Kolik času zabere datový projekt? Jak probíhá spolupráce s Data Mind?
Když se ve firmě začne mluvit o datovém skladu, novém reportingu, auditu dat nebo AI projektu, většina manažerů si nepoloží jako první otázku: „Jaká bude architektura?“
Mnohem častější otázka zní jinak:
„Kolik času nám to celé vezme?“
A hned za ní následuje druhá:
„Bude to stát za to?“
Tohle je úplně legitimní obava. Lidé ve firmách už dnes často jedou na hraně kapacit. Finance řeší uzávěrku, obchod jede forecasty, marketing kampaně, IT provoz, BI tým ad hoc požadavky a vedení chce rychlejší a přesnější podklady pro rozhodování.
Do toho přijde datový projekt. Na papíře dává smysl. Všichni vědí, že současný stav není ideální. Reporty se lepí ručně, čísla se liší podle oddělení, definice ukazatelů nejsou jednotné a na každou složitější otázku se čeká několik dnů nebo týdnů.
Ale stejně se ozve pochybnost:
„Nebude nás to nakonec zdržovat víc, než nám to pomůže?“
Zkušenost z projektů ukazuje, že dobrá spolupráce na datovém projektu nemá firmu zahltit. Naopak. Má z ní postupně sundat práci, která se dnes tváří jako běžná operativa, ale ve skutečnosti firmu dlouhodobě brzdí.
Na začátku potřebujeme váš čas. Ale ne každý den a ne od všech.
Datový projekt bez zapojení lidí z firmy nejde udělat dobře. To je fér říct hned na začátku. Externí tým může přinést zkušenost, strukturu, technické řešení a nadhled. Ale nemůže sám od stolu vědět, jak přesně ve vaší firmě vzniká marže, co znamená aktivní zákazník, které výjimky jsou důležité a které jen historicky zůstaly v reportu, protože je tam někdo kdysi přidal.
Proto na začátku potřebujeme mluvit s lidmi, kteří rozumějí byznysu.
Typicky jde o několik schůzek s klíčovými lidmi:
- vedení nebo zadavatel projektu
- finance
- obchod nebo marketing
- IT
- BI / datový tým
- případně další vlastníci důležitých procesů
Nejde ale o to vytáhnout z každého oddělení desítky hodin. Dobře vedený projekt nezačíná tím, že se firma na měsíc zastaví a všichni vyplňují tabulky.
Na začátku potřebujeme hlavně pochopit:
- jaká rozhodnutí se dnes dělají špatně nebo pomalu
- kde se číslům nevěří
- které reporty jsou pro firmu opravdu důležité
- kde vzniká nejvíc ruční práce
- kdo dnes supluje chybějící systém vlastními excelem, exporty a workaroundy
Často vidíme, že největší problém není v tom, že firma nemá data. Data má. Někdy až moc. Problém je v tom, že lidé nevědí, kterým číslům věřit, odkud pocházejí a proč se liší. A právě tohle se musí na začátku pojmenovat.
Největší zdržení obvykle nevzniká během projektu. Už ve firmě dávno je
Když se klient ptá, kolik času mu spolupráce vezme, často se dívá jen na čas potřebný na projektové schůzky. To je pochopitelné. V kalendáři vidí workshop, pravidelný status, připomínkování výstupu, validaci čísel.
Jenže skutečná časová ztráta většinou leží jinde. Je už dnes schovaná v běžné práci: v ručním skládání reportů, v kontrole čísel mezi systémy, v opakovaném vysvětlování, proč má finance jiné číslo než obchod, v čekání na BI tým, v úpravách jednoho reportu pro pět různých manažerů, v ad hoc analýzách, které se pokaždé dělají skoro od nuly.
Na projektech se opakovaně setkáváme s tím, že lidé tuto práci berou jako normální součást provozu. Nikdo ji už ani nepočítá. Typický scénář bývá, že jeden člověk ve firmě každý měsíc připravuje důležitý report pro vedení. Stahuje data ze tří systémů, čistí je, ručně spojuje, upravuje v Excelu, kontroluje výjimky a pak ještě vysvětluje rozdíly proti minulému měsíci. Zabere mu to třeba dva až tři dny měsíčně. Formálně to není problém. Report přece vzniká.
