Hvor samarbejdet mislykkes omkring data (og 4 tips til at rette det)

Genudgivet af Platon

Abonnenter: 0

Hvor samarbejdet mislykkes omkring data (og 4 tips til at rette det)
Billede af creativeart på Freepik

Datateams arbejder i stigende grad som softwareingeniørteams og omfavner ingeniør- og udviklingsværktøjer til at styre deres arbejde. Disse spænder fra versionskontrolsystemer som Github til at vedtage agile praksisser som Kanban og Scrum og inkluderer ceremonier som daglig standup, sprint-forpligtelser og sprintdemoer. Formålsbyggede løsninger (såsom dbt til datamodellering, test og integration) er kommet på markedet, der understøtter den softwaretekniske tankegang. Disse løsninger giver store, distribuerede datateams mulighed for at udføre deres bedste arbejde.

Men når det kommer til samarbejde mellem datateams og resten af forretningen, er der stadig meget plads til innovation.

Selv de mest fremsynede datadrevne organisationer er stadig afhængige af standardsamarbejdsværktøjer og -praksis (f.eks. Slack, e-mail eller regelmæssige planlagte møder) for at styre kommunikationen mellem deres datateams og forretningsinteressenter. Når alt kommer til alt, hvorfor ikke? Burde datateamet og dets arbejdsgange ikke ligne andre funktioner i organisationen? Dette argument og adfærd virker, når interaktionerne er relativt generiske. Men i situationer, hvor teamdynamikken er mere kompleks (og data er mere central for enhver vigtig samtale og beslutning), er denne afhængighed af generiske løsninger utilstrækkelig.

Efterhånden som data bliver mere centrale for forretningsdriften, skal datateammedlemmer ofte have flere hatte på. I nogle tilfælde skal de fungere som produktchefer ved at forstå forretningsbrugeres behov, så de kan udvikle dataplatformen. I andre tilfælde er de forpligtet til at håndtere ad hoc-anmodninger i en supportkapacitet. I endnu andre situationer skal de ombord på nye brugere og hjælpe dem med at engagere sig i de dataaktiver, der er tilgængelige for dem.

Generiske samarbejdsværktøjer og traditionelle tilgange til håndtering af arbejde går hurtigt i stykker i disse scenarier. Produktteams og supportteams har specialbygget værktøj til at styre deres arbejde. Har datateams ikke også brug for en løsning til bedst muligt at håndtere interessenters anmodninger? Eller værktøjer til at administrere deres supportdokumentation eller træning af slutbrugere? De bedste datateams oplever ofte, at de kæmper med denne del af deres arbejdsgang og ender med at vedtage løsninger bygget til andre (i dette tilfælde produkt- og supportteams).

Da det meste dataarbejde og interaktioner er internt, kan det være svært for teams at finde den rigtige måde at arbejde med forretningsinteressenter på uden at skabe forvirring og støde på besværlighederne.

Hvis du undersøger samarbejdsproblemerne mellem datateams og andre, er du forpligtet til at finde informationsasymmetrier mellem bygherrer og forbrugere af dataaktiver. På den ene side har du databyggere med dyb viden om de underliggende data, hvordan man manipulerer og analyserer dem, og hvordan man kontekstualiserer dem i en større mængde dataaktiver. På den anden side har du dataforbrugere, som typisk er domæneeksperter med rig viden om selve virksomheden, hvilket kan være afgørende for at give en bredere kontekst, forstå dataene og udvikle dataplatformen.

Tag for eksempel Jane. Hun er netop tilsluttet en Fortune 500-virksomhed som salgschef, hvor hun ledede et distribueret team på 15 sælgere spredt ud over det sydøstlige. På andendagen af sit nye job får hun videresendt en e-mail fra en kollega med flere links til forskellige ressourcer: et regneark med pipelineoplysninger, forskellige rapporter i Salesforce og en håndfuld dashboards om individuelle præstationer i virksomhedens BI-løsning. Efter at have brugt et par minutter på at kigge på dataene, indser hun, at hun ikke aner, hvad hun egentlig ser på, og hvad det betyder. Hun sender en besked til sin salgsansvarlige, hvor hun beder om hjælp, som kontakter deres partner på datateamet, der har bygget de fleste af disse ressourcer. Dataanalytikeren læser e-mailen, sukker og bruger derefter den næste time på at skrive et svar. De opretter en billet på deres JIRA-tavle for at "genvurdere dokumentation."

