Data Governance toegepast op analytics, business intelligence (BI) of datamodellering is niets nieuws, maar Analytics Governance verschilt enigszins van Data Governance, zegt Malcolm Chisholm, president van Gegevens millennium.

Chisholm sprak bij DATAVERSITY's Enterprise-analyse online, waarin staat dat Analytics Governance is gericht op een meer gecentraliseerde eenheid in plaats van het gedistribueerde model dat Data Governance vereist. "Er is een bedrijfsbreed aspect van Analytics Governance, maar het is niet zo uitgesproken en fundamenteel, op dezelfde manier als Data Governance," zei hij, en omdat er overeenkomsten zijn, is er een neiging om ze te verenigen. Chisholm denkt dat Analytics Governance enkele lessen kan leren van Gegevensbeheer,,maar het blijft uiteindelijk toch zijn eigen ding.'' 

De opkomst van datawetenschap en -analyse

Analytics Governance is een gebied dat in ontwikkeling is. De historische tijdlijn waarover Analytics Governance zich heeft ontwikkeld, wordt gedreven door technologische vooruitgang, niet alleen met modellering, zei hij, maar ook hoe gegevens worden beheerd en de mogelijkheid om grote hoeveelheden gegevens op te slaan en te verwerken via zaken als cloudinfrastructuur, samen met meer geavanceerde netwerk- en besturingssystemen. Chisholm schetste de rollen van data Science disciplines die vallen onder Analytics Governance: Business intelligence (BI)-inzichten gebruiken bestaande gegevens om iets uit te leggen. Beschrijvende analyses leggen uit wat er is gebeurd en diagnostische analyses geven inzicht in waarom het is gebeurd. Analytische inzichten helpen bij het verkennen van iets dat onbekend is en waarvoor nog geen gegevens zijn. Voorspellende analyses bieden theorieën over wat er zal gebeuren, en prescriptieve analyses suggereren hoe iets zou kunnen gebeuren. 

Gegevensbeheer versus analysebeheer

Omdat gegevens overal in de organisatie te vinden zijn, net als mensen, vergeleek Chisholm het beheer van de gegevensbronnen van een bedrijf met het beheer van personeel. Een afdeling personeelszaken bepaalt de regels voor hoe mensen in de hele onderneming worden beheerd. Gegevens zijn ook overal in de organisatie, maar historisch gezien werd het beheerd als het 'Wilde Westen', waar iedereen beheert zoals hij dat wil, en dit heeft problemen veroorzaakt. Net als bij HR, legt de opkomende horizontale functie van Data Governance een consistentie, standaardisatie en een verdeling van de verantwoordelijkheid op voor het beheer van gegevens door middel van beleid, procedures en gegevensbeheer. “Data is bedrijfsbreed. Het is niet echt ondergeschikt aan iets anders.” 

Drijfveren voor Analytics-beheer

Hoewel er een tendens is om te denken dat analytics uitsluitend bestaat uit: data wetenschappers door analytische modellen te produceren, is het gebied van analyse veel complexer, zei hij, en er zijn aangeboren drijfveren voor governance: 

Analysebeheer

Hoe wordt de vraag naar modellen gerationaliseerd?

Hoe wordt de modelontwikkeling geoptimaliseerd?

Zakelijke gebruikers

Wat kan ik verwachten als ik vraag om een ​​model te ontwikkelen?

Hoe integreer ik modellen in mijn bedrijfsprocessen?

Kan ik modellen vertrouwen?

Uitvoerend gezichtspunt

Welke risico's zitten er in modellen en hoe wordt dit gemitigeerd?

Welke waarde halen we uit modellen?

Standpunt van de gegevenswetenschapper

Hoe kom ik aan de gegevens die ik nodig heb?

Hoe communiceer ik met mijn zakelijke sponsors?

Beheer van marketinganalyses

Geavanceerde analyse-eenheden bestaan ​​meestal om te voorzien in een vraag die wordt gegenereerd vanuit andere delen van het bedrijf, zoals prognoses voor uitvoerend management, en modellering kan dat aanpakken, zei hij. Vergeleken met Data Governance is er een element van marketing dat nodig is om succesvol te zijn met Analytics Governance. Er zijn analyse-eenheden om te voldoen aan de vraag die wordt gegenereerd vanuit andere delen van het bedrijf, dus geavanceerde analyses eenheden moeten een soort marketingstrategie ontwikkelen om zichzelf op de markt te brengen voor de rest van de onderneming, zei hij. De marketingstrategie moet worden gecoördineerd, met name met de bedrijfsbrede aspecten van Analytics Governance: “Anders vervul je niet echt je taak om te brengen wat analytics te bieden heeft aan het bedrijf om de bottom line te verbeteren, de topline te verbeteren , en het risico te verminderen.” 

