{"id":37931,"date":"2022-07-18T22:50:47","date_gmt":"2022-07-18T20:50:47","guid":{"rendered":"http:\/\/54.194.80.134.nip.io\/data-culture-kako-donositi-bolje-poslovne-odluke\/"},"modified":"2022-11-18T13:49:18","modified_gmt":"2022-11-18T12:49:18","slug":"data-culture-kako-donositi-bolje-poslovne-odluke","status":"publish","type":"post","link":"https:\/\/www.cubeserv.com\/hr\/data-culture-kako-donositi-bolje-poslovne-odluke\/","title":{"rendered":"Data Culture: Kako donositi bolje poslovne odluke"},"content":{"rendered":"\t\t
S pravom podatkovnom kulturom prepoznat \u0107ete najbolje mogu\u0107nosti djelovanja u svakodnevnom radu. Na taj na\u010din uspostavljate izvrstan proces dono\u0161enja odluka koji vas \u010dak i u stresnim situacijama vodi do najboljih rezultata.<\/span><\/em><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t Svijet se razvija velikom brzinom. U poslovnom okru\u017eenju potrebne su brze odluke. Te odluke ne samo da moraju biti ispravne, ve\u0107 moraju biti potkrijepljene \u010dinjenicama. Tvrtke ula\u017eu u podatke. Va\u017eno je pokupiti sve korisnike – od povremenih korisnika do Data Scientista-a – i pokazati kako se razli\u010dita o\u010dekivanja preta\u010du u koherentan koncept. Odgovaraju\u0107a Data Culture posebno uzima u obzir sljede\u0107e zahtjeve:<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t Odluke temeljene na podacima \u010dine se jednostavnima i jasnima. U razgovorima s mojim kolegama \u010desto govorimo o izazovu prihva\u0107anja odgovaraju\u0107e kulture koja se temelji na podacima. Takva kultura uspijeva u\u010dinkovito koristiti snagu podataka. I Vi biste trebali pratiti najbolje prakse znanosti o podacima na tr\u017ei\u0161tu i primijeniti poticaj u vlastitoj tvrtki, te tako dalje razvijati organizaciju vo\u0111enu podacima. <\/span><\/p>\r\n Kako bih procijenio vlastite ambicije i iskoristio poticaje za daljnji razvoj, volim raditi s DELTA okvirom. Delta Framework koji je razvio Tom Davenport fokusiran je na 5 dimenzija: podatke, tvrtku (Enterprise), vodstvo (Leadership), (postavljene) ciljeve (Targets) i analiti\u010dare.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t Data Culture je skup pona\u0161anja i uvjerenja ljudi koji cijene, prakticiraju i poti\u010du kori\u0161tenje podataka za pobolj\u0161anje dono\u0161enja odluka.<\/span><\/p>\r\n Data Culture je na\u010din na koji ti ljudi koriste podatke za dono\u0161enje odluka na temelju podataka. Ona osigurava da svaki zaposlenik razumije va\u017enost praksi povezanih s podacima. <\/span><\/p>\r\n Htio bih Vas pitati: koliko vremena morate potro\u0161iti dok ne iznesete prave podatke? Najprije ih morate lokalizirati u tvrtki, razumjeti model podataka i poslovna pravila, te izgraditi povjerenje u zalihu podataka. Tada mo\u017eete provjeriti svoju tezu ili otkriti i predstaviti nove veze. <\/span><\/p>\r\n Kad u tvrtki vidim da su podaci ugra\u0111eni u poslovanje, na\u010din razmi\u0161ljanja i identitet organizacije, kultura podataka je dobro razvijena. Zrela podatkovna kultura daje svima u Va\u0161oj organizaciji uvide koji su im potrebni za upravljanje podacima i rje\u0161avanje najslo\u017eenijih poslovnih izazova.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Anaconda, operater \u0161iroko kori\u0161tene podatkovne znanstvene platforme, svake godine provodi anketu korisnika (State of Data Science). Zanimljiva mi je anketa o raspodjeli radnog vremena:<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t Data Scientists provode dan rade\u0107i razne zadatke koji zahtijevaju razli\u010dite tehni\u010dke i netehni\u010dke vje\u0161tine. Na pitanje koliko vremena tro\u0161e na ove zadatke, ispitanici su naveli da oko 39% svog vremena tro\u0161e na pripremu podataka i \u010di\u0161\u0107enje podataka, \u0161to je vi\u0161e od vremena koje tro\u0161e na obuku modela, odabir modela i implementaciju modela zajedno. <\/span><\/p>\r\n Iako su priprema i \u010di\u0161\u0107enje podataka dugotrajni i potencijalno zamorni, automatizacija nije rje\u0161enje. Umjesto toga, \u010dovjek osigurava kvalitetu podataka, to\u010dnije rezultate i kontekst podataka.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t Mislim da je adekvatan odgovor tretirati podatke kao proizvod. Ovo je sastavni dio koncepta mre\u017ee podataka. Ovom konceptu \u0107u posvetiti poseban post.\u00a0SAP Data Warehouse Cloud <\/a> <\/span>olak\u0161ava implementaciju ovog koncepta.<\/span><\/p>\r\n Pri tome se koriste razli\u010diti alati i programski jezici.