Grundårsagen bag disse former for datasamarbejdsproblemer er informationsasymmetrier mellem bygherrer og forbrugere, som efterlader alle frustrerede og ulykkelige.

Tragisk nok er de mennesker, der oftest påvirkes af disse dynamikker, juniormedarbejdere eller mellemledere i frontlinjen, fordi de typisk har mindre magt i organisationen og den mindste kontekst til at forstå de beslutninger, der træffes omkring dataene. Uden intensiv træning er disse medarbejdere sårbare over for typer af kommunikationsproblemer, der skyldes informationsasymmetrier. De er også tilbøjelige til at blive ofre for "squeaky wheel syndrome", hvor lederne og de øverste ledelsesteammedlemmers stemmer naturligvis bliver hørt højest af datateams (og derfor prioriteres deres anmodninger og behov frem for andres).

For at få et bedre investeringsafkast fra de massive investeringer i dataværktøjer og teams, er vi nødt til at angribe disse informationsasymmetrier i hjertet af vores problemer. At komme til nul er måske et håbefuldt mål, men datateams bør konstant stræbe efter at lukke dette hul gennem praksis, partnerskaber og værktøjer. Hvis du gør det, vil friktion fjernes, øges gennemsigtighed og tillid og give alle mulighed for at få mere ud af virksomhedens datatilbud.

Her er 4 proaktive tips til dataledere, der ønsker at reducere informationsasymmetrier og opnå bedre samarbejde i deres organisationer:

Juster organisations- og teamstrukturer med virksomhedens behov. Dette omfatter ikke kun rapporteringsmodeller, men også datateamroller og -funktioner. Vi er allerede begyndt at se flere jobopslag for roller som "data produktchef" eller "data scrum master." Disse nye funktioner vil hjælpe datateams med at håndtere samarbejdsudfordringer, som i sidste ende normalt handler om mennesker og processer kontra underliggende teknologiske problemer.
Overvej at investere i en matrixmodel hvor medlemmer af dit team – eller i nogle tilfælde hele pods – er tilpasset specifikke forretningsenheder. Dette vil muliggøre tilpasning af langsigtede datainitiativer til umiddelbare forretningsbehov, fremme videndeling samt tættere samarbejdsrelationer mellem analytikere og dem, som de støtter dagligt.
Start i det små, og byg videre på din succes, mens du går. Det kraften i det første indtryk kan ikke overvurderes. De indledende opfattelser af datateamet er utrolig vigtige for, hvordan deres arbejde vil blive modtaget, så tænk over, hvordan det går med nøgleteammedlemmer på forhånd. Fokusér ved at opbygge stærke relationer med 1-2 nøglemestre i organisationen, som kan hjælpe med at sprede budskabet om, hvor fantastisk du er. Udvid derfra.
Vær opmærksom på hvilke samarbejdsværktøjer kan udnyttes på tværs af livscyklussen af dine datainitiativer og dataprodukter. Tænk for eksempel over, hvordan du ønsker at samle dine medarbejdere, processer og systemer for hver af nedenstående kategorier. Ofte vil det, der fungerer for én kategori, mislykkes dybt i andre:
- Samarbejde indenfor datateamet
- Generisk samarbejde med andre medarbejdere uden for dit team
- Ad hoc spørgsmål eller anmodninger om nye funktioner
- Løbende support til dataprodukter
- Scoping af nye datainitiativer eller dataprodukter
- Udvikling af dit datatilbud baseret på, hvad der er værdifuldt for virksomheden

Innovative datateams migrerer allerede til bedste praksis inden for softwareudvikling, og den tendens vil sandsynligvis fortsætte i de kommende år. Mens du ser på investering i datainfrastruktur for at understøtte fremtidig vækst, så tænk på værktøjer, der understøtter samarbejde med forretningspartnere.

Nicholas Freund er en erfaren SaaS-industrileder med over ti års erfaring med at lede startups med fokus på produktstyret vækst. Som grundlægger og administrerende direktør for Workstream.io står Nick i spidsen for en start-stage teknologiopstart, der hjælper datateams med at administrere kritiske dataaktiver. Før Workstream fungerede Nick som VP of Operations for BetterCloud, en uafhængig softwareleverandør, der tilbyder den førende SaaS Operations Management-løsning. Tidligere havde Nick ledende finansstillinger hos Tesla, mens han fik sin MBA på Harvard.