Organisatie van Analytics Governance

Sponsoring

Analytics is gespecialiseerd, dus de sponsor moet de eenheid zijn die verantwoordelijk is voor de modelontwikkeling, meestal een geavanceerde analyse-eenheid. Dat gezegd hebbende, kan modellering in veel eenheden binnen de organisatie voorkomen, dus de beste sponsor is de eenheid die het duidelijkst wordt geïdentificeerd met de analysemodellen die zijn gekoppeld aan de organisatiestrategie. 

Rol van het senior management

Het senior management moet vanaf het begin worden betrokken bij modelgovernance of Analytics Governance, zodat ze inzicht kunnen verwerven in modelleringsconcepten. Ze zullen ook moeten weten hoe ze zullen omgaan met modellen in productie en moeten een niveau van modelgeletterdheid verwerven.

• Organisatie van Analytics Governance: Hoewel er geen universeel bedrijfsmodel is dat in alle situaties past, zijn er gemeenschappelijke elementen en best practices die kunnen worden gebruikt om analyses te organiseren

• Analytics-governancecommissie: Meer gericht op het bedrijf en moet het senior management omvatten
• Technische commissie analyse: Moet zich richten op technische aspecten van modelontwikkeling

• Gespecialiseerde werkgroepen: Moet worden ontwikkeld voor bepaalde problemen en problemen die moeten worden aangepakt of oplossingen die moeten worden gebouwd 

Toegewijde Analytics Governance-analisten

Doorgaans zullen organisaties beginnen met het gebruik van vrijwilligers die bestuur aan hun takenlijst moeten toevoegen. "Dat was een les die al heel vroeg in de geschiedenis van Data Governance werd geleerd en die nooit heeft gewerkt", zegt Chisholm. Een succesvol programma vereist: verschillende specifieke analyse-, governance- en analistenrollen, die allemaal Analytics Governance ondersteunen. 

Communicatie en modelgeletterdheid

Naarmate het gebruik van modellen in de hele onderneming wijdverbreid wordt, zal het voor alle leden van het bedrijf belangrijker worden om modellen te begrijpen, niet alleen het IT-personeel of het senior management. Leiderschap moet het volgende al vroeg in een Analytics Governance-communicatieprogramma aanpakken om het algemene model te vergroten: geletterdheid van alle medewerkers:

• Wat zijn modellen? 
• Waarom zijn ze nodig? 
• Hoe worden ze gebruikt?
• Hoe om te gaan met hen?
• Een model aanvragen
• Hoe deel te nemen aan modelontwikkeling? 
• Een geïmplementeerd model gebruiken 

Deze communicatie moet in de eerste plaats worden aangestuurd door het Analytics Governance Committee, omdat het zakelijk gericht is, zegt hij, maar het is ook een goed idee om Corporate Communications erbij te betrekken, omdat zij de experts zijn in het communiceren van nieuwe ideeën in de hele onderneming en het verkrijgen van koopkracht. -in. In dit geval is het het beste om van tevoren een meer standaard 'cookie-cutter'-benadering van onderwijs te hebben in plaats van iets individueels te ontwerpen. Degenen die daadwerkelijk met modellen gaan interageren, zullen een meer gespecialiseerd programma van modelgeletterdheid moeten ontwikkelen, gericht op hoe ze omgaan met modellen. 

Vertrouwende modellen

"Het vertrouwen in modellen wordt een probleem", zei hij, niet voor ontwikkelaars, maar voor de zakelijke kant. Algemene percepties die ontstaan ​​wanneer introductie van analyses: 

• Het is onmogelijk voor een model om iets nauwkeurig te voorspellen, omdat modellen orkanen, of COVID, of waar de aandelenmarkt morgen naartoe gaat, niet kunnen voorspellen. 
• Modellen kunnen een verborgen mechanisme van discriminatie zijn en ons blootstellen aan risico's.
• Slechte mensen gebruiken AI om ons allemaal in zombies te veranderen. 

