Data & Analytics Maturity Assessment Tool [excel]

👨‍💻 ..сделал на праздниках новую узкоспециализированную тулзу для своих. Кому-то интересно затестить?

🔗 Ссылка

В каждом проекте по data стратегии с компанией возникает тема maturity assessment - оценки зрелости.

Чаще всего эта тема не имеет значения в текущей работе и всплывает два раза в год у менеджеров при целеполагании. Одно время считал это булшитом, но потом пользу для себя все таки разглядел.

Некоторые компании таки использует уровни data governance maturity для департаментов в годовых KPI для топ менеджмента, чтобы происходил эдакий top-down спонсоршип в доменах.

В итоге ты лезешь в существующие модели и подбираешь подходящую. Но чаще всего она все равно:
- мутная. сложно разобраться с логикой факторов или она вообще не шарится
- неполная. касается часто только data governance
- верхнеуровневая и слишком простая
- ненаглядная. что-то заполнил, но картинку в целом увидеть сложно

В итоге для своих проектов сделал свою, пытаясь решить эти проблемы. ну и сделать по-своему, исходя из того, как я вижу d&a стратегию.

Из "инноваций" - в файл встроена адаптация уровней зрелости под вашу компанию на основании ответов на 4 вопроса на входе. Коэффы можно увидеть, раскрыв скрытые колонки, и зачеленджить.

Не стоит переоценивать и этот инструмент. Это генерализация. Чтобы сделать по-настоящему адекватный ассессмент, нужно уже нечто больше, чем эксель с вопросами.

Есть мнение, что не стоит размножать модели data зрелости, так как под каждой должна лежать методология (как DAMA, CMMI и проч), поддержка партнеров и опытная экcплуатация (вычищающая шум). Мне кажется достаточно опытной эксплуатации и здравого смысла.

Будет круто если вы скачаете, заполните для себя и поделитесь мнением (💬 to @alexbarakov).
@rbunin и @kuandi гранмерси за первые тесты

Не допилил - секцию с линками по каждой теме. Закидывайте у кого что есть

И да - все бесплатно.
И да - все на английском.

Мировые Data & Analytics Maturity модели кому интересно

👏 Просьба пройти небольшой опрос

Заглянул в такую бездну как вопрос бенчмарков по структуре и численности дата команд.
Тема актуальна как минимум для оценки и обоснования недоинвестированности дата команд, как максимум для понимания, где должен проходить баланс роста проектов и "достаточности", диктуемой бизнесом, но чаще жизнью.

Что тут интересного:

Каким должно быть "нормальное" соотношение:
- численности DWH / дата платформы по отношению к power users (BI/Data аналитики, ML/DS инженеры).
- численности BI/Data аналитиков к количеству потребителей аналитики со стороны бизнеса
.. и как на это влияет размер компании и индустрии.

Как отличаются размеры дата команд у компаний сравнимого размера в одной индустрии и почему.
(еще вопросы?)

🙏Так как насчет поучаствовать в небольшом опросе? (реально 1 минута - только проставить свои цифры) 👇 https://docs.google.com/forms/d/e/1FAIpQLSeGRqe8RdgU6IT0BkpZzVs9COsvQzguY0dRbPzBLbgUtZebZQ/viewform

Если нет точных цифр - можно давать грубую оценку. Но просьба не брать из воздуха.

Спасибо что согласились!

Если/когда соберем хороший объем ответов - сведу данные в публичный дашборд и попробуем сделать выводы и найти некие отраслевые пропорции.

(И да, если будет что-то неясно по опроснику - обязательно пишите в чат под постом👇)

Про всемогущих BI консалтеров пост и про "Responsible" BI

Новый виток мысли случился после общения с Виталием Тренкеншу, Амбассадором Qlik, на тему современного BI консалтинга и аутстафинга.

Контекст:

Пользователи не пользуются BI отчетами так как от них хотят. Это понятно. Решение - выход на продуктовый подход в аналитике/репортинге. Я чаще называю его еще adoption-centric или responsible BI.

Суть на пальцах - построение системы c управлением BI через custdev и правильные метрики для отчетов и доменов. Аналогии:

Отчеты ~ продукты,
пользователь ~ клиент,
активный пользователь отчета - ~ "платящий клиент",
успешное взаимодействие с отчетом ~ "оплата".