<\/strong><\/p>\r\n Jasna preferencija za Python dijelom je posljedica postavljanja ankete: Anaconda se uglavnom oslanja na Python. Raznolikost u odgovorima odgovara mom iskustvu. Ako dozvolimo neku raznolikost, posebno u okru\u017eenjima sa Sandbox-om, do\u0107i \u0107emo do vi\u0161e korisnika. Svaki od njih donosi razli\u010dita iskustva i znanja.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Kori\u0161tenje platformi jednako je raznoliko kao i kori\u0161tenje programskih jezika. Za kreativnost je korisno ako smo otvoreni ovdje u Sandbox-u. Prilikom predaje poduze\u0107u, treba postaviti i implementirati stro\u017eije standarde.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Dobra i odgovaraju\u0107a Data Culture razvija se na\u0161iroko u kompaniji: pokre\u0107e se od vrha kompanije i dopire do svakoga ko do\u0111e u kontakt sa podacima. <\/span><\/p>\r\n\r\n Podstaknite produktivan dijalog izme\u0111u onih koji su upoznati s podacima i onih koji u\u010de jezik podataka. Na taj na\u010din okupljate one koji mo\u017eda postavljaju prava pitanja i one koji znaju odgovore. Uravnote\u017eena interakcija analiti\u010dkih vje\u0161tina, obuke, pristupa\u010dnosti i upravljanja ima pozitivan u\u010dinak na kompaniju. Na kraju, proces dono\u0161enja odluka zasnovan na \u010dinjenicama svodi se na tri klju\u010dna faktora, poznata kao stubovi kulture podataka: <\/span><\/p>\r\n 1) Data Discovery:<\/strong> Zaposleni znaju i koriste podatke koji \u010dine osnovu za dono\u0161enje odluka. Oni stvaraju relevantne uvide u podatke i prenose te uvide poslovnim korisnicima. <\/span><\/p>\r\n 2) Podatkovna pismenost (Data Literacy):<\/strong> Ovaj faktor predstavlja korisnikovu sposobnost i sposobnost da precizno interpretira i analizira podatke. <\/span><\/p>\r\n 3) Data Governance:<\/strong> Ovaj faktor se odnosi na pravilno upravljanje podacima koje osigurava pravi pristup podacima za prave ljude u pravo vrijeme.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Prisustvo zdrave\u00a0kulture podataka<\/a> \u00a0<\/span>je neophodan uslov za uspeh organizacije. Ona igra nesumnjivo va\u017enu ulogu u razvoju kompanije. Kompanije sa sna\u017enom kulturom analitike direktno donose informirane odluke.<\/span><\/p>\r\n Studija Forrestera pokazuje da kompanije koje koriste podatke kao pomo\u0107 pri dono\u0161enju odluka imaju tri puta ve\u0107e \u0161anse da ostvare dvocifreni rast\u00a0(Izvor).<\/a><\/span>\u00a0Data Culture ne smije se odnositi samo na prikupljanje \u0161to vi\u0161e podataka. Proces: od podataka do uvida do boljih odluka, odvaja uspje\u0161ne kompanije od ostalih. Ovo se mo\u017ee dobro sa\u017eeti frazom \u201eThe Insights-Driven Business\u201c.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t Upoznao sam i cijenio svoje prvo skladi\u0161te podataka prije trideset godina. Kao kontrolor, analizirao sam razli\u010dite aspekte bolni\u010dkih tro\u0161kova. Pristup podacima bio je strogo regulisan. Deset kontrolora koristilo je ovo skladi\u0161te od 7000 zaposlenih. Nakon \u0161to sam godinu dana radio sa Data Warehouse, postao sam stru\u010dnjak za bolni\u010dke strukture. U to vrijeme bili smo ponosni na na\u0161e moderne strukture. Niko nije \u017eelio svim korisnicima dati pristup podacima, razumijevanje podataka bio je zadatak stru\u010dnjaka. Sastavljanje izvje\u0161taja sa svim brojkama jednom mjese\u010dno, \u010desto na papiru, bilo je dovoljno. <\/span><\/p>\r\n Sa pro\u0161irenjem struktura podataka, postalo je sve korisnije svakodnevno u\u010ditavati podatke. CubeServ i drugi uspostavljeni obrasci fiksne arhitekture. Kod ovih mjera prevladala je paradigma “u\u010ditati jedan izvor i koristiti na razli\u010ditim mjestima (u Data Warehouse<\/a>)”.<\/span><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\r\n \t
Za\u0161to je Data Culture va\u017ean? <\/span><\/h3>\r\n
\u0160to je Data Culture? <\/span><\/h3>\r\n
\t\t\t\t\t\t\t\t\t\t\t
Koji su izazovi za korisnike?<\/span><\/h3>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
Priprema podataka: <\/span><\/h4>\r\n
\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t
\t\t\t\t\t\t\t\t<\/a>\n\t\t\t\t\t\t\t\t\t\t\t
Tri pristupa za dalji razvoj Data Culture<\/span><\/h2>\r\n
Pove\u017eite one koji mo\u017eda postavljaju pitanje sa onima koji znaju odgovor. <\/span><\/h4>\r\n
Va\u017enost kulture podataka<\/h3>\r\n
Promjena uloge evan\u0111elista podataka tokom vremena <\/span><\/h3>\r\n