Dříve platilo, že správa a zpřístupňování podnikových dat interním zákazníkům (zaměstnancům jiných oddělení) byla výlučně v rukou IT oddělení. Pokud jste chtěli nějaký report nebo datovou sestavu, museli jste napsat na IT. Potom jste počkali několik dní než se na vás dostala řada a nakonec jste dostali nějaká data. Dnes už tomu (díky bohu) u spousty firem tak není a dochází procesu, kterému se říká demokratizace dat. Tato potřeba vzniká z důvodu potřeby řídit firmu (nebo týmy) tzv. data driven přístupem – tj. na základě průkazných dat a ne subjektivního dojmu manažera.

Co je to data driven přístup k řízení firmy

Data-driven přístup, neboli přístup založený na datech, je strategie nebo metoda rozhodování, která se opírá o shromažďování dat, jejich analýzu a interpretaci potřebnou ke kvalifikovanému rozhodování managementu. Místo toho, aby se rozhodnutí opírala o intuici, předpoklady nebo osobní zkušenosti, data-driven přístup klade důraz na využití kvantitativních informací a empirických důkazů.

Neznamená to v žádném případě, že ignorujeme zkušenosti manažerů a klademe data na první místo. Hlavním úkolem data driven přístupu je zajistit, aby měl manažer k dispozici veškeré relevantní skutečnosti pro svoje rozhodnutí a nerozhodoval se za informační asymetrie. To se v konečném důsledku projeví do výsledovky firmy – méně chyb, efektivnější rozhodování = lepší výsledek hospodaření.

Implementace tohoto přístupu není jen tak a zahrnuje

Implementace data-driven přístupu a demokratizace dat umožňující self-service přístup k datům (bez nutnosti obsluhy ze strany IT) je postupný proces, který se děje na 2 rovinách

• Adopce na úrovni myšlení a firemní kultury (vzít tento způsob řízení za svůj po celé délce/hloubce organizační struktury)
• Adopce technická (zařídit technickou infrastrukturu aby byla data k dispozici)

Demokratizace dat a klíčové aspekty data-driven přístupu

Tento přístup jde ruku v ruce se správně implementovaným a myšlenkově uchopeným data-driven přístupem.

• Shromažďování dat: Systematické sbírání relevantních dat z různých zdrojů (interní systémy, sociální média, účetnictví, atd) – souvisí i se správním nastavením interních podnikových systémů a jejich kontinuálním zlepšováním. Pokud je podnikových systému více a IT je komplexní, je na místě zvážit centralizované datové úložiště – datový sklad. Technickou implementaci zajišťují BI Developeři/SQL Developeři, architekturu navrhují BI architekti. Velikost týmu záleží na komplexitě projektu. Datový sklad je pak otevřený novým interním zákazníkům ve formě předchystaných datasetů, reportů, OLAP kostek a zaměstnanci/manažeři k nim mají volný přístup (pokud to nejsou citlivá data)
• Analýza dat: Použití statistických nástrojů, strojové učení a datové analýzy interpretaci užitečných informací a poznatků z nasbíraných dat. Tyto činnosti zajišťují specialisté – Datoví analytici.
• Vizualizace a interpretace: Reprezentace dat ve snadno srozumitelných formátech, jako jsou grafy, diagramy a dashboardy, které pomáhají interpretovat data a odhalovat trendy, vzorce a korelace. K tomuto se používají nástroje jako například Power BI nebo třeba Excel – Reprezentativní reporting v Excelu i jinde
• Informované rozhodování: Využití získaných poznatků z dat k podpoře rozhodnutí, strategií a iniciativ v organizaci – zajišťují manažeři ve spolupráci s datovými analytiky/finančními controllery
• Kontinuální zlepšování: Použití dat k monitorování výsledků rozhodnutí a procesů, umožňující rychlé iterace a zlepšování na základě zpětné vazby z reálných výsledků – zajišťují všichni společně

Demokratizace dat a ETL procesy (datové toky – pipelines)

Dalo by se říci, že technicky je nejsložitější první část – Shromažďování dat do centralizovaného úložiště. Procesu sběru dat z datového zdroje, transformace a uložení do centrálního úložiště před tím než se reportují se říká ETL procesy. I tato část byla dříve doménou programátorů. Dnes už tomu tak není a tato část se dá díky demokratizaci dat zvládnout bez využívání složitých nástrojů a programovacích jazyků (nejčastěji se používá Python).

Dnes již existují cloudové nástroje jako jsou třeba Fivetran nebo třeba česká Keboola, díky který můžete datové toky automatizovat bez znalosti programování. Tyto nástroje nabízí spoustu připravených konektorů na datové zdroje a mohou implementaci výrazně zrychlit. Není to nástroj pro laiky, ale na druhou stranu programovat pro jejich obsluhu umět nepotřebujete.

Další skupinou ETL nástrojů (onprem), které výrazně zjednodušují práci při zajišťování dat jsou například Kingswaysoft (doplněk do Integration services) nebo mladá generace moderních nástrojů s výbornou developer experience Mage.ai – celá kategorie návodů zde na blogu a další.