数据民主化被过度炒作了吗?

美容时尚专家解密:数据民主化是否被过分渲染?

组织如何为在民主化数据文化之路上的障碍和成功因素做好准备

数据民主化目前是讨论更有效使用商业数据时的主要观点之一。然而,数据的民主化或缺乏民主化也是美国和欧洲各组织中推进数据使用中更多价值的主要挑战之一。

因此,现在是时候问问我们是否一直在朝错误的方向努力。数据民主化的炒作是否合理?为了回答这些问题,我们需要看看企业和其他组织在试图民主化数据时面临的障碍以及民主化需要解决的成功因素。

定义数据民主化

与许多相对新概念一样,数据民主化的定义尚未稳定下来,不同用户可能有不同的理解。通常,数据民主化的定义是使组织内的终端用户能够更多地自主获取数据。正如我们将看到的,这个广义的定义不足以把握民主化的本质。

仅仅给员工们提供更多的数据访问权并不能使他们真正地更多使用数据或取得更好的结果。数据民主化的定义必须不仅包括对数据的表面访问,还要包括对员工不断使用数据和提高其分析技能的实际、实用和持续的赋权。因此,“自助式分析”这一术语可能更准确地捕捉到这种组织内部开放数据框架的本质,而不仅仅是“数据民主化”。

数据民主化为何重要?

让更多的业务用户访问更多组织数据的好处已经在理论上得到认可并在实践中得到测试。

首先,数据民主化能够更有效地利用时间和资源。公民数据科学家,即领域专家,他们也能熟练使用和处理数据,对于企业实现这种效率至关重要。

一方面,公民数据科学家可以将无聊的数据管理任务从专业数据科学家手中解放出来,让后者能够专注于更高层次的工作。另一方面,领域专家们可以比以往更快地完成工作,因为他们无需请求与数据相关的服务,而是能够自己获取和处理数据。

此外,数据民主化可以使数据摆脱黑暗。全球平均而言,各种公司流程中收集的超过50%的数据仍然被存储却没有被利用,占用存储空间,加大数据安全和管理成本,并浪费电力。开放公司数据的更广泛访问可以显着减少黑暗数据的数量,并为从现在只是负担的数据中提取价值创造机会。

此外,当允许更多具有广泛专业知识的团队查看数据时,定会做出更好的、全面的决策。由于特定专业背景导致的个人偏见和成见将会减少,使得基于数据的推理更加多样化和客观。

最后,访问数据赋予员工权力,有助于创建一种归属感。除了提高技能和操作速度的直接好处之外,这种赋权还能提升员工士气,使他们对整体大局和自己在其中所扮演的角色有更深入的理解。

自助式分析的障碍

由于每个组织类似于选择其政治秩序的社会,我们可以通过将之与阻碍国家维持民主的难题进行比较,来更好地理解民主化数据和转向自助式分析的挑战。

目标实现的手段的可用性

在大多数民主国家中,所有公民都有权访问政府机构持有的信息。然而,如果没有既定的程序、可理解的编目和数字基础设施,那么很少有人能够看到藏在庞大档案中的记录。

同样,仅仅向更多员工授予数据访问权限并不能扩大数据用户群。创建一个有效的数据民主,不仅需要形式上的自由,还需要实质性的资源来使用数据。这包括为员工提供分析工具,使他们能够处理内部数据,甚至收集额外的公开可用信息,以帮助完成工作任务。

在现实生活中实施这一点是复杂的,因为公司必须找到或开发一个自定义解决方案,该解决方案对于有经验的数据用户来说具有SQL接口,同时对于初学者来说具有“拖放”功能。这样的工具确实存在,但它们需要有良好文档化的数据建模。在Oxylabs,我们选择了Apache Superset,然而,并没有“一刀切”的解决方案,每个组织都必须寻找最适合其员工技能和需求的工具。

这使我们面临第二个主要挑战 – 识字问题。教育对于各种类型的有效民主至关重要。因此,应该建立适当的培训和分享实用,合法和道德的数据相关知识的机会。如果没有所有这些,那么员工将无法使用开放数据,或者更糟糕的是,以错误的方式解释数据,得出错误的结论。

不幸的是,确保每个人都了解业务数据的广泛背景并使用相同的定义(例如什么是“活跃用户”或“产品销售”)会给数据团队带来许多额外工作 – 这实际上是数据民主化应该解决的主要挑战。

共同责任

当之前生活在专制统治之下的人们过渡到民主制度时,其中一个主要挑战是学会对公众福祉负起个人责任,这是自由和自我管理所带来的。

在转向数据民主化的过程中,同样的挑战以共同承担数据保护责任的形式出现在每个员工身上。当管理和共享数据成为IT和数据专家的专属领域时,确保这些程序的质量,安全性和合规性的责任也落在他们的手中。对于相当大部分工作人员来说,这可能是可取的,因为新形式的责任可能会令人害怕。

因此,目标是说服员工不要害怕使用数据,并赋予他们以安全和负责任的方式使用数据的权力。在实现此目标方面,上述关于数据监管和网络安全的全方位培训至关重要。Airbnb树立了一个好榜样,他们建立了一个内部数据大学来提高员工的数据素养;此前,该公司通过推出名为Dataportal的数据探索工具开放了内部数据访问。

Netflix和Uber等公司也采用了自助分析工具,并提供内部数据培训。对于决定追随这条路线的公司来说,最重要的因素是数据民主化是否应该以相同方式涉及所有员工(这种情况很少见)。通常,组织受益于将员工分为不同的目标群体或角色,这些群体或角色具有不同的数据访问权限,并接受定制教育。

文化转变

在民主制度的情况下,激励协作和分散决策的文化至关重要 – 如果不能培养出适合的文化,那么有利的物质条件就会失去效果。即使所有必要的工具都可用,大多数员工也愿意承担数据安全责任,如果没有整个组织范围的文化转变,民主化也将失败。这种转变是以下 成功因素 的基础,用于实现数据民主化。

  • 高层管理支持。管理层同意民主化倡议并不一定意味着他们准备积极支持。如果没有管理层的监督和明确的兴趣,重回旧有方式的做事方式变得太容易。
  • 有明确定义的愿景和计划。宣布实现民主是一回事,建立起来又是另一回事。当组织对于开放数据在组织中的作用没有明确的愿景,也没有行动计划时,发展数据民主化很少超出初步的步骤。
  • 愿意在不同团队之间共享数据。民主是基于相互信任和协作的开放社会。然而,组织内部的团队可能不愿意与其他团队共享数据,认为这是一项麻烦的额外任务,甚至是互相干扰。
  • 推动和促成数据相关的倡议。非专业的商业用户的以数据为驱动的倡议不一定会产生期望的结果,或者不会迅速实现。鼓励工人继续实验需要明确选择创新潜力而非短期生产力。

这一切不可能一蹴而就。改变组织文化是一个漫长而困难的过程,其中有很多机会去感到沮丧或顺应时机。

结论

正如温斯顿·丘吉尔所说的那句“除了其他形式的政府,民主是最糟糕的”,数据民主也是如此。企图让组织数据实现民主化注定会存在缺陷和面临诸多障碍。然而,这是我们所知的最佳前进方式。将不断增长的数据资源封锁起来,并让大多数商业用户完全依赖少数数据专家,这并不是一种可持续的选择。

对于将数据民主化视为解决组织问题的奇迹解决方案的炒作在面临现实障碍时会逐渐消散。然后是进行严肃的合作工作,跨组织共享经验和积累知识的时候,为更 dem.ocratic 管理企业数据的条件创造。