Büyük veri başarısı İpucu No. 3: Veri doğruluğunu eksik bırakmayın
Aberdeen Group’un yeni araştırması, büyük veri başarısı için bir diğer turnusol kağıdına vurgu yapıyor: veri doğruluğu.
Rapora göre sınıfının en iyisi firmalar (Aberdeen ölçütlerinde tanımlandığı şekliyle) yüzde 94 veri doğruluğunun organizasyonel hedefleri olduğunu ve bu hedefi yakalamak için yüzde 1’lik geliştirme gerektiğini rapor etti. Ancak endüstri ortalamasındaki işletmeler yüzde 91’lik bir veri doğruluğu hedefini açıkladı ve bunu başarmak için veri yönetim metodolojilerinde yüzde 18’lik bir geliştirmeye ihtiyaç olduğunu bildirdi. “Geride kalanlar” ise yüzde 80’lik bir veri doğruluğu hedefi açıklarken, mevcut performanslarında buna ulaşmak için yüzde 40’lık bir iyileştirme gerektiğini duyurdu.
Burada veri temizleme ve yönetimi büyük veri başarısı için kritik. “Bazı inanışların aksine, bu gereksinim ortadan kaybolmuyor,” şeklinde konuşuyor veri yönetimi ve büyük veri danışmanlık firması Caserta Concepts kurucusu ve CEO’su Joe Caserta. “Eğer büyük veri numunesi yeni kurumsal analitik platformu olacaksa, veri kaynağı ne olursa olsun müşteriler, ürünler, çalışanlar, konumlar vs. ile aynı hizada olmak zorunda.”
Aynı zamanda, veri analizlerinin güvenilirliğini uzun bir süredir tehdit eden veri kalitesi sorunları uygun bir biçimde çözülmedikleri takdirde büyük veri analitiği üzerinde de aynı etkiye sahip olacaktır, diyor Caserta.
Tipik bir büyük veri projesi üzerinde, veri yönetimi sıklıkla geliştirme ekibi tarafından “önceliği düşürülüyor” ve bu çözümsüz olabilir, diye ekliyor DRC’den Chabot. Efektif veri yönetimi, model yönetimi, metadata yönetimi, referans veri yönetimi, ana veri yönetimi, sözlük yönetimi, veri kalitesi yönetimi ve veri envanter yönetimini ele almak için olgunlaşmış tekniklerin (süreç ve otomasyon) yerli yerinde olmasının teminini içerir, şeklinde konuşuyor Chabot.
Büyük veri başarısı İpucu No. 4: En iyi sonuçlar için en iyi uygulamaları biriktirin
Konu büyük veri ve analitiklerin yönetimine geldiğinde insanlar neyin işe yaradığını neyin yaramadığını keşfediyor. Aynı organizasyon tarafından görevlendirildiklerinde, bu bilgi neden paylaşılmasın?
Bunu gerçekleştirmenin bir yolu bir büyük veri COE (mükemmeliyet merkezi) yaratmaktır; liderlik, en iyi uygulamalar ve bazı durumlarda destek ve eğitim sağlayan paylaşılan bir varlık.
Tipik olarak COE’ler ayrılmış bir bütçeye sahiptir ve sorunların analizi, teşebbüslerin, gelecekteki durum ve standartların tanımlanması, kullanıcıların eğitilmesi, planların yürütülmesi ve ilerlemenin kontrolü için tasarlanmıştır, diye konuşuyor büyük veri ve analitik programlarında uzmanlaşmış olan danışmanlık firması Massive Data Insight kurucularından Eliot Arnold. Bir COE’nin başlatılması var olan kaynakların tespit edilmesi ve direktör seviyesinden bir destek gerektirir, diyor Arnold.
Her ne kadar bir büyük veri COE’si kağıt üzerinde iyi bir fikir gibi gözükse de, onun etkinliği uygulamada ne kadar iyi kullanıldığıyla saptanacaktır, diyor DRC’den Chabot.
Bütün veri yaşam döngüsünü kapsayan bir CEO için çok sayıda temel güçlük bulunuyor, diyor Chabot. En iyi uygulamaların belirlenmesi; tarafsız bir biçimde ayrıntılı olarak incelenmeleri; uygulanabilirliklerini düzgün bir biçimde belgelemek; benimsenmelerini gözetmek; ve zaman içinde bunları modernize etmek de dahil.
DRC, organizasyonlar tarafından kullanılan bir süreç iyileştirme çerçevesi CMMI (Capability Maturity Model Integration) benzeri bir büyük veri olgunluk seviyesi tanımladı. Büyük veri olgunluk seviyesi modelleri ilgili en iyi uygulamaları ayrıntılı bir biçimde planlıyor. Bunlar dört gruba ayrılıyor: planlama/yönetim, proje yürütme, mimari ve konuşlandırma/yürütme. Bu, hızla aşırı karmaşık olmaya çalışmanın tehlikelerinden koruyor, diyor Chabot.
Büyük veri başarısı İpucu No. 5: Uzmanlık ve işbirliği anahtar
Büyük veri bir iş teşebbüsüdür, sadece bir teknoloji projesi değil. Dolayısıyla iş ve IT liderlerinin planlama, yürütme ve yönetimde anlaşıyor olmaları hayatidir.
“Bir program için en büyük tehlikelerden bir tanesi, IT ile iş tarafında strateji ve girişimleri kontrol edenlerin aralarındaki bağlantıyı kaybetmesidir,” diye konuşuyor Arnold. “Daha az olgunlaşmış organizasyonlarda belgelenmiş bir strateji yoktur, karmakarışık araçlar vardır ve karar vericiler stratejik istikameti planlamak için sezgilere dayanır. Bu tür işletmeler çoğunlukla verinin değerinin varlığından bihaberdir.”
İş liderleri ve IT profesyonelleri, amaçları ve gereksinimleri dikkatlice belirleyerek; yatırım geri dönüşünü hesaplayarak; işletme/görev ihtiyaçları için analitik yeteneklerini planlayarak; ve kesintisiz geribesleme için bir mekanizma oluşturarak büyük veri projelerinin başarısını temin edebilir, şeklinde konuşuyor DRC’den Chabot. “Bir büyük veri projesi birden çok faza bölünmeli, organizasyona artımlı olarak değer eklemelidir,” diyor Chabot.
Fakat IT ve iş liderlerinin anlaşmasını sağlamak, departmanların veri teşebbüsleri üzerinde birlikte çalışmalarını sağlamak kolay bir şey değil.
“Benim deneyimime göre, önde gelen firmalar için bu gerçekten kurumsal bir güçlük halini alıyor,” diyor Venture Development Center’dan Stryker. “Veriden sorumlu yöneticiyle ilişkilendirilen iş sorumluluğu IT departmanında mı, pazarlama departmanında mı, risk yönetimi departmanında mı bulunuyor yoksa bu departmanların her biri kendi büyük veri teşebbüslerine sahipler ve birbirleriyle koordinasyon halindeler mi?”
