Всего за 529 руб. Купить полную версию
Универсалист (Universalist) миссия этого типа CDO, как правило, заключается в управлении всеми аспектами и рычагами создания ценности, полной цифровой трансформации. Самый дальновидный из пяти архетипов, универсалист, может добиться успеха только благодаря сильному мандату от генерального директора и полной поддержке исполнительной власти. Отчитываясь непосредственно полностью поддерживающему его генеральному директору, универсалист может контролировать спектр возможных цифровых задач: руководство разработкой цифровой стратегии в рамках общей корпоративной стратегии; разработка новых бизнес-моделей; надзор за цифровым маркетингом и опытом работы с клиентами; внедрение цифровых технологий; повышение операционной эффективности; он может также оцифровывать способы, с помощью которых сотрудники выполняют свою работу. Универсалист должен отвечать за процесс управления организационными и культурными изменениями. Этот архетип особенно хорошо подходит для компаний в любой отрасли, которые оказываются за поворотом в своих усилиях по адаптации к цифровому миру и поэтому нуждаются в исполнительной власти, которая может провести быструю и всеобъемлющую трансформацию.
В зависимости от того, какой из указанных архетипов подходит к организации, будет сильно меняться сама управленческая парадигма модель управления человеческим капиталом. Каждый из указанных архетипов, со стороны PwC, определяет различные модели управления:
Подчинение прямое под СЕО, или вхождение в состав CMO, CIO или СТО.
Зоны ответственности и компетенций множество различных задач для каждого из архетипов, начиная от разработки цифровой стратегии, заканчивая поддержкой клиента в CRM-системе.
Бизнес-результат и KPI CDO может иметь как явный бизнес-результат, так и неявный, и быть лишь центром затрат с соответствующими показателями оценки эффективности деятельности.
Платформы и компетенции в зависимости от модели будет также изменяться технологический ландшафт, например, необходимость включения CRM или IoT.
Получение быстрого результата потребует от организации эффективного пост-пространства для креативной работы сотрудников.
Так, консультанты компании McKinsey предложили использовать Agile для формирования совместных эффективных небольших Data Teams[47].
Agile команда Data Lab по версии McKinsey
При этом так же упрощаются существенно сами этапы получения данных и инсайтов:
Харвестинг данных (или сбор данных)
Использование гипотез при исследовании
Создание аналитических сервисов (продуктов на основании данных)
Модель управления данными (Governance)
Презентация полученных кейсов.
Первое, о чем стоим договориться команде, как выглядит Definition of Done[48][49] по Аналитическому продукту или продукту с использованием данных.
Для организационных структур, которые требуют конкретного описания процессов, всегда доступны стандартные swim lane диаграммы, разработанные командами ведущих компаний.
Например, команда Microsoft[50] представила исчерпывающую методологию построения процесса изучения данных и получения исследований, опираясь на жизненный цикл данных и стандартизированную ролевую модель:
Архитектор решений (solution architect)
Руководитель проекта (project manager)
Исследовать данных (data scientist)
Руководитель проекта (project lead)
С другой стороны, для извлечения максимальной ценности и получения адаптивного к моменту процесса управления данными, появилась методология DEVOPS, которая была сформулирована Энди Палмером (Andy Palmer[51]), СЕО и сооснователем компании TAMR (ранее основатель компании Vertica).
По его мнению, на ее распространение повлияло несколько ключевых факторов:
Демократизация аналитики сегодня все больше людей по всему миру работают с аналитикой.
Создание специальных баз данных (Vertica, VoltDB, StreamBase, BigTable) под задачи реляционные базы данных устарели, и сегодня одно решение не подходит для любых задач.
Процесс поиска инсайта по версии Microsoft
С одной стороны, решения перестали быть универсальными, с другой решения должны иметь стандартные интерфейсы (API) для интеграции различных решений. Вместе эти тенденции создают «давление с обоих концов технологического стека».
В верхней части стека все больше пользователей хотят получить доступ к большему количеству данных в большем количестве комбинаций. А на дне стека сейчас доступно больше данных, чем когда-либо, и лишь некоторые из них агрегированы.
Единственный способ для профессионалов данных справиться с давлением неоднородности как сверху, так и снизу стека состоит в том, чтобы использовать новый подход к управлению данными. Он объединяет операции и сотрудничество для организации и доставки данных из многих источников, надежно совместимым с происхождением необходимых для поддержки воспроизводимых потоков данных.
Сегодня инфраструктура, необходимая для поддержки количества, скорости и разнообразия данных, имеющихся на предприятии, радикально отличается от того, что предполагали традиционные подходы к управлению данными. Характер DataOps включает в себя необходимость управления многими источниками данных и многопотоковыми конвейерами данных с широким спектром преобразования.