Znanja i veštine za rad sa big data

“Bez big data tehnologija kompanije će ostati slepe i gluve” Goffrey Moore

Još davne 1988. godine kada sam se ja tek rodila, Šošana Zubof je u svojoj knjizi ” In the Age of the Smart Machine: The Future and Power of Work” ukazala na to da će zaposleni morati da razvijaju nove veštine i znanja u skladu sa razvojem novih tehnologija koje često podrazumevaju potpuno novi način razmišljanja… Danas, u big data eri, to postaje očigledno svim onim kompanijama koje primenjuju big data tehnologije i zaposlenima koji rade sa njima!

Podaci su sami za sebe, u svom izvornom obliku bezvredni. Put od podataka preko informacija, znanja, odluka do vrednosti je dug i zahteva posebna znanja i veštine. Zaposleni su i dalje ključni – oni su ti koji kreiraju vrednost, dok big data tehnologije predstavljaju omogućavajući faktor i podršku… Kao što je poznati autor Chen koji piše o big data tehnologijama napisao u knjizi “Big Data – Related Technologies”, “big data tehnologije predstavljaju nadogradnju mozga zaposlenih, a nikako zamenu”.

Od zaposlenih koji rade sa big data tehnologijama se očekuju takozvana hard (čvrsta) znanja i veštine kao što su:

  • primenjena matematika
  • statistika
  • programski jezici
  • analitika
  • modeliranje podataka
  • data mining
  • mašinsko učenje

Ali, isto tako, od njih se očekuju i određena soft (meka) znanja i veštine:

  • poznavanje poslovanja
  • komunikacija
  • timski rad
  • intuicija da se postave prava pitanja
  • kreativnost i inovacije
  • skepticizam i znatiželja
  • avanturizam
  • prosuđivanje

Slobodno možemo reći da stručnjaci koji rade sa big data tehnologijama treba da imaju osobine takozvanog T oblikovanog profesionalca: oni moraju imati dubinsko/ekspertsko znanje iz jedne oblasti (vertikalna linija slova T) dok istovremeno treba da raspolažu znanjima i veštinama iz drugih oblasti i disciplina (horizontalna linija slova T) čime su osposobljeni za saradnju sa drugim ekspertima u kompaniji.

 

T PROFESIONALAC

Zaposleni koji rade sa ogromnim količinama podataka moraju posedovati ekspertizu iz matematičkih i tehničkih oblasti, ali moraju imati statističke veštine, kao i takozvani X faktor koji je u ovom slučaju intelektualna radoznalost – vizija o podacima. U praksi, jednu od ključnih prepreka za uspešnu primenu big data tehnologija predstavlja upravo nedostatak ovakvih talenata, odnosno zaposlenih koji poznaju matematiku, statistiku, programiranje, ali i poslovne procese i aktivnosti. McKinsey institut procenjuje da će do 2018. godine u US nedostajati od 140.000 do 190.000 profesionalaca iz oblasti analitike i oko 1.5 miliona big data stručnjaka za sve pozicije – od menadžera do analitičara.

Kada sam 2013. godine pisala rad “Istraživač podataka – zanimanje za 21. vek”, u Srbiji su retke bile kompanije koje su oglašavale radne pozicije “Data Scientist” i slično. Danas, 2 godine kasnije ja već mogu nabrojati na prste jedne ruke ljude koje lično poznajem a koji rade sa big data tehnologijama na pozicijama Big Data Consultant (naš Darko – osnivač ovog bloga), Big Data Expert, Big Data Analyst, Data Scientist. Sve više su i sami oglasi kompanija usmereni na ove pozicije, što je dobar pomak… Značajno je istaći da u svetu postoje brojni fakulteti koji nude obrazovne programe i kurseve posvećene big data tehnologijama.  Na sajtu http://datascience.community/colleges je formiran jedinstveni spisak svih univerziteta koje nude obrazovne programe na svim nivoima (osnovne, master, doktorske studije) posvećene radu sa big data tehnologijama. U novembru 2014. godine broj takvih univerziteta je iznosio 211. Danas sam opet pristupila ovom sajtu dok sam pisala ovaj tekst i vidim da se broj povećao na 279. Dakle, za 5 meseci 68 novih programa posvećenih big data tehnologijama. Za svaku pohvalu!

