Insight Discovery (bölüm 1) – veri projeleri neden sıklıkla başarısız oluyor? | endjin

In: Genel




Insight Discovery (bölüm 1) – veri projeleri neden sıklıkla başarısız oluyor?

TLDR; Veri ambarına yönelik geleneksel, aşağıdan yukarıya, veri modelleme yaklaşımı, geliştirilmesi zor, çalıştırılması pahalı ve iş ihtiyaçlarını karşılamayan, güvenliği ihlal edilmiş veri platformlarına yol açar. Endjin’in İçgörü Keşfi süreci işletmenin ihtiyaçlarını tam olarak karşılayan bir veri platformu tasarlamanız için doğru soruları sormanıza yardımcı olur.

İçgörü Keşfi

Bu gönderi dizisi ve tanımladıkları süreç, veri projelerinizin başarılı olmasını sağlamanıza yardımcı olacaktır. Sizin veya kuruluşlarınızın stratejik veri girişimlerine yatırdığı zaman, para ve enerjinin iyi harcandığını ve gerçek iş değeri sağladıklarını.

Tüketiciyi ve çıktıları sürecin önüne ve merkezine koyan, veri projelerine nasıl yaklaşılacağı konusunda farklı bir düşünme biçimini, zihniyetteki bir değişikliği tanımlarlar.

Hiçbiri karmaşık değil, ancak uygulamaya koymak zor olabilir – ve genellikle işleri nasıl yaptığınıza dair birçok doğal eğilime aykırı olabilir.

Bu yaygın ve köklü metodolojilerden bazılarının neden sizi başarısızlığa hazırladığını, ancak yaklaşımdaki bu basit değişikliğin bunu nasıl tersine çevirebileceğini ve sunduğunuz her şeyin değerli olmasını nasıl sağlayabileceğini açıklayacaklar.

Tanıdık bir hikaye mi?

Insight Discovery sürecini daha ayrıntılı olarak incelemeden önce, bir hikaye ile başlayacağım – tahmin ettiğim bir hikaye, uzun süredir veri projelerinde çalışmış olanlarınız için tanıdık geliyor…

İşletmenizin, iç süreçler, müşterileriniz ve iş stratejisi hakkında bilinçli kararlar vermek için verileri kullanabileceğini ve kullanması gerektiğini belirlediğini düşünelim. Daha “veri odaklı” olmak ve tüm iş zekası ihtiyaçlarınız için “gerçeğin tek kaynağı” olarak hareket edecek bir kurumsal veri ambarı veya merkezi veri platformu oluşturmaya girişmek istiyorlar.

BI veya veri ekibinin bir parçası olarak, bu yeni veri ambarını tasarlamak ve uygulamakla görevlendirildiniz ve ne tür verileri ele geçirmeniz gerektiğini ve bunların nasıl olduğunu bulmaya çalışarak projeyi başlatıyorsunuz. kullanılacak. Ama elbette, sistemin iş kullanıcıları size söyleyemez kesinlikle ne istediklerini ve “self servis” BI hakkında konuşuyorlar ve metrikleri çeşitli farklı boyutlara göre “dilimleyip zar atabiliyorlar”.

Böylece, bir veri modeli tasarlamaya başlarsınız – henüz net bir şekilde tanımlayamadıkları her şeyi rapor etmek için, işletmenin ilgilenebileceği tüm gerçekleri ve boyutları içeren, organizasyonun merkezi bir görünümü.

Farklı kaynaklardan gelen verileri tek bir mantıksal modelde birleştirirken çok sayıda veri, çok sayıda soru, çok sayıda bilinmeyen ve çok sayıda uzlaşma gerektiğinden uzun zaman alır. Ve elbette, farklı ekiplerden farklı iş kullanıcıları, işlerin nasıl modellenmesi gerektiği ve nelerin adlandırılması gerektiği konusunda farklı görüşlere sahiptir. Bu nedenle, modelin gelişimi yavaştır.

Doğal olarak olgulara ve boyut tablolarına uygun olan, kullandığınız kurumsal veri ambarı teknolojisinin çalıştırılması pahalıdır. Bu nedenle, hangi ayrıntı düzeyinde veri depolayabileceğinize ve ne kadar süreyle tutabileceğinize dair bazı zor kararlar vermeniz gerekir. Ve modeli “self servis” için optimize etmek gerçekten zor – çünkü hala işletmenin gerçekleştirmek isteyeceği sorgu türlerinin tam olarak ne olduğunu bilmiyorsunuz.