В этой системе координат много расставляется по местам. В том числе решение о создании нового отчета и развитии и продвижении существующих.

Проблематика:

В BI Консалтинге/аутстафинге - работает (все еще) две модели

🗽Модель 1. 'Конкистадоры'

Основный принцип "смотрите какая крутая тема", сделаем вам под ключ", фикспрайс, чаще краткосрочные проекты, продажа софта и стартовых работ.
Дальше либо отскочить и чтобы клиент сам осознавал всю сложность дальнейшего развития, либо накидывать новые и новые темы, не давая клиенту опомниться от иллюзорного счастья мерцающих дашбордов.

🤦‍♂️ Модель 2 'Трейдеры'

Основный принцип "что угодно если клиент платит", работа по часам, долгосрочные проекты.
Переход на time and materials в данном случае не решает проблемы. Консалтинговая фирма получает поток денег от бесконечной фабрики отчетов. делая и переделывая отчеты. Пользуются или нет - тут уже не их ответственность и если коротко "виноват сам пользователь", недостаточно data нахуй дривен.
Чем больше отчетов, тем больше поддержки - переключать источники, добавлять новые фильтры и поля, обновлять логику... это все кеш.
Подрядчик не оспаривает задачи, просто качественно их делает. Но адекватно не занимается продуктовым менеджментом bi контента. Требуется другой уровень интеграции.
И это ни плохо, ни хорошо - это просто базовая форма ведения бизнеса как в России, так и в мире.
Модель вполне адекватна - если клиент реализует analytics governance сам. Но в противном случае - все плохо.

Есть и эволюционно более совершенная форма BI аутстафа (если уж вписываться в какой то). Назовем это:

🤝 Модель 3 'Управляющие активами'

Работа не по часам, а через подписку на сервис, выраженную через количество активных пользователей (эквивалент пользы) или через анализ задач на 1-3 года и согласование бюджета outsource команды с фиксированным прайсом подписки на период.
Нет прямой привязки к отчетам или потраченным часам.

Столкнулся с этой моделью в Европе, но и не только - тот же datanomix продвигает этот подход в Казахстане (Не реклама). Требуется партнерский уровень отношений и доверия. Нужна еще осознанность от самого клиента. Если все это есть - то этот путь кажется единственно верным.

🧠 Мораль

Не пользуйтесь BI аутстафингом)) а если все-таки да - ищите, познавших хайп и переосмысливших себя.
BI консалтинг это чей то бизнес, а Ваша долгосрочная стратегия в развитии BI это только ваша боль и ответственность. Даже партнерство в модели 3 не снимает с вас мать его change management.

На этих выходных снова думаю над вопросом: почему дата катологи не взлетают?

Расскажу все, что в итоге надумаю в понедельник 1 апреля на CDO Day у Datanomix - Заходите

Вроде и боли есть и ценность каталоги субъективно дают. Но (честный) результат одним словом ….такое 😒

Есть несколько вопросов на которые кажется ни вендоры ни компании так и не ответили в полной мере:

❓ Вовлекать или не вовлекать таки бизнес в работу с каталогом и если да то что ему там показывать чтобы он не убежал в ужасе

❓ Линедж - как остановиться с интеграциями и понять зачем он таки и кому нужен

❓ Каталог отчетов дублирующий ваш аналитический портал, сделанный удобным для пользователей в другом инструменте. Что с этим делать блин?

❓ Что делать с выжженной пустыней вместо описаний полей и как растить там оазисы? Описания сделанные AI они вообще кому то нужны ?

❓ Как реально делать глоссарий, если бизнес не вовлекается в роль дата стюарда, а техническим дата кустодианам не хватает контекста для этой задачи?

❓ Как замерить эту экономию на поиск и понимание данных (которую рисуют вендоры), ни у кого нет такого тайм трекинга.

❓ Что делать со кучей избыточных и дублирующих функций которые вендоры засунули в каталоги до кучи (спойлер отключить/не трогать)

❓ Нелепые data management модули в bi системах.. как их женить в главный каталог?