Stanje u Srbiji nije baš sjajno… Za sada znam za samo jedan fakultet u Beogradu koji se aktivno bavi ovim tehnologijama… tako da oni koji to žele da nauče, moraju da se dovijaju na različite načine! Ovaj blog predstavlja jedan od neformalnih vidova razmene znanja između onih koje ova tema zanima tako da slobodno pišite, pitajte, predlažite naredne teme! Ono što je sigurno jeste da ako svako od nas big data-ša (jer ako ovo čitate onda to zaista i jeste) da mrvicu sebe, već će biti bolje!!!

Kako bi Darko, osnivač bloga, rekao – Hadupujmo zajedno! 🙂

Uticaj Big Data-e na strategiju

Dragi čitaoci,

Pre svega, želim vam srećnu 2015. godinu!

Kako sam i sama sebi postavila neke ciljeve za 2015. godinu i postala svesna da se definitivno ništa neće ostvariti samo od sebe, počela sam da pravim strategiju… Na sreću ne mogu da se oslonim (nikada mi nije bila naklonjena) i iako mi je drug koji se bavi astrologijom najavio povoljan položaj planeta, nekako ipak mislim da sam prepuštena sama sebi.  Samim tim, rešila sam da ovu godinu i na blogu započnem sa strategijom! Naime, kao što je najavljeno pre dva meseca, ovaj deo bloga će biti posvećen analizi big data-e na organizaciju. Izraz organizacija se odnosi na kompanije, institucije, udruženja i slično, ali ćemo se u nastavku fokusirati na kompanije! Strategija je definitivno glavna komponenta svake kompanije i odražava njene ciljeve koje želi da ostvari kao i plan sa aktivnostima pomoću kojih će ostvariti te ciljeve! Pošto je tema vrlo opširna, za početak ćemo se osvrnuti na neke osnovne stvari koje ćemo kasnije proširivati.

Strategija u modelu zvezde označena

Pre svega, moramo znati nešto o strategiji. Najjednostavnije bi mogli reći da je strategija željena ali realna budućnost kompanije. Željena jer odražava ciljeve koje menadžment želi da ostvari strategijom, a realna jer menadžment mora da sagleda šta se dešava u okruženju i da li kompanija ima dovoljno potencijala da ostvari svoje želje. Bitno je da se podsetimo da u kompaniji postoje tri nivoa na kojima se donose strategije:

Strategija za nivo preduzeća (corporate-level strategy) kojom se određuje budući razvoj kompanije: kompanija se odlučuje za poslovno područje u kojem će obavljati svoje poslovanje.

Strategija za nivo poslovnih jedinica (business-level strategy) koje predstavljaju organizacioni podsistemi koji imaju svoje okruženje i konkurente sa kojima se suočavaju. Svaka poslovna jedinica usvaja sopstvenu strategiju koja mora biti u skladu sa strategijom na nivou kompanije.

Strategija za nivo funkcionalnih jedinica (functional level strategy) gde menadžeri funkcionalnih jedinica donose strategije kako bi realizovali ciljeve koji su im zadati.

Big data ima uticaj na formulisanje sve tri vrste strategija obzirom da one podrazumevaju analizu okruženja, identifikovanje mogućnosti, vrednovanje i izbor najbolje strategijske alternative.

Jedno je sigurno, a to je da kompanije koje uvode big data tehnologije formulišu strategije kojima nastoje da izgrade ključne sposobnosti za brži i kvalitetniji proces odlučivanja kako bi uspele da kreiraju vrednost na osnovu poplave podataka sa kojima su suočene. Prikupljeni podaci provučeni kroz različite softvere i prikazani u različitim bojama na različite načine u suštini ne znače ništa ukoliko se na osnovu njih ne donesu poslovne odluke.

