I analysvärlden säger jag inte att det nödvändigtvis är dåligt att ha flera verktyg i ett företag, men styrmodellerna måste finnas på plats för att säkerställa att data och resulterande analyser är korrekta, konsekventa, pålitliga och säkra! De flesta organisationer tror att de har täckt detta med implementeringen av en datastyrningspolicy ...
Data Governance
En datastyrningspolicy beskriver formellt hur databehandling och hantering ska göras för att säkerställa att data är korrekta, tillgängliga, konsekventa och säkra. Policyn fastställer också vem som är ansvarig för information under olika omständigheter och anger vilka förfaranden som ska användas för att hantera den.
Ser vi vad som saknas? Inget omnämnande av analysanvändning. Hur datan hanteras och hur den kommer till verktyget styrs men väl i verktyget är det mörkt och öppet säsong att göra som du vill i namnet på självbetjäning eller bara få jobbet gjort. Så, vad är Analytics Governance?
Analytics styrning
Analytics Governance Policy beskriver formellt vilken bearbetning, omvandling och redigering av analysen som är tillåten bortom datalagret för att säkerställa korrekta, tillgängliga, konsekventa, reproducerbara, säkra och pålitliga resultat.
Vi har alla en instrumentpanel med viktiga mätvärden som vi övervakar och eventuellt kompenseras för. Vi försöker alla undvika att ha flera inkarnationer av denna instrumentpanel, men det verkar sällan hända. Att ha en Analytics Governance -policy på plats hjälper till att undvika olika resultat när du använder flera verktyg eller unika författare. I den perfekta världen har vi 1: an anpassad till instrumentpanelen som vi alla har input till och litar på. Sedan säkerställer en Analytics Governance -policy att endast vissa personer kan göra justeringar i linje med instrumentpanelen framöver.
Förhoppningsvis, de flesta läsare och nickar med huvudet och håller med- vilket är bra. Jag tror att vi alla strävar efter att vara ärliga och göra det som är rätt, och en Analytics Governance -policy formaliserar det bara för Analytics. Jag tror ännu viktigare att det formaliserar behovet av att ha en konversation kring databehoven utöver vad källan tillhandahåller och fokuserar på tillgångsbyggnad och användning. Det leder också till att leta efter lösningar där härstamning och förändringshantering stöder självbetjäningsanalys (och ja Motio kan hjälpa till här).
Tänk på det
Det finns policyer för att skydda alla. Oftast tänker vi på skadliga scenarier och tror att de inte kan hända oss. Tyvärr har jag sett och arbetat med företag där de har hänt; Ett enkelt lokalt filter på en instrumentpanel för att visa alla konton kontra aktiva konton där en bonus stod på spel. Ett team som får åtkomst till styrda data enligt styrningspolicyn men lyfter den till en molndatabas för självbetjäningsanvändning utanför IT: s kontroll.
De risker som är förknippade med att ingen analytisk styrningspolicy finns:
- Dåliga beslut - felaktiga analytiska resultat eller resultat som inte är betrodda
- Inga beslut - fastnat i analysen på analysen
- Slösad kostnad - förlorad tid med lag som gör sina egna med sina egna verktyg
- Förlust av varumärkeskapital - långsamma marknadsresponser, dåliga val eller dataläckage som går offentligt
Tala om det med dina team och intressenter. Att ha öppna samtal kring dessa ämnen kan vara tufft, men att överbrygga klyftorna mellan IT och branscher är så viktigt för framgång och positiv kultur. Alla vill vara de smidigaste, lyhördaste men mest av allt - rätt!
Om du vill lära dig mer om hur Motio lösningar stöder självbetjäningsanalys, kontakta oss genom att klicka på knappen nedan.