❓ Достаточно ли у вас совокупной практической ценности, чтоб ожидать от дата аналитиков и инженеров постоянных заходов. Нужен ли каталог без высокого в него трафика?

Может и не должны каталоги взлетать выше в их текущем виде. Тяжеловаты…

Вспоминается из школьной программы «Рожденный ползать - летать не может!..
Забыв об этом, он пал на камни, но не убился, а рассмеялся...»

Так.
Я понимаю, что tableau для некоторых стало эхом ушедшей молодости. Но это не повод не зарегистрироваться на RSTUG: #02VizNaDvore 16 Апреля 2024

причина номер 1. Будут топовые спикеры (как всегда)
🔝 Скромный Вадим Панасюк Tableau Ambassador из Vizuators собственной персоной расскажет про построение BI команды. У него нет бороды, но да бог ему судья
🔝Не-Скромный Александр Варламов Tableau Zen Master и Ambassador - взорвет вам мозг своими tableau трюками (скромные люди не делают такие вещи)
🔝 Диана и Александр из Wargaming. Там крутой уровень зрелости BI и точно будет что-то самобытное.
🔗 См агенду и темы тут

причина номер 2. Мы сменим формат (по вашим заявкам). Попробуем зум вместо стрима на youtube. Можно будет кроме чата - поднимать руку и подключаться в беседы, задавать вопросы голосом.

причина номер 3. Табло, не табло - не важно. В конце концов БиАй это про жизнь, тут важен принцип. Атмосфера легкого декаданса будет обеспечиваться джазом на фоне и легким сарказмом ведущих.

Короче регайтесь активнее гайз. Весна же

💩И да. Егор закинул конкурс на создание логотипа для нашей с вами tableau user group. Ведь это самое важное. Пока заявок немного, есть все шансы победить и забрать приз - поездку на Tableau Conference в Сиэтл

На этой неделе думал про дата культуру.

Разные компании пишут правильные стратегии, говоря о приоритетности дата грамотности. Но "Качество" людей (ужас какой) умножает на 0 бюджеты на проекты и наоборот - поднимает сложные инициативы без видимых усилий.

Возникает в центре эта самая Дата культура — то, как люди воспринимают себя, руководство и свои задачи с точки зрения данных, желательные модели принятия решений.
Кажется это самая актуальная тема из тех, о которых меньше всего говорят.
Думаю, никто не знает, как изменить это на практике.

Пока я думал об этом - выделил для себя 4 черты целевой data-driven культуры:

1️⃣ Приоритет объективности - решения основаны на эмпирических пруфах в результате анализа данных. Экспертные оценки являются второстепенными.

2️⃣ Challenge культура - Постановка под вопрос мнений руководства при условии подкрепления данными

3️⃣ Test and Learn (привет Костя Маркелов из Tinkoff Bank) - широкое использование экспериментов для управленческих решений

4️⃣ No Fear to Fail - поощряется делиться уроками как из успешных, так и из неудачных кейсов.

Большинство примеров, которые я вижу, это технологические компании, созданные за последние 20 лет.
Поэтому я пытаюсь понять эффективные методы трансформации для остальных. Помогайте.

Вот топ-3 (обратная нумерация):

3️⃣ Марафоны - это глобальные массовые длительные ивенты, где (почти все) сотрудники компании одновременно "бегут" по темам в режиме спринта, решают кейсы и отмечают результаты.
+ агрессивный маркетинг в интранете с участием топ-менеджеров и приглашенных экспертов (🤝@lingualize )

2️⃣ C-Level менеджмент имеет высокую data / AI грамотность и выступает активными спонсорами и евангелистами инноваций.

1️⃣ Корпоративная политика найма с обязательными требованием к дата скилам. Замена сотрудников, не обладающих данными навыками.
Это кажется наиболее эффективным методом. Может быть как жестким там и плавным.

Есть ли другие идеи/практики?

Картинку кладу в D&A Strategy and Tactics Guide

😎 Публичный Гайд по повышению BI Adoption перевел в более читабельный PDF формат ☝️

Размышлял над темой год и пора упаковать и переключится.

Еще родился шаблон для воркшопа, чтоб самим провести анализ в команде.

Кому эта тема интересна пишите и приходите на курс по BI стратегии в мае.
Там это все обсудится и пошарится