Uvek je tako bilo, a i biće – praćenje i osluškivanje zahteva, potreba i želja potrošača i prilagođavanje strategija njihovim potrebama su ključni preduslovi za uspeh kompanije. Big data je tu našla svoje mesto i poziciju. Ali ne samo tu! Primenom big data tehnologija kompanije mogu meriti efikasnost svojih marketinških kampanja i inicijativa, preciznije procenjivati potencijalne rizike, performanse zaposlenih, prilagođavati cenovne politike…

Bez obzira na to koje ciljeve sebi postavi, kompanija koja implementira big data-u mora imati plan na osnovu kog će kompanija prikupljati željene podatke, obrađivati ih i pomoću njih donositi odluke. Eksplozija digitalnih podataka stavlja pred menadžere velike izazove od kojih je jedan na vrhu po težini izazov koje podatke treba prikupljati.

Spustimo se malo niže u kompaniju, na nivo poslovnih funkcija: nabavka, proizvodnja, marketing, prodaja, finansije, informacione tehnologije, ljudski resursi, istraživanje i razvoj. Svaka od tih funkcija ima svoje strategije kojima realizuje ciljeve. I svaka od tih funkcija može da ima velike koristi od big data-e.

Jedna od prvih funkcija u kompaniji koja se menja zbog big data-e jeste funkcija informacionih tehnologija. Nova strategija treba da pripremi plan šta je to što se mora uraditi da bi se implementacijom big data tehnologija ostvarili ciljevi kompanije. Tu uglavnom spadaju odluke o neophodnoj infrastrukturi – hardveru i softveru, vremenu potrebnom za impelementaciju i troškovima. Jedno je sigurno, a to je da menadžerima stoji na raspolaganju široka ponuda alata različitih karakteristika i proizvođača koja se svakodnevno uvećava. Takođe, sama funkcija informacionih tehnologija formuliše svoju strategiju kako da se na osnovu implementirane tehnologije prikupljaju, obrađuju, prikazuju i čuvaju podaci.

 

Prva funkcija koja uočava potrebu da primenjuje big data-u jeste marketing funkcija! Marketing podrazumeva 4 koraka: analizu potencijalnih kupaca, privlačenje njihove pažnje,  postizanje zainteresovanosti kupaca i prihvatanje postojeće ponude. Sva 4 koraka zavise od marketinških aktivnosti organizacije. Big data nudi velike potencijale zbog obuhvata svih onih podataka sa društvenih mreža, blogova, umreženih uređaja koji odražavaju potrebe i želje potrošača, njihove komentare, eventualne primedbe i slično. Klijenti brojnih turističkih agencija u svetu se već mogu pohvaliti da dobijaju sve bolje sugestije za rekreaciju, hotele, razne turističke aranžmane… naravno, iza zavese je big data koja procenjuje njihove potrebe, navike, želje, interesovanja,…

Jedan od meni interesantnih primera za big data-u u marketingu jeste primer kompanije Haineken koja je, da bi privukla pažnju i zainteresovanost kupaca, osmislila flašu „Heineken Ignite“ sa ugrađenim led diodama, mikroprocesorom, akcelerometrom (meri brzinu pokreta), žiroskopom i radio predajnikom sa antenom. Flaša je dizajnirana tako da reaguje na zvuk i pokrete (prilikom zdravice i ispijanja piva) ritmičnim svetlom tako da izgleda kao da flaša zaista đuska u skladu sa atmosferom! Ako ste fan tehnologije a i piva 🙂 , toplo preporučujem da i sami pogledate VIDEO.  Kolega sa bloga The Internet of Things uveliko piše o senzorima i umrežavanju različitih predmeta tako da tu možete pročitati dosta zanimljivih stvari!

