובה, לאחר הניתוח, היא יכולה, לעתים קרובות, לחסוך סבב חדש של גילוי.

הבעיה היא, שהנתונים לעתים קרובות לא שלמים, לא זמינים , לא קלים לשליפה, לא קל לפענח אותם בהיעדר מילון ארגוני (Meta Data) מתאים ולא תמיד מהימנים. לכן כ-50% מזמן העבודה על גילוי הנתונים מושקע בטיוב שלהם תוך כדי התהליך.

גילוי הנתונים וקטלוגם היו תמיד על סדר היום של מומחי ה-BI, אך חשיבותו עלתה עם הגידול בכמות הנתונים, הסוגים השונים וקצב יצירתם, גידול זה מעלה שאלות קשות על רמת אמינות הנתונים והיכולת לסמוך עליהם ולהשתמש בהם לקבלת החלטות אסטרטגיות. אמצעי גילוי הנתונים יוצר אמון בהם והופך אותם לשמישים עבור צרכי הארגון.

עובדי נתונים

גרטנר (Gartner) משתמשת במושג "מדען נתונים", או "אנליסט עסקי מתקדם", שהם היום התפקידים החמים ביותר בתעשייה ונמצאים במחסור מתמיד.

לפי המחקר של IDC, שליש מכוח העבודה של ארגון הם "עובדי נתונים" ורובם עובדים יותר מ -50 שעות בשבוע כדי לכסות על המחסור באנאליסטים. במידה רבה. אנשים אלה עובדים במחלקות העסקיות שלהם ומבינים את הנתונים שלהם והקשר העסקי שלהם, הם יכולים לסמוך על התובנות שלהם, והם הדרך היחידה לעקוף את המחסור של מדעני נתונים מאומנים בתוך התעשייה.

אנליזה בשירות עצמי

פלטפורמות אנליזה בשירות עצמי יכולות לסייע לאנשים רבים יותר בארגונים לאמץ Big Data וחדשנות באנליזה, מבלי להסתמך על מיומנויות שקשה למצוא של מדעני נתונים מוכשרים או מתכנתים. ככל שיותר עסקים מנסים להתחרות עם כמויות עצומות של נתונים, זה יהיה קריטי לארגון שיותר אנשים בתוכו יוכלו להבין את הכלים הזמינים ולקבל תובנות במהירות.

זה יושג על ידי בניית תרבות נתונים ברחבי הארגון, אימון העובדים הנכונים ומתן הכלים שהם צריכים כדי להיות אנליסטים של הנתונים שלהם.