جایی که همکاری در مورد داده ها شکست می خورد (و 4 نکته برای رفع آن)

بازنشر افلاطون

دنبال: 0

جایی که همکاری در مورد داده ها شکست می خورد (و 4 نکته برای رفع آن)
تصویر توسط creativeart در Freepik

تیم های داده به طور فزاینده ای مانند تیم های مهندسی نرم افزار کار می کنند و از ابزارهای مهندسی و توسعه برای مدیریت کار خود استفاده می کنند. اینها از سیستم‌های کنترل نسخه مانند Github تا اتخاذ شیوه‌های چابک مانند Kanban و Scrum را شامل می‌شود و شامل مراسمی مانند استندآپ روزانه، تعهدات سرعتی و دموهای سرعتی است. راه حل های هدفمند (مانند dbt برای مدل سازی داده ها، آزمایش و ادغام) به بازار آمده اند و از طرز فکر مهندسی نرم افزار پشتیبانی می کنند. این راه‌حل‌ها به تیم‌های داده توزیع‌شده بزرگ کمک می‌کند تا بهترین کار خود را انجام دهند.

اما وقتی نوبت به همکاری بین تیم های داده و بقیه مشاغل می رسد، هنوز فضای زیادی برای نوآوری وجود دارد.

حتی آینده‌نگرترین سازمان‌های مبتنی بر داده همچنان به ابزارها و شیوه‌های همکاری استاندارد (مانند Slack، ایمیل یا جلسات منظم برنامه‌ریزی‌شده) برای مدیریت ارتباطات بین تیم‌های داده خود و سهامداران تجاری متکی هستند. بالاخره چرا که نه؟ آیا تیم داده و گردش کار آن نباید شبیه سایر عملکردهای سازمان باشد؟ این استدلال و رفتار زمانی کار می کند که فعل و انفعالات ماهیت نسبتاً عمومی داشته باشند. اما در شرایطی که پویایی تیم پیچیده‌تر است (و داده‌ها در هر مکالمه و تصمیم مهم‌تر هستند)، این اتکا به راه‌حل‌های عمومی کافی نیست.

از آنجایی که داده ها برای عملیات تجاری مرکزی تر می شوند، اعضای تیم داده اغلب نیاز به استفاده از کلاه های متعدد دارند. در برخی موارد، آنها باید با درک نیازهای کاربران تجاری به عنوان مدیران محصول عمل کنند تا بتوانند پلتفرم داده را تکامل دهند. در موارد دیگر، آنها ملزم به رسیدگی به درخواست های موقت در ظرفیت پشتیبانی هستند. در موقعیت‌های دیگر، آنها باید کاربران جدید را وارد کرده و به آنها کمک کنند تا با دارایی‌های داده‌ای در دسترسشان تعامل داشته باشند.

ابزارهای همکاری عمومی و رویکردهای سنتی برای مدیریت کار به سرعت در این سناریوها از بین می روند. تیم های محصول و تیم های پشتیبانی ابزارهای هدفمندی برای مدیریت کار خود دارند. آیا تیم های داده نیز به راه حلی برای مدیریت بهترین درخواست های ذینفعان نیاز ندارند؟ یا ابزارهایی برای مدیریت اسناد پشتیبانی یا آموزش کاربران نهایی؟ بهترین تیم های داده اغلب خود را درگیر این بخش از گردش کار خود می بینند و در نهایت راه حل هایی را اتخاذ می کنند که برای دیگران ساخته شده است (در این مثال، تیم های محصول و پشتیبانی).

از آنجایی که بیشتر کارها و تعاملات داده ها داخلی هستند، پیدا کردن راه درست برای کار با ذینفعان کسب و کار بدون ایجاد سردرگمی و مواجهه با ناهنجاری برای تیم ها می تواند دشوار باشد.