Razmišljanje o uticaju big data-e na strategiju ostalih poslovnih funkcija ostavljam za sada malo vama dragi čitaoci! Znajte samo da je uspeh nemoguć ukoliko unapred ne znate šta želite da postignete i šta vam je za to potrebno! Ironično, ali jedan od najvećih izazova u ovoj poplavi podataka jeste upravo odakle i sa kojim podacima početi…

Big Data Business Model Maturity Index

Da bi organizacije na pravi način iskoristile sve mogućnosti koje big data pruža, one moraju da sagledaju fazu koju su dostigle primenom big data tehnologija, tehnika i alata i uoče koje još mogućnosti stoje pred njima. Za tu svrhu od pomoći je Big Data Business Model Maturity Index koji je predstavio Bill Schmarzo, ekspert sa višedecenijskim iskustvom u oblasti baza podataka, analitike i rada sa velikim podacima.

Fokus indeksa je na svim onim poslovnim procesima do čije transformacije dolazi primenom big data tehnologija, tehnika i alata. Značaj indeksa se ogleda u tome što na osnovu njega organizacije mogu steći uvid u kojoj se fazi trenutno nalaze i šta je to što bi još mogle da ostvare sa primenom big data kako bi poboljšale proces kreiranja vrednosti od prikupljenih podataka.

Big Data Business Model Maturity Index ima pet faza pri čemu su prve tri faze interno orijentisane i odnose se na optimizovanje internih poslovnih procesa, dok su poslednje dve faze eksterno orijentisane na kupce, proizvode, tržište.

Slika 1: Faze Big Data Business Model Maturity Index-a

slika big data business model maturity index

Izvor: Adaptirano prema Schmarzo B. (2013) Big Data – Understanding How Data Powers Big Business, John Wiley & Sons, str. 17

Faza 1: Nadgledanje poslovanja

U fazi “Nadgledanja poslovanja” organizacije imaju tradicionalne sisteme poslovne inteligencije i skladišta podataka pomoću kojih nadgledaju svoje poslovanje kroz različite izveštaje, prate ključne indikatore performansi i koriste mogućnosti automatizovanih upozorenja na nezadovoljavajuće ili loše performanse.

U okviru ove faze postojeći informacioni sistemi i tehnologije primenjuju se za:

  • Praćenje trendova, vremenskih serija, pokretnih proseka, sezonalnosti
  • Komparaciju sa prethodnim periodima
  • Merila rezultata kao što su razvoj brenda, performanse proizvoda, finansijski rezultati, zadovoljstvo kupaca.
  • Procentualno učešće/ procentualni udeo: udeo na tržištu, učešće određenog proizvoda u ukupnoj prodaji i sl.

Faza 2: Uvid u poslovanje

Uvid u poslovanje predstavlja fazu u kojoj kompanije počinju da prikupljaju, obrađuju i analiziraju nove nestruktuirane izvore podataka primenom složenijih statističkih metoda kako bi se identifikovale poslovne aktivnosti/procesi kojima treba posvetiti više pažnje i koje treba tretirati kao ključne poslovne procese.

Organizacije koje se nalaze u ovoj fazi imaju brojne koristi. Na primer, marketing sektor može koristiti informacioni sistem da identifikuje zašto neka marketinška kampanja ima veći efekat od druge i usmeri buduće investicije ka efektivnijim kampanjama. Takođe, praćenjem aktivnosti kupaca/klijenata koji su uključeni u programe lojalnosti mogu se identifikovati oni koji imaju nizak nivo aktivnosti (kupovine) i oni se mogu stimulisati za veći nivo aktivnosti slanjem e-maila sa kuponima na osnovu kojih dobijaju određene popuste.

Sam proces tranzicije organizacije iz faze 1 u fazu 2 nije jednostavan i podrazumeva određeno vreme i napor. Pre svega, neophodno je razumeti kako korisnici koriste postojeće izveštaje da identifikuju poslovne probleme i mogućnosti i kako na osnovu njih donose poslovne odluke. Nakon toga je potrebno sagledati koji su to spoljni, novi izvori podataka koji su njima neophodni i kako se oni mogu prikupiti i obrađivati.

