Rancang strategi data Anda dalam enam langkah

Dengan munculnya AI, strategi data yang jelas dan dapat ditindaklanjuti menjadi lebih penting.

Nuansa diperlukan; setiap contoh penggunaan AI memiliki kebutuhan datanya sendiri. Mendapatkan hasil maksimal dari AI generatif, misalnya, membutuhkan data tidak terstruktur yang dikelola dengan baik.

Apa pun tujuan Anda, strategi data yang sukses dimulai dengan memahami lingkungan data Anda: aset data, infrastruktur data, dan penggunaan data perusahaan Anda. Anda juga perlu menanamkan budaya literasi data, demokratisasi data, dan pengetahuan AI yang memberdayakan tim di seluruh organisasi Anda. 

Kerangka kerja enam bagian berikut akan membantu Anda merancang strategi data untuk mengembangkan AI yang berskala di seluruh bisnis Anda dan membantu Anda mencapai tujuan bisnis Anda.

Pertanyaan pemangku kepentingan utama

1. Inisiatif bisnis mana yang harus diprioritaskan?
2. Apakah ada masalah data yang dapat memperlambat adopsi AI?
3. Tantangan apa saja yang mengancam tujuan-tujuan prioritas?
4. Area mana yang dapat ditingkatkan dengan akses yang lebih baik ke data berkualitas tinggi?
5. Bagaimana keberhasilan diukur dalam organisasi?

“Ketika bertemu dengan pemangku kepentingan, identifikasi kebutuhan data di seluruh bisnis untuk menonjolkan nilai data sebagai aset strategis.”
 

Jo Ramos
Pemimpin Rekayasa Solusi Data dan AI

IBM 

Identifikasi contoh penggunaan yang paling menarik

Menyelaraskan data yang tepat dengan tujuan bisnis Anda “dimulai dan diakhiri dengan pertanyaan, masalah bisnis apa yang Anda coba atasi?” kata Tony Giordano, yang memimpin strategi data, konsultasi, dan transformasi keterlibatan untuk IBM®.

Saat Anda mencari contoh penggunaan yang menarik, ingatlah hasil yang jelas dan dapat dicapai yang selaras dengan prioritas bisnis.¹

Lindungi investasi Anda


Manfaatkan infrastruktur, Teknologi, dan keterampilan Anda yang ada untuk menentukan di mana dan bagaimana data Anda dapat membantu mencapai hasil bisnis dengan memanfaatkan. Ketika Anda benar-benar memahami data, Anda bisa menentukan arsitektur data yang sudah usang, memanfaatkan inisiatif yang didanai dengan lebih baik, dan mengidentifikasi area yang perlu ditingkatkan.

Mengidentifikasi hambatan dan kesenjangan

Setelah Anda menentukan tujuan dan mendapatkan dukungan dari pimpinan, kenali hambatan dalam membangun pengalaman yang mengutamakan data. Silo sering mencegah integrasi data, manajemen data, dan efisiensi workflow. Faktanya, 81% pemimpin TI mengatakan bahwa silo data menghambat upaya transformasi digital mereka.²

Memastikan akses data yang mudah

Pengguna harus memiliki akses tanpa hambatan ke data yang memberikan hasil yang baik. Mereka seharusnya tidak perlu khawatir tentang di mana data berada atau apakah data tersebut diatur dan sesuai.  

Terapkan design thinking pada strategi data


Pendekatan design thinking mengungkap tantangan utama organisasi, memberikan nilai strategis di berbagai contoh penggunaan, lini bisnis, dan tim. Pendekatan ini membantu menghasilkan resolusi yang dapat dicapai melalui siklus pengamatan, refleksi, dan iterasi yang berkelanjutan.

Mengevaluasi talenta dan keterampilan


Pastikan organisasi Anda menyediakan pelatihan berkelanjutan untuk mengikuti perkembangan AI dan TI. Survei IBM® IBV menemukan bahwa 85% CDO terkemuka yang disurvei memperluas pelatihan, 77% melatih kembali staf internal, dan 70% memperoleh bakat baru untuk meningkatkan literasi data di seluruh organisasi mereka.³

Prioritaskan tata kelola


Tetap mengikuti elemen data penting dan teregulasi sangat penting untuk menjalankan sistem Anda tanpa kesalahan duplikasi, pencarian yang tidak dapat diandalkan, atau pelanggaran privasi. Pertimbangkan siapa yang memiliki, mengelola, dan menentukan kebijakan data Anda, dan apakah tata kelola tersebut memengaruhi keamanan, privasi, atau kepatuhan. Memastikan bahwa pihak-pihak yang tepat memiliki hak pengambilan keputusan yang diperlukan, kerangka kerja akuntabilitas dan sumber daya untuk mengelola data secara efektif.

Definisikan keadaan target data Anda


“Banyak lingkungan data sudah ketinggalan zaman dan jarang memiliki fleksibilitas untuk berevolusi di lingkungan digital saat ini,” kata Giordano. Arsitektur data modern perlu dikelola, diatur, dan diamankan untuk memastikan kualitas data yang konsisten. Proses ini membutuhkan fleksibilitas untuk berkembang bersama saluran digital Anda.