Ale firma platí kvalifikovaného člověka za práci, kterou by do velké míry měl dělat systém. A zároveň na něm stojí důležité rozhodování. Datový projekt v takové situaci nepřidává práci navíc. On nejdřív tu skrytou práci zviditelní. A pak ji postupně odebírá.
Co bude potřeba od vás?
Dobrá spolupráce stojí na tom, že každá strana dělá to, v čem má největší přidanou hodnotu. Od klienta nepotřebujeme, aby navrhoval datový model, řešil technické detaily nebo přemýšlel nad architekturou. To je naše práce.
Od klienta potřebujeme hlavně kontext a rozhodnutí.
Konkrétně:
- říct, co je pro firmu opravdu důležité
- vysvětlit, jak se dnes používají klíčové metriky
- potvrdit, jestli čísla dávají smysl
- rozhodnout, která varianta výkladu je správná
- určit priority, když nejde udělat všechno najednou
V datových projektech se velmi snadno stane, že se otevře příliš mnoho témat najednou. Reporting pro obchod, finance, sklad, marketing, zákaznickou péči, management, k tomu kvalita dat, governance, nové zdroje, historická data a ideálně ještě AI. Na první pohled to zní logicky. Když už se do dat sahá, tak pojďme vyřešit všechno. V praxi je to ale jedna z nejčastějších cest, jak projekt zpomalit.
Proto se snažíme spolupráci vést tak, aby firma nemusela rozhodovat o všem najednou. Pomáháme rozdělit projekt do smysluplných kroků. Začít tam, kde je jasná hodnota a kde lze výsledek poměrně rychle ověřit. Ne proto, že by ostatní oblasti nebyly důležité. Ale proto, že projekt musí od začátku ukazovat přínos.
Co typicky řešíme za vás?
Mnoho firem se bojí, že datový projekt zatíží jejich interní IT nebo BI tým. Částečně ano, bez jejich zapojení to nejde. Ale nemělo by to znamenat, že interní tým ponese celý projekt na zádech. Naše role je převzít podstatnou část práce, kterou by jinak firma musela řešit sama.
Typicky za klienta řešíme:
- strukturu projektu
- návrh řešení
- vedení workshopů
- technickou analýzu
- datové modelování
- přípravu reportů a dashboardů
- nastavení pravidel
- dokumentaci
- komunikaci mezi byznysem a technickým týmem
- upozorňování na rizika a slepé uličky
Právě poslední bod je často podceňovaný. Externí partner nemá být jen „dodavatel kapacit“. Má přinést zkušenost z jiných projektů. Má říct, kde firmy typicky narazí. Má upozornit, že zdánlivě jednoduchý požadavek bude mít složité dopady. Nebo naopak, že něco, co se interně řeší dlouhé měsíce, se dá zjednodušit.
Často vidíme, že mezi byznysem a IT nevzniká konflikt kvůli neochotě. Vzniká kvůli překladu.
Byznys říká: „Potřebujeme vidět ziskovost zákazníků.“
IT slyší: „Potřebujeme napojit další datové zdroje, vyřešit historizaci, sladit definice, doplnit číselníky a ošetřit kvalitu dat.“
Obě strany mají pravdu. Jen mluví jiným jazykem. Naší rolí je pomoct tento překlad udělat tak, aby vedení rozumělo dopadům a technický tým měl jasné zadání.
Přínos není jen v novém dashboardu
U datových projektů se přínos často zužuje na výstup: nový dashboard, datový sklad, automatizovaný report, predikční model. To je ale jen viditelná část. Skutečná hodnota bývá širší.
Firma získá:
- jednotnější pohled na čísla
- méně ruční práce
- rychlejší odpovědi na manažerské otázky
- menší závislost na jednotlivcích
- lepší kontrolu nad tím, odkud data pocházejí
- větší důvěru v reporting
- schopnost rozvíjet další analytiku nad pevnějším základem
Pro CFO to může znamenat, že se méně času tráví vysvětlováním rozdílů a více času interpretací výsledků.