اگر مشکلات همکاری بین تیم‌های داده و سایرین را بررسی کنید، مطمئناً عدم تقارن اطلاعاتی بین سازندگان و مصرف‌کنندگان دارایی‌های داده را پیدا خواهید کرد. از یک طرف، شما سازندگان داده با دانش عمیق در مورد داده های زیربنایی، نحوه دستکاری و تجزیه و تحلیل آن، و نحوه ایجاد زمینه آن در بدنه بزرگتری از دارایی های داده، دارید. از سوی دیگر، شما مصرف کنندگان داده ای دارید که معمولاً متخصصان حوزه با دانش غنی در مورد خود کسب و کار هستند که می تواند برای ارائه زمینه وسیع تر، درک داده ها و تکامل پلت فرم داده حیاتی باشد.

به عنوان مثال جین را در نظر بگیرید. او به‌تازگی به‌عنوان مدیر فروش به یک شرکت Fortune 500 ملحق شد و یک تیم توزیع‌شده متشکل از 15 فروشنده را مدیریت می‌کرد که در سراسر جنوب شرقی پراکنده بودند. در روز دوم کار جدیدش، ایمیلی از یک همکار با چندین پیوند به منابع مختلف ارسال می‌شود: صفحه‌گسترده با اطلاعات خط لوله، گزارش‌های مختلف در Salesforce، و تعداد انگشت شماری داشبورد درباره عملکرد فردی در راه‌حل BI شرکت. پس از صرف چند دقیقه به بررسی داده ها، او متوجه می شود که هیچ ایده ای ندارد که واقعاً به چه چیزی نگاه می کند و به چه معناست. او پیامی به مدیر عملیات فروش خود می فرستد و درخواست کمک می کند، که شریک خود را در تیم داده ای که بیشتر آن منابع را ساخته است حلقه می زند. تحلیلگر داده ایمیل را می خواند، آه می کشد و سپس یک ساعت بعد را صرف نوشتن پاسخ می کند. آنها یک بلیط در تابلوی JIRA خود برای "ارزیابی مجدد اسناد" ایجاد می کنند.

علت اصلی پشت این نوع مشکلات همکاری داده ها عدم تقارن اطلاعاتی بین سازندگان و مصرف کنندگان است که همه را ناامید و ناراضی می کند.

متأسفانه، افرادی که اغلب تحت تأثیر این پویایی‌ها قرار می‌گیرند، کارمندان پایین‌تر یا مدیران میانی در خط مقدم هستند، زیرا آنها معمولاً قدرت کمتری در سازمان دارند و کمترین زمینه را برای درک تصمیم‌هایی که پیرامون داده‌ها گرفته می‌شود، دارند. بدون آموزش فشرده، این کارکنان در برابر انواع مشکلات ارتباطی که ناشی از عدم تقارن اطلاعاتی است آسیب پذیر هستند. آنها همچنین مستعد ابتلا به "سندرم چرخ جیر جیر" هستند، جایی که صدای مدیران و اعضای ارشد تیم رهبری به طور طبیعی توسط تیم های داده با صدای بلندتر شنیده می شود (و بنابراین درخواست ها و نیازهای آنها بر درخواست های دیگران اولویت دارد).

برای به دست آوردن بازگشت سرمایه بهتر از سرمایه گذاری های هنگفت انجام شده در ابزارهای داده و تیم ها، باید به این عدم تقارن های اطلاعاتی در قلب مشکلات خود حمله کنیم. رسیدن به صفر شاید یک هدف آرمانی باشد، اما تیم‌های داده باید به طور مستمر در تلاش باشند تا این شکاف را از طریق تمرین‌ها، مشارکت‌ها و ابزارسازی برطرف کنند. انجام این کار اصطکاک را از بین می برد، شفافیت و اعتماد را افزایش می دهد و به همه اجازه می دهد تا از داده های ارائه شده شرکت بهره بیشتری ببرند.

