องค์กรของเราขับเคลื่อนด้วยข้อมูลหรือยังนะ?
แล้ว Data-Driven Organization หน้าตาเป็นแบบไหน? 🤔
ช่วงนี้ได้ยินหลายๆ องค์กรบอกว่าตัวเองเป็น Data-Driven Organization แล้ว มีการใช้ข้อมูล หรือ Big Data ขับเคลื่อนธุรกิจ เลยได้กลับมาคิดว่าถ้าเราอยากจะพูดแบบนั้นได้เต็มปาก เราจะต้องมีอะไรบ้าง แล้วเราจะใช้อะไรเป็นตัววัดผล
พอดีได้หนังสือ Creating a Data-Driven Enterprise with DataOps มาจากงาน Data Council ที่สิงคโปร์มาเมื่อปีที่แล้วเลยหยิบมาดูสักหน่อย พบว่าคนเขียนหนังสือ (Ashish Thusoo และ Joydeep Sen Sarma) เคยทำงานอยู่ Facebook และเป็นส่วนหนึ่งของทีม Data Infrastructure ที่ช่วยทำให้ Facebook เป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลอย่างไร้ข้อกังขามาจนถึงทุกวันนี้
ตอนนี้ทั้ง 2 คนออกไปตั้งบริษัทเองที่ชื่อว่า Qubole และได้คิด Maturity Model ที่มี 5 ขั้นตอนในการดูว่าบริษัทจะขยับตัวจากการทำงานแบบดั้งเดิมจนกลายเป็นองค์กรที่ขับเคลื่อนโดยข้อมูล (Data-Driven Organization) ได้อย่างไร ลองมาดูกันดีกว่าว่าแต่ละ Stage เป็นประมาณไหนบ้าง
Stage 1: Aspiration
ในขั้นตอนนี้ องค์กรมีการใช้ Traditional Data Warehouse ในการออก Report และทำ Ad-Hoc Analysis
สัญญาณที่บอกว่าเราอยู่ใน Stage 1 คือ ในองค์กรมีการพัฒนาแอพพลิเคชั่นเพิ่มขึ้นมากขึ้นเรื่อยๆ และข้อมูลก็เริ่มมีมากขึ้น ในขณะที่มีการทดลองค้นคว้าเรื่อง Big Data อยู่ แต่ว่ายังไม่ได้ลงทุนอะไรมาก เช่น การจ้างคน การใช้งานพวก Software as a Service (SaaS) ที่เกี่ยวกับข้อมูล หรือการทำงบประมาณในการทำโครงการ Big Data
อีกสัญญาณหนึ่งคือ ทุกทีมที่อยากเข้าถึงข้อมูลจะต้องผ่านทีมที่ดูแลข้อมูล ส่งคำร้องขอ และทีมที่ดูแลข้อมูลก็จะไปหาข้อมูลมาให้
Challenges ที่จะเจอใน Stage 1 นี้คือ
- เราไม่รู้ว่าเราไม่รู้อะไร 😅
- มีความไม่รู้แน่ชัดเกี่ยวกับค่าใช้จ่ายของโครงการว่าจะเป็นอย่างไร ต้องวางแผนหา Return on Investment (ROI)
- มีปัญหาเรื่องความขัดแย้งและวัฒนธรรมภายในองค์กร
การจะขยับไป Stage 2 คือต้องไม่คิดใหญ่เกินไป แทนที่จะมานั่งคิดเรื่องวัฒนธรรมต่างๆ นานา ก็ให้เริ่มเน้นไปที่ปัญหาใดปัญหาหนึ่งที่สำคัญ และจำเป็นที่สุดก่อนในการทำโครงการ Big Data
Stage 2: Experiment
ในขั้นตอนนี้ เราสามารถ Deploy โครงการ Big Data ได้แล้ว ซึ่งปกติแล้วโครงการก็จะมีขนาดเล็ก และเป็นโครงการที่เจาะจงแก้ปัญหาใดปัญหาหนึ่ง
เราจะรู้ว่าเราอยู่ Stage 2 ถ้าเราสามารถบอกได้ว่าเรามีโครงการ Big Data ที่ประสบความสำเร็จ ซึ่งโครงการนั้นควรจะต้องมี
- ชื่อ
- เป้าหมาย หรือวัตถุประสงค์ทางธุรกิจที่ชัดเจน
- มีสปอนเซอร์ที่เป็นผู้บริหาร
โครงการที่ว่านี้อาจจะยังไม่มีแพลตฟอร์ม หรือกลยุทธ์ที่ชัดเจนในการเดินหน้าต่อ (ตรงนี้จะเป็นส่วนของ Stage 3)
Challenges ที่จะเจอใน Stage 2 ก็ประมาณนี้
- ยังไม่รู้เกี่ยวกับ Pitfalls ที่จะเกิดขึ้น ยังสับสนอยู่ว่าจะเดินหน้าต่อไปอย่างไร
- ขาด Resources และ Skills ในการจัดการโครงการ Big Data
- ไม่สามารถขยายความสำเร็จต่อไปได้ เพราะว่าโปรเจคที่ทำขึ้นมาไม่ได้ออกแบบมาเพื่อการขยายตัว (scale) และการขยายตัวนั้นเป็นสิ่งที่ซับซ้อนมาก
- ไม่มีการกำหนด Support Plan ที่ชัดเจน
- ขาด Cross-Group Collaboration
- ไม่มีการกำหนด Budget ไว้
- มีความไม่แน่นอนเรื่อง Security Requirements
Stage 3: Expansion