Ancak, birkaç ay, belki bir yıl sonra, veri ambarının ilk sürümünü işletmeye alırsınız. Ama bil bakalım ne oldu – onu kullanmak istemiyorlar. Çünkü onlara ihtiyaç duydukları bilgiyi ihtiyaç duydukları şekilde vermez. Hangisi sinir bozucu. Ama şimdi sahip olduklarına göre bir şey denemek için, size bunun neden yanlış olduğunu ve hangi değişiklikleri yapmanızı istediklerini söyleyebilirler.

Ancak bu değişiklikleri yapmak gerçekten yavaştır, çünkü modeldeki herhangi bir güncellemenin her şeyin ışığında değerlendirilmesi gerekir – bir ekibin talepleri diğerlerini etkileyecektir ve bunun tersi de geçerlidir, bu nedenle model bir dizi taviz haline gelmeye başlar – organizasyonun mükemmel bir görünümünden çok uzak.

Gittikçe pişirmeniz gereken sınırlamalar ve ödünler, modelin bazı bölümlerinin arkasındaki mantığı ve düşünceyi açıklamanın zor olduğu anlamına gelir; bu, kapsamlı belgeler yazmanız ve sürdürmeniz ve gelecekteki değişiklikler için bir bekçi olmanız gerektiği anlamına gelir. , daha fazla talep geldikçe bürokrasi ile yeniliği yavaşlatan.

Ancak nihayetinde model, onu sorgulamak için kullanılan araçlar ve işletmenin oluşturulmasını istediği raporlar, kuruluş genelinde benimsenmeye başlar. Bu meli bir başarı olarak kabul edilebilir, ancak aslında bu noktaya geldiğinizde, şu şekilde bir veri ambarınız olur:

  • Geliştirmek için yavaş ve maliyetli
  • Çalıştırmak ve sürdürmek için pahalı
  • Kırılgan ve gelişmesi zor
  • Kuruluşun tehlikeye atılmış bir görünümü

Tanıdık geliyor mu?

Peki, veri projeleri neden sıklıkla başarısız oluyor?

İşler genellikle nerede yanlış gidiyor?

“Sistemin iş kullanıcıları size tam olarak ne istediklerini söyleyemez”.

Bu anahtar şey, çok sık kabul edilen başlangıç ​​noktasıdır ve bu, tanımladığım tehlikeye atılmış çıktıya yol açar. Ve hepinizin aşina olduğu veri modellemeyle ilgili araçlar ve teknikler, bazı yönlerden (dolaylı olarak da olsa) bu sorunu gözden kaçırıyor. Çünkü buna değinmeyerek, aslında bunun sorun olmadığını söylüyoruz:

“İstediğiniz her şeyi, istediğiniz şekilde sorgulamanızı sağlayacak mükemmel modeli tasarlayabiliriz”.

Tabii ki, durum böyle değil. Bunu yapamazsınız ve hiçbir modelleme sizi mükemmel bir sonuca doğru yineleyemez. Tanımı gereği her zaman bir uzlaşma olacaktır.

O yüzden farklı düşünmemiz gerekiyor. Bir uzlaşma oluşturmak zorunda kalmamak için iş kullanıcılarının neye ihtiyaç duyduklarını tanımlamalarına nasıl yardımcı olduğumuz hakkında. Ve bu ihtiyacı, işin hedefleriyle ilgili bir şekilde çerçevelendirmemiz gerekiyor. Böylece onlara yardım ettiğimizde gerçek bir değer kattığımızı biliyoruz.

Daha fazlasını öğrenmek istiyorsanız, 2021 Sanal Veri Platformu Zirvesi’nde Veri ve Analitik Projeleri için Insight Discover Process hakkında 20 dakikalık bir konuşma yaptım, aşağıda konuşmanın bir kaydını görebilirsiniz:

Bu yazı dizisinin geri kalanı, endjin’in özelliklerini keşfederek bu konuda yardımcı olacaktır. İçgörü Keşfi süreciişletmeyle ilgili doğru soruların nasıl sorulacağını ve ayrıca temel mimari ve tasarım seçimlerinin – özellikle Azure Synapse Analytics gibi modern bulut veri platformlarında – projelerinizin başarıya ulaşması için bu süreci nasıl tam olarak destekleyebileceğini açıklıyor.


Kendi veri stratejinizi geliştirmek ve yol haritanızı hızlandırmak için Azure'daki en son özelliklerden yararlanmak için harcayabileceğiniz en iyi saat.

Bir cevap yazın

Ready to Grow Your Business?

We Serve our Clients’ Best Interests with the Best Marketing Solutions. Find out More

How Can We Help You?

Need to bounce off ideas for an upcoming project or digital campaign? Looking to transform your business with the implementation of full potential digital marketing?

For any career inquiries, please visit our careers page here.
[contact-form-7 404 "Bulunamadı"]