Organizacje, które chcą podejmować najlepsze decyzje biznesowe muszą, skupić się na poszukiwaniu rozwiązań wspierających procesy efektywnego przetwarzania, standaryzacji i integracji danych. Mimo zyskującej na popularności idei Data Driven, polegającej na napędzaniu wzrostu firm przez analizę danych i traktujących je jako kluczowy zasób przedsiębiorstwa, wiele firm odkłada moment reorganizacji modelu zarządzania danymi na nieokreślone później. Wiele organizacji korzysta z data warehouse zbudowanych lokalnie, jednak tego typu modele mają określone ograniczenia. O tym, dlaczego warto inwestować w procesy porządkowania danych, jakie sygnały świadczą o potrzebie modernizacji istniejących rozwiązań oraz od czego zacząć ten proces przybliżę w tym artykule.
Data Management to proces strukturyzowania i standaryzacji rozproszonych danych, umożliwiający budowę analiz z wykorzystaniem informacji z wielu źródeł, wśród których najpopularniejsze to systemy księgowo-finansowe, płacowo-kadrowe, CRM, ewidencji czasu pracy, sprzedażowe i inne, również zewnętrzne, z których potrzebujemy pozyskać informacje. Sprawne zarządzanie danymi pozwala wykorzystać ich potencjał analityczny i tym samym podejmować trafniejsze decyzje biznesowe. Procesy transformacji cyfrowej i digitalizacji bez uwzględnienia budowy procesów zarządzania danymi spowodowały, że przedsiębiorstwa posiadają wiele źródeł danych, w efekcie komplikując pozyskiwanie niezbędnych informacji. Istotą standaryzacji rozproszonych danych, jest usprawnienie dostępu do kluczowych informacji i skrócenie czasu ich pozyskania oraz uwolnienie potencjału analitycznego organizacji dzięki pozyskaniu wielowymiarowego jej obrazu.
Przy pewnym poziomie ilości gromadzonych i przetwarzanych informacji, posiadanie lokalnej hurtowni danych jest już standardem. Często jednak powstała ona nawet lata temu i stopniowo przestaje spełniać oczekiwania użytkowników.
Największym problemem data warehouse on-premise, jest ich niewydolność ze względu na rosnącą ilość danych nieustrukturyzowanych, trzymanych “na boku” potrzebnych do ad-hocowych zapytań. Z innej perspektywy raporty oraz ograniczenia systemowe, których skalowanie wymaga znacznych nakładów finansowych, również stanowią problem. Stworzone w przeszłości modele danych przestają odpowiadać potrzebom biznesu, a ich utrzymanie, przebudowa i optymalizacja jest wyzwaniem dla osób które często nie miały nic wspólnego z ich projektowaniem.
Inną potrzebą, jest rozszerzenie obszaru analiz i podniesienie ich jakości, co często nie jest możliwe z wykorzystaniem lokalnej hurtowni danych. Firmy planujące wykorzystanie systemów zaawansowanej analityki klasy business intelligence, takich jak np. Power BI czy Targit, stają przed wyzwaniem zasilenia tego typu rozwiązań jakościowymi danymi. Nietrudno w takiej sytuacji wpaść w pułapkę GIGO (Garbage In, Garbage Out).
Powyższe skutkuje sytuacją, gdzie firmie coraz trudniej pozyskać od ręki wartościowe informacje. A nie taka jest przecież istota data warehouse – która z założenia ma sprawnie i szybko dostarczać informację niezbędne do prowadzenia i rozwoju biznesu.
Jeżeli powyższe kwestie brzmią znajomo, to znak, że warto rozważyć możliwość modernizacji hurtowni danych.
Pierwszym krokiem, jaki należy wykonać, jest audyt. Bez odpowiedniej weryfikacji logiki przetwarzania i procesów nie jesteśmy w stanie określić miejsc powstawania błędów.
Innym istotnym elementem jest też ustalenie, czy mamy wewnątrz organizacji zasoby z odpowiednimi kompetencjami i czas, aby podjąć się realizacji takiego projektu. Niestety często osoby budujące architekturę posiadanej hurtowni są już poza organizacją, zajmują inne stanowiska lub też skupiają się na innych projektach, a działy IT mają zapełnione grafiki i niską dostępność. W takich sytuacjach rozwiązaniem wsparcie się firmą zewnętrzną.
Bo żadnej firmy już nie stać, aby dane traktować inaczej niż jako jeden z kluczowych zasobów organizacji. Należy więc określić jakie informacje data warehouse ma dostarczać i jak dzięki ich analizie możemy budować przewagę na rynku. Nasze doświadczenia w tego typu projektach bazują na ponad 100 zrealizowanych wdrożeń, zarówno w firmach technologicznych takich jak Avenga, produkcyjnych jak Gdańska Stocznia Remontowa czy handlowych jak Scandagra. Branże różne, ale potrzeby co do zasady dość zbliżone: usprawnić procesy zbierania danych, dostarczać je szybciej, o lepszej jakości i uwolnić potencjał analityczny organizacji.
Senior Business Consultant
W Solemis Group Sp. z o.o. odpowiada za budowę relacji z Klientami na bazie sprzedaży doradczej i optymalizacji rozwiązań zwiększających efektywność biznesu. Swoje kompetencje zawodowe budował w branży finansowej w projektach związanych z kreowaniem i wdrażaniem strategii sprzedaży, projektach informatycznych, marketingowych oraz zarządzał dużymi rozproszonymi strukturami sprzedaży.