Faza 3: Optimizacija poslovanja

Optimizacija poslovanja predstavlja fazu u kojoj organizacija već počinje da primenjuje kompleksnije analitičke modele kojima automatski optimizuje svoje poslovne operacije i procese. Primer je usmeravanje marketinškog budžeta na kampanje koje su se pokazale kao najjefektivnije.

Da bi organizacija prešla iz faze 2 u fazu 3 potrebno je da se sagledaju sve one oblasti koje su definisane kao ključne oblasti optimizacije u fazi “Uvida u poslovanje” i da se identifikuje lista procesa i aktivnosti koje su kandidati za optimizaciju u zavisnosti od njihovog poslovnog i finansijskog uticaja na organizaciju.

Faza 4: Monetizacija podataka

Monetizacija podataka predstavlja fazu u kojoj organizacije na osnovu raspoloživih podataka traže mogućnosti za razvoj novog poslovnog modela i kreiranje vrednosti. U ovoj fazi raste značaj svih onih podataka koji potiču iz različitih izvora kako bi se dalje kreirali visoko inteligentni proizvodi kao što su automobili koji pomoću senzora zapažaju i uče ponašanje vozača i automatski podešavaju sedište, retrovizore, kontrolnu tablu itd.

Faza monetizacije podataka je karakteristična po tome što je najpre potrebno identifikovati želje i potrebe ciljnih kupaca detaljnom i sveobuhvatnom analizom njihovog ponašanja praćenjem struktuiranih ali i svih onih nestruktuiranih podataka iz različitih izvora. Prikupljene podatke organizacije moraju struktuirati i transformisati kako bi nad njima mogle da sprovode razne analitičke operacije.

Faza 5: Metamorfoza poslovanja

Faza metamorfoze predstavlja poslednju fazu koju organizacije mogu dostići primenom big data. U ovoj fazi dolazi do promene fokusa sa proizvoda na kreiranje platforme/ekosistema nad kojom će se razvijati ili primenjivati različiti proizvodi. Za dolazak u ovu fazu potrebno je uložiti puno vremena u proučavanje potreba i želja kupaca i klijenata, razumeti i sagledati postojeći ekosistem i kako se uklopiti u njega, razviti platformu na kojoj se mogu razvijati mnogobrojni proizvodi i usluge.

U pogledu faza koje se mogu dostići primenom big data bitno je istaći da se neke organizacije kreću veoma oprezno i usporeno jer nemaju jasnu viziju na koji način žele da primene big data, odakle treba da počnu, koju tehnologiju treba da implementiraju i na koji način. Sa druge strane, brojne  organizacije se upuštaju u brzo prihvatanje big data i njegovu integraciju u postojeće poslovne procese želeći da prate savremene tehnološke trendove, nemajući jasnu viziju i strategiju. Ono što je bitno znati jesta da ne postoji jedinstveni okvir, recept, pravilo, procedura kojih bi organizacije trebalo da se pridržavaju prilikom primene big data koncepta. Svaka organizacija je specifična i jedinstvena i samim tim različitim brzinama prihvata i primenjuje big data za kreiranje konkurentske prednosti.

Zanimljiv video snimak  koji opisuje Big Data Business Model Maturity Index možete pogledati OVDE.

Uticaj big data-e na organizacioni dizajn

U početku akcenat big data-e je bio na tehnologijama, tehnikama i alatima kao neophodnim preduslovima za mogućnost rada sa big data. Vremenom, interesovanje se širi i na druge aspekte koje big data ima na funkcionisanje bilo koje organizacije, tako da pored tehnološke, big data dobija i organizacionu dimenziju. Ključni momenat koji je označio početak izučavanja big data-e sa organizacionog aspekta bio je 2013. godine kada je održan Svetski samit posvećen Big Data-i i organizacionom dizajnu sa ciljem da ukaže na uticaj big data na biznise, vladu i edukaciju, regulativu, donošenje odluka. Izveštaj sa samita je ukazao da je jedan od ključnih aspekata big data-e njegov uticaj na organizacioni dizajn.

