یکی از چالش‌های همیشگی در سازمان‌های بزرگ، تعیین مالکیت تحلیل داده‌ها (Analytics) است. بسیاری از سازمان‌ها یا تحلیل داده‌ها را به‌طور کامل به بخش IT می‌سپارند که منجر به ایجاد صف‌های طولانی انتظار و کندی در پاسخگویی می‌شود، و یا آن را به‌طور کامل به واحدهای عملیاتی واگذار می‌کنند که نتیجه آن هرج‌ومرج در تعاریف و هزینه‌های خارج از کنترل است.
شکست مدل‌های تک‌بعدی: متمرکز در برابر غیرمتمرکز
در مدل متمرکز (Centralized)، مدیریت امنیت و حاکمیت داده‌ها (Governance) در سطح بالایی قرار دارد. متخصصان شبکه و کنترل دسترسی، ارتباط با داده‌های خام سیستم‌های ERP، TMS و CRM را مدیریت می‌کنند. اما در این مدل، سرعت عملیاتی قربانی می‌شود. تحلیلگران کسب‌وکار مجبورند برای هر تغییر کوچک در داشبوردها، تیکت ثبت کنند و منتظر اولویت‌بندی IT بمانند؛ در حالی که تحلیل داده ماهیتی تکرارشونده (Iterative) دارد و نیاز به تغییرات سریع بر اساس نیاز لحظه‌ای کسب‌وکار دارد.
در مقابل، مدل غیرمتمرکز (Decentralized) منجر به فقدان استانداردهای مشترک می‌شود. برای مثال، ممکن است واحد بازاریابی، فروش و مالی هر کدام تعریف متفاوتی از کلمه «مشتری» داشته باشند و جلسات مدیریتی به جای تصمیم‌گیری، صرف بحث بر سر صحت اعداد شود. همچنین، نبود نظارت متمرکز می‌تواند منجر به افزایش شدید هزینه‌های ابری (Cloud Costs) شود، زیرا هر واحد بدون رعایت بهینه‌سازی، زیرساخت‌های خود را ایجاد می‌کند.
مدل توزیع‌شده: تفکیک مهندسی داده از تحلیل
راهکار بهینه، تقسیم مالکیت بر اساس تخصص است:
- بخش IT: مالکیت مهندسی داده (Data Engineering)، زیرساخت، امنیت و دسترسی‌ها.
- بخش کسب‌وکار (Business): مالکیت تحلیل‌ها، طراحی داشبوردها و استخراج بینش‌های عملیاتی.
- تیم واسط (Center of Excellence): یک تیم کوچک برای مدیریت استانداردهای مشترک و جلوگیری از فاصله گرفتن این دو بخش از یکدیگر.
تاثیر مشارکت کاربران بر نرخ پذیرش (Adoption Rate)
تجربه نشان می‌دهد ابزارهایی که صرفاً توسط تیم IT طراحی شده‌اند، حتی اگر از نظر فنی بی‌نقص باشند، نرخ پذیرش بسیار پایینی دارند. اعتماد و استفاده واقعی زمانی شکل می‌گیرد که کاربران نهایی (End-users) در فرآیند طراحی یا حتی ساخت ابزارها مشارکت داشته باشند. تغییر مدل از «ساخت متمرکز» به «ساخت توزیع‌شده» (در حالی که زیرساخت داده همچنان در اختیار IT است) می‌تواند نرخ استفاده از ابزارهای BI را از ارقام تک‌رقمی به بیش از ۸۰ درصد ارتقا دهد.
چالش‌های پیاده‌سازی مدل ترکیبی
انتقال به این مدل بدون هزینه نیست و سه چالش اصلی دارد:
- کندی در شروع: ایجاد مدل‌های داده مشترک و قالب‌های تست‌شده زمان‌بر است.
- پیچیدگی در هماهنگی: مدیریت تیمی که به دو مدیر مختلف (مدیر IT و مدیر عملیاتی) گزارش می‌دهد، دشوارتر از یک زنجیره فرمان واحد است.
- مقاومت در برابر استانداردسازی: کاربران در ابتدا ممکن است قوانین نام‌گذاری و مدل‌های داده را محدودکننده بدانند تا زمانی که مزایای اعداد یکسان در تمام دپارتمان‌ها را مشاهده کنند.