ในขั้นนี้จะมีหลายๆ โครงการที่ใช้ Big Data เกิดขึ้นแล้ว แล้วก็มี Foundation เพื่อ Big Data Infrastructure มี Roadmap สำหรับการสร้างทีมเพื่อสนับสนุนโครงการต่างๆ
เรามักจะพบว่ามีโครงการที่เป็นไปได้หลายโครงการมาก โครงการเหล่านั้นมักจะเป็นแบบ Top-Down ลงมาจากผู้บริหาร เช่นจาก Executives หรือ Directors จังหวะนี้เราจะเน้นที่ Scalability และ Automation แต่ว่ายังไม่ได้ลองดู Technology ใหม่ๆ ที่อาจจะตอบโจทย์มากกว่า
อย่างไรก็ตาม เราก็ยังมี Capacity และ Resources ที่จะตอบสนองความต้องการในอนาคต และสามารถตอบโจทย์ทางธุรกิจด้วย Infrastructure ตัวปัจจุบันที่สร้างขึ้นมาได้อยู่
Challenges ที่จะเจอใน Stage 3 นี้
- Skill Gap จะเยอะ มีความต้องการ Specialized Talent มากขึ้น
- ความยากในการจัด Priority ของโครงการต่างๆ
- ไม่มี Budget หรือ Roadmap ที่จะยังคงค่าใช้จ่ายให้อยู่ในขอบเขตที่สมเหตุสมผล
- มีความยากในการตามความเร็วของ Innovation ที่เกิดขึ้น
การที่จะขยับไป Stage 4 เรียกได้ว่าเป็น Transition ที่ยากที่สุด คนในองค์กรจะมีความต้องการข้อมูลมาก และเราก็จะตระหนักได้ว่าการมีทีมแบบ Centralized จะเริ่มกลายเป็นคอขวดล่ะ ทำให้เราต้องหาทางที่จะปรับเปลี่ยนโมเดลและเปิด Infrastructure ให้กับทุกคน
ปัญหาต่างๆ ใน Stage 3 จะผลักดันให้เราต้องไปลงทุนกับ Technology ใหม่ๆ แล้วก็การปรับเปลี่ยน Mindset และวัฒนธรรมขององค์กร
เราจะเริ่มคิดถึงเรื่อง Self-Service Infrastructure แล้วก็เริ่มดูว่าทีมที่ดูแลข้อมูลจะปรับเป็นทีมที่ดูแล Data Platform ได้อย่างไร
Stage 4: Inversion
ในขั้นตอนนี้เราจะทำ Enterprise Transformation และเริ่มมอง Use Case ที่เป็น Bottom-Ups ต่างๆ ซึ่งหมายความว่าโครงการ Big Data ไม่ได้ขึ้นอยู่กับ Executives หรือ Directors อีกแล้ว ทุกคนสามารถคิดและริเริ่มเองได้
เราจะรู้ตัวว่าเราอยู่ใน Stage 4 เมื่อเราใช้เวลาหลายเดือนในการสร้าง Cluster และใช้เงินลงทุนไปเป็นจำนวนมาก แต่ก็ยังรู้สึกว่าควบคุมไม่ได้อยู่ เริ่มมีเสียงบ่นจากผู้ใช้งานข้อมูลมากขึ้นเรื่อยๆ เนื่องจากระบบเริ่มช้าลง
นั่นเป็นเพราะว่าธุรกิจมีการเติบโตที่สูงขึ้น มีลูกค้ามากขึ้น มีข้อมูลมากขึ้น ระบบของเราไม่สามารถขยายความสามารถได้ทัน มีการต่อคิวของ Query จำนวนมหาศาล ที่ Infrastructure ตัวปัจจุบันไม่สามารถรองรับได้
Challenges ที่เจอใน Stage นี้
- ทำตาม Service-Level Agreements (SLAs) ไม่ได้
- ไม่สามารถขยาย Database ได้
- ไม่สามารถควบคุมค่าใช้จ่ายต่างๆ ได้
Stage 5: Nirvana
เป็น Stage เดียวกับ Facebook และ Google เราสามารถบอกได้ว่าเราเป็น Data-Driven Enterprise ได้อย่างแท้จริง มีการหา Insights อยู่ในทุกๆ ที่ขององค์กร และธุรกิจของเราได้ Transformed ไปอย่างประสบความสำเร็จแล้ว
ก็ประมาณนี้ครับ 5 Stages ของ Data-Driven Maturity Model อ่านแล้วคิดเห็นอย่างไรก็เสนอแนะมาได้ หรือถ้าใครมี Maturity Model แบบอื่นก็แนะนำกันมาเลย 😎
ผมคิดว่าการที่เรามีโมเดลแบบนี้ เป็นสิ่งที่ดีที่เราจะนำมาใช้วัดผลองค์กรที่เราทำงานอยู่ว่าเราทำไปถึงขั้นไหนแล้ว เหมือนเป็น Guideline หรือแนวทางในการลงมือทำทีละขั้นๆ โมเดลแบบนี้ยังทำให้ทุกคนเห็นภาพเดียวกัน เวลาที่พูดคุยกันจะได้เห็นภาพตรงกันอีกด้วย
จบการสรุปเพียงเท่านี้ ปิดท้ายด้วยหัวเรื่องของบทความ อยากให้เป็นคำถามกลับไปลองคิด ลองพูดคุยต่อกันนะครับ 😉
“องค์กรของเราขับเคลื่อนด้วยข้อมูลหรือยังนะ?”