در اینجا 4 نکته فعال برای رهبران داده وجود دارد که می خواهند عدم تقارن اطلاعاتی را کاهش دهند و به همکاری بهتر در سازمان خود دست یابند:

ساختارهای سازمانی و تیمی را با نیازهای کسب و کار هماهنگ کنید. این نه تنها مدل های گزارش دهی، بلکه نقش ها و عملکردهای تیم داده را نیز شامل می شود. ما در حال حاضر شروع به دیدن پست های شغلی بیشتری برای نقش هایی مانند "مدیر محصول داده" یا "مستر داده اسکرام" کرده ایم. این توابع جدید به تیم‌های داده کمک می‌کند تا چالش‌های همکاری را مدیریت کنند که در نهایت معمولاً در مورد افراد و فرآیندها در مقابل مشکلات فناوری اساسی است.
سرمایه گذاری در یک مدل ماتریسی را در نظر بگیرید جایی که اعضای تیم شما - یا در برخی موارد کل پادها - با واحدهای تجاری خاص همسو هستند. این امکان همراستایی ابتکارات داده‌های بلندمدت را با نیازهای فوری کسب‌وکار فراهم می‌کند، اشتراک دانش را تقویت می‌کند، و همچنین روابط نزدیک‌تر و مشارکتی بین تحلیلگران و کسانی که روزانه از آنها حمایت می‌کنند.
از کوچک شروع کنید و در طول مسیر موفقیت خود را تقویت کنید. قدرت اولین برداشت نمی توان دست بالا گرفت ادراک اولیه از تیم داده به طرز باورنکردنی برای نحوه دریافت کار آنها مهم است، بنابراین در مورد چگونگی انجام این کار با اعضای اصلی تیم فکر کنید. با ایجاد روابط قوی با 1 تا 2 قهرمان کلیدی در سازمان که می توانند به انتشار اخبار در مورد شگفت انگیز بودن شما کمک کنند، تمرکز کنید. از آنجا گسترش دهید.
حواستان به کدام ابزارهای همکاری باشد می تواند در طول چرخه عمر ابتکارات داده و محصولات داده شما مورد استفاده قرار گیرد. برای مثال، به این فکر کنید که چگونه می‌خواهید افراد، فرآیندها و سیستم‌های خود را برای هر یک از دسته‌های زیر جمع آوری کنید. غالباً آنچه برای یک دسته کار می کند، در سایر مقوله ها به شدت شکست می خورد:
- همکاری در تیم داده
- همکاری عمومی با سایر کارمندان خارج از تیم شما
- سؤالات موقت یا درخواست‌های ویژگی جدید
- پشتیبانی مداوم از محصولات داده
- محدوده ابتکارات داده یا محصولات داده جدید
- ارائه داده های خود را بر اساس آنچه برای کسب و کار ارزشمند است، توسعه دهید

تیم های داده نوآور در حال حاضر به سمت بهترین شیوه های مهندسی نرم افزار مهاجرت می کنند و این روند احتمالاً در سال های آینده ادامه خواهد داشت. همانطور که به سرمایه گذاری در زیرساخت داده برای حمایت از رشد آینده نگاه می کنید، به ابزارهایی فکر کنید که از همکاری شرکای تجاری پشتیبانی می کنند.

نیکلاس فروند یک مدیر باتجربه صنعت SaaS با بیش از یک دهه تجربه در استارت آپ های پیشرو متمرکز بر رشد محصول است. نیک به‌عنوان بنیان‌گذار و مدیر عامل Workstream.io، یک استارت‌آپ فناوری مرحله اولیه را رهبری می‌کند که به تیم‌های داده در مدیریت دارایی‌های داده حیاتی کمک می‌کند. قبل از Workstream، نیک به عنوان معاون عملیات برای BetterCloud، یک فروشنده مستقل نرم افزار که راه حل پیشرو مدیریت عملیات SaaS را ارائه می دهد، خدمت می کرد. پیش از این، نیک سمت‌های ارشد مالی در تسلا داشت، در حالی که MBA خود را در هاروارد دریافت می‌کرد.