Pro CIO to může znamenat menší tlak na ad hoc požadavky a lepší argumentaci vůči vedení.
Pro Head of Data to může znamenat, že datový tým přestane být vnímaný jako úzké hrdlo a začne fungovat víc jako partner byznysu.
Pro CEO to může znamenat, že rozhodnutí nestojí na dojmech nebo ručně poskládaných tabulkách, ale na datech, kterým lidé ve firmě věří.
A to je často větší přínos než samotná technologie.
Kdy vás bude spolupráce zdržovat nejvíc?
Je fér říct, že některé fáze projektu jsou pro klienta náročnější.
Nejvíc času obvykle vyžadují tři momenty.
První je úvodní pochopení problému.
Tady potřebujeme mluvit s klíčovými lidmi a získat kontext. Když se tato fáze odbyde, projekt se později vrací zpět a opravuje špatně pochopené zadání.
Druhý je validace čísel.
Jakmile vzniknou první výstupy, musí je někdo z byznysu projít a říct: „Ano, takhle to dává smysl,“ nebo „Ne, tady chybí výjimka, kterou v našem procesu musíme zohlednit.“
Tohle je někdy nepříjemná fáze. Objevují se rozdíly. Zjišťuje se, že staré reporty nebyly úplně přesné. Nebo že dvě oddělení počítají stejnou metriku jinak.
Ale právě tady vzniká velká část hodnoty.
Třetí je rozhodování o prioritách.
Projekt se dá vždy rozšířit. Vždy existuje další datový zdroj, další report, další segmentace, další požadavek.
Proto musí někdo na straně klienta rozhodnout, co je teď opravdu důležité a co počká.
Bez těchto rozhodnutí se projekt nerozběhne rychleji. Naopak se začne rozmělňovat.
Kdy se spolupráce začne vracet
Přínos datového projektu se nemusí objevit až na konci.
Dobře vedený projekt by měl hodnotu ukazovat postupně.
Někdy už po prvních workshopech firma zjistí, že má nejasné definice metrik, které považovala za samozřejmé. To samo o sobě může změnit diskusi ve vedení.
Jindy se rychle ukáže, že několik reportů vlastně odpovídá na stejnou otázku, jen každý trochu jinak. Je možné je sjednotit a zjednodušit.
V jiné firmě se zase zjistí, že problém není v reportingu, ale v datech na vstupu. Třeba v tom, že obchodníci vyplňují CRM různě a část informací se nedá spolehlivě vyhodnotit.
To nejsou technické detaily. To jsou věci, které přímo ovlivňují řízení firmy.
První návratnost často nepřichází jako velké finální „tady je hotovo“. Přichází ve chvíli, kdy firma začne lépe chápat vlastní data, vlastní procesy a vlastní slabá místa.
Co se nám v praxi osvědčilo
Aby spolupráce klienta nezatěžovala víc, než je nutné, funguje několik jednoduchých pravidel:
1) Mít jednoho silného vlastníka na straně klienta.
Ne člověka, který všechno odpracuje, ale člověka, který pomůže rozhodovat a odblokovávat věci.
2) Zapojovat byznys cíleně, ne plošně.
Není potřeba, aby na každé schůzce sedělo deset lidí. Lepší je mluvit s konkrétními lidmi ve správný čas.
3) Začít od rozhodnutí, ne od datových zdrojů.
Nejdřív se ptáme, co chce firma lépe řídit. Až potom řešíme, jaká data k tomu potřebujeme.
4) Ověřovat průběžně.
Čím déle se čeká na zpětnou vazbu, tím dražší jsou opravy.
5) Nedělat z prvního výstupu definitivní pravdu.
První verze často otevře debatu. To není chyba. To je součást procesu.
6) Hlídáme rozsah.
Když se do projektu začne přidávat všechno, rychle se ztratí původní cíl.
7) Překládáme technické dopady