Big data predstavlja evoluciju tehnologija, tehnika i alata za upravljanje bazama podataka i suštinsku promenu načina na koji se podaci analiziraju. Kao što ste mogli da čitate u tekstu Šta je to big data? Big data karakterišu 3 V (Volume, Velocity, Variety) ali to možemo da proširimo i da dodamo još dimenzija u zavisnosti od tumačenja, tako da bih sad dodala još jednu dimenziju, a to je Veracity. Suština četiri ključne osobine koje podaci moraju imati da bi bili okarakterisani kao big data je prikazana sledećom tabelom.

Tabela 1: Ključne osobine big data

Ključne osobine big data

Izvor: Izmenjeno i prilagođeno prema Corrigan D. (2012) Big Data: Achieving Competitive Advantage through Analytics, IBM Corporation.

Organizacioni dizajn predstavlja proces konfigurisanja organizacione strukture, procesa, sistema nagrađivanja i zaposlenih kao ključnih elemenata svake organizacije kako bi se kreirala efektivna organizacija koja je sposobna da implementira formulisanu strategiju. Danas, pod pritiscima dinamičnog i konkurentskog okruženja, organizacije moraju biti dizajnirane tako da svojom efikasnošću ostvaruju superiorne rezultate a da istovremeno budu dovoljno fleksibilne i prilagodljive. U srži big data je transformisanje organizacije u prediktivnu, podacima vođenu organizaciju koja je željna podataka u realnom vremenu pomoću kojih će donositi odluke sa ciljem da poboljša svoje poslovne rezultate. Big data se ne odnosi na primenu tehnologije da bi bili isti kao ostali, već je big data kreiranje jedinstvenog pristupa kupcima, proizvodima, poslovnim procesima kako bi organizacija stekla i zadržala konkurentsku prednost.

Model organizacionog dizajna se može definisati kao okvir koji sadrži skup svih komponenti koje se smatraju ključnim za funkcionisanje svake organizacije i prikaz njihovih uzročno-posledičnih veza.

U praksi najčešće nije jednostavno predstaviti sve one komponentne organizacije koje su izložene uticaju big data. Teoretičari i praktičari u svetu najčešće primenjuju “Model zvezde” Džeja Galbrajta jer on eksplicitno ukazuje na ključne komponentne organizacije čiji dizajni moraju biti usklađeni, kako međusobno tako i sa okruženjem. U osnovi “Modela zvezde” se nalazi 5 ključnih komponenti koje se jasno prepoznaju u svakoj organizaciji: strategija, struktura, procesi, sistem nagrađivanja, ljudski resursi. Na sve ove komponente lideri mogu uticati i oblikovati ih svojim aktivnostima, a one posledično deluju na ponašanje zaposlenih. Kultura kao značajna komponentna organizacije nije obuhvaćena ovim modelom jer lideri nemaju direktan uticaj na nju, već je indirektno oblikuju kroz pet navedenih ključnih komponenti Modela zvezde.

Interesantan video snimak koji prikazuje proces dizajniranja organizacije primenom Modela zvezde možete pogledati OVDE.

Cilj ovog dela bloga jeste da kroz komponente “Modela zvezde” bude prikazan uticaj big data na organizaciju. Ono što je definitivno jeste da će svaka organizacija u budućnosti, bez obzira na svoju delatnost i veličinu biti pod uticajem big data-e.

Slika 1: Model zvezde sa ključnim komponentama organizacije

 Izvor: Kates, A., Galbraith, J. 2007. Designing your organization using the star model to
solve 5 critical design challenges, San Francisco: Jossey-Bass, strana 10.

 Uskoro vas očekuje prikaz uticaja big data na svaku od komponenti predstavljenih Modelom  zvezde. Do tada nas strpljivo pratite…