Communicatie zou niet moeten proberen om te gaan met deze overkoepelende problemen die modellen in de huidige samenleving hebben, maar in plaats daarvan stelt Chisholm voor om de focus te verleggen naar vertrouwensmodellen die in de context van het bedrijf worden gebruikt. Vertrouwen in bedrijfsmodellen ontstaat wanneer leiderschap transparant is over hoe modellen worden ontwikkeld, hoe ze worden ingezet, 

hoe risico's worden beoordeeld in modellen en hoe modellen worden gecontroleerd om ervoor te zorgen dat ze niet afdrijven.

De levenscyclus van Analytics 

• Intake aanvragen: Definieer hoe de vraag naar analyse wordt beheerd, met behulp van een ticketsysteem of een andere manier om verzoeken te beheren die via de pijplijn komen.

• Gebruik Case Kristallisatie: Verzoeken moeten door een analist gaan die een minimale drempel kan krijgen om het verzoek in detail te begrijpen en die kan beoordelen of een oplossing haalbaar is. Deze verzoeken moeten snel en eerlijk worden behandeld.

• Modelprioriteit: In plaats van prioritering aan één persoon te delegeren, kan dit proces het beste worden afgehandeld door een Analytics Governance Committee. Wanneer beslissingen door een groep worden genomen, is de kans groter dat ze als eerlijk worden beschouwd. Chisholm waarschuwde voor het opwerpen van wegversperringen zoals eindeloze formulieren of het laten opstapelen van verzoeken omdat ze moeten wachten tot de volgende vergadering. Het is belangrijk om consistent te zijn, maar ook flexibel genoeg om opnieuw prioriteiten te stellen in reactie op noodsituaties, zoals COVID. 

• Modelverwerving door derden: Intern een model bouwen is niet altijd de beste optie, en de Analytics Governance Committee moet overwegen welke stappen nodig zijn om een ​​derde partij in te huren om modellen te leveren. In dat geval moeten de algemene voorwaarden van een contract met een derde partij zorgvuldig worden bekeken, aangezien sommige nogal technisch zijn.

• Het model ontwikkelen: De minimaal haalbare gegevens die nodig zijn voor het model moeten worden bepaald: "Dit is een punt waar analyse, governance en datagovernance samenkomen." Ook moet worden bepaald wat het minimaal haalbare model is - het minimum dat nodig is om de use case daadwerkelijk op te lossen, zei hij. 

• Gegevens ontdekken: Er moet een ontwikkelingsmethodologie worden gestart om te bepalen of er gegevens beschikbaar zijn die aan de kwaliteitsbehoeften voldoen of dat er externe gegevens nodig zijn.

• Modelvalidatie: Het validatieproces bepaalt of het model voldoende generaliseert of dat het te specifiek is voor de datasets waarop het is getraind. De zakelijke kant kan 'sanity checks' op de resultaten geven en helpen met de aannames die in het model moeten worden ingevoerd. Ze kunnen ook helpen bij het verkrijgen van gegevens. 

• Modelinventaris: Een model wordt aan de inventaris toegevoegd wanneer een modelleringsverzoek wordt ontvangen en wordt op belangrijke punten gedurende de levenscyclus bijgewerkt, zoals validatie, wanneer een nieuwe versie wordt gemaakt, enz. Chisholm beschouwt de inventaris als een strategische vereiste voor Analytics Governance. 

• Migratie: “Alle technische aspecten zijn super interessant voor datawetenschappers, maar dit aspect om het succesvol te maken in de zakelijke context is ook belangrijk', en mislukking in dit late stadium is nog steeds mogelijk, zei hij. Aangezien het model wordt ingevoegd in de bedrijfsprocessen, moeten rollen en verantwoordelijkheden duidelijk zijn. Mensen aan de zakelijke kant moeten echt begrijpen dat het enige procesre-engineering en modelonderhoud met zich meebrengt.

• Modelverrichting: Eerstelijnswerkers die de informatie gebruiken, hebben een manier nodig om een ​​melding te doen als ze denken dat er vanuit zakelijk oogpunt iets mis gaat. Omdat modellen in de loop van de tijd kunnen driften en nauwkeurigheid verliezen, moet ook een monitoringproces worden ingesteld. 

Conclusie

Analytics Governance is geen one-size-fits-all onderneming, zei Chisholm, en daarom is het belangrijk om de levenscyclus te definiëren en vervolgens te overwegen wat er in elke fase moet gebeuren op basis van de unieke behoeften van de onderneming. 

Wilt u meer weten over de aankomende evenementen van DATAVERSITY? Bekijk onze huidige line-up van online en persoonlijke conferenties hier.

Hier is de video van de Enterprise Analytics Online-presentatie:

Afbeelding gebruikt onder licentie van Shutterstock.com