Mengukur kemajuan menuju tujuan Anda


Pemimpin data diharapkan untuk mendorong transformasi jangka panjang, tetapi sering diukur dengan hasil bisnis jangka pendek. Sebuah survei oleh AWS menemukan bahwa 74% CDO mengatakan keberhasilan mereka dinilai dari hasil bisnis atau campuran tujuan bisnis dan teknologi, sementara hanya 3% mengatakan keberhasilan mereka diukur semata-mata pada pencapaian teknis.⁴

“Dari dewan direksi yang mengharapkan ‘keajaiban’ pada awal masa jabatan CDO, hingga CEO yang berpikir perusahaan besar dapat menjadi perusahaan yang sepenuhnya berbasis data dalam enam bulan atau kurang, tekanan pada CDO tidak pernah terjadi sebelumnya.”
 

Studi IBV CDO (2023)³

Fokus pada tujuan data Anda. Manfaatkan insight dari pengguna data untuk menemukan cara terbaik untuk mempercepat nilai bisnis melalui AI.


Menguraikan kebijakan tata kelola data 


Kerangka kerja tata kelola yang kuat akan mendorong kualitas, privasi, dan keamanan. Lapisan metadata dan tata kelola akan meningkatkan visibilitas dan kolaborasi di seluruh organisasi Anda, di mana pun data Anda disimpan. Selain itu, kebijakan tata kelola data Anda akan memandu bagaimana data dikelola, diamankan, dan dijaga kerahasiaannya, sekaligus membantu Anda melacak bagaimana AI mendukung upaya kepatuhan. 

Mengidentifikasi pendukung data 


Temukan orang-orang yang bersemangat dalam menggunakan data untuk meningkatkan pekerjaan mereka. Mitra sukses ini dapat membantu standarisasi praktik data dan mempromosikan kebiasaan data yang baik. Carilah pendukung dalam tim data, seperti insinyur data, arsitek atau ilmuwan yang membangun model AI. Pemimpin bisnis yang timnya mengandalkan analisis data juga merupakan kandidat yang hebat. 

Atur siklus sprint Anda

Untuk menyematkan strategi data dan AI, mulailah dengan menetapkan tujuan yang jelas dan dapat dicapai. Kumpulkan tim lintas fungsi di sekitar tujuan ini dan jalankan siklus sprint singkat dengan tonggak yang dapat ditindaklanjuti untuk menunjukkan kemajuan. Pastikan C-suite, tim teknologi, dan pengguna bisnis memiliki visi yang sama.

Kumpulkan kemenangan kecil


Fokus pada contoh penggunaan yang sederhana dan berdampak untuk menunjukkan nilai investasi data dan AI Anda dengan cepat. Hindari mengatasi masalah tersulit pada awalnya. Berinvestasilah dalam program percontohan selama tahap awal adopsi AI untuk mendapatkan pengalaman yang Anda butuhkan untuk hasil yang lebih besar di kemudian hari.

Buat katalog data pusat


Katalog pusat menyimpan dan berbagi data baik dalam bentuk asli maupun yang dikurasi, sehingga lebih mudah diakses dan digunakan. Katalog ini melacak bagaimana data dikonsumsi dan insight apa yang muncul, memungkinkan pengguna membuat keputusan yang tepat di seluruh organisasi. 

Berdayakan konsumen data untuk mengadopsi


Mendorong adopsi kerangka kerja data baru di seluruh perusahaan. Data ini meningkatkan komunikasi, merampingkan alur kerja, mengoptimalkan keamanan, dan membuka model bisnis baru, peluang pasar, dan efisiensi operasional.

Tunjukkan dan ceritakan


Contoh penggunaan Anda adalah cara yang ampuh untuk menunjukkan dampak. Seperti yang ditunjukkan oleh artikel mendalam dari Harvard Business Review, pemimpin CDO dan AI melihat kesuksesan yang lebih besar ketika mereka “membuat data menjadi bisnis semua orang.”⁵

Contoh penggunaan dapat mencakup ilmu data, analitik operasional, transformasi, intelijen bisnis, dan inisiatif gen AI, dan banyak lagi, memberikan banyak tim kesempatan untuk memanfaatkan data untuk dampak bisnis yang nyata. 

Merekrut dan melatih kembali talenta


Menutup kesenjangan keterampilan berarti melihat lebih dari sekadar strategi perekrutan dan pelatihan tradisional. Ketika perusahaan berebut untuk memenuhi kebutuhan talenta mereka, banyak perusahaan yang menyesuaikan persyaratan pendidikan, dan pengalaman hanya untuk mengisi posisi. Ketika pelatihan dan perekrutan tidak cukup, pertimbangkan bagaimana AI dan otomatisasi dapat membantu mengatasi kekurangan tenaga kerja dan ketidakcocokan keterampilan.

Membangun kemitraan yang kuat

Peran Anda sebagai pemimpin data adalah membantu organisasi Anda membuat keputusan yang bijak tentang pengumpulan, pengelolaan, dan penggunaan data. Saat Anda membangun dan memperkuat kemitraan di setiap tingkat, bersikaplah terbuka untuk menerima masukan dan kolaborasi. Budaya yang mengutamakan data tumbuh subur ketika orang-orang termotivasi untuk belajar, mengambil alih kepemilikan, dan merangkul peran-peran baru.

Jadikan data sebagai pembeda

Saat Anda meningkatkan teknologi yang ada dan memperkenalkan solusi baru untuk menyederhanakan akses data, ingatlah bahwa Anda melakukan lebih dari sekadar menciptakan efisiensi dan mendorong insight baru. Anda sebenarnya sedang membangun budaya yang bersemangat menggunakan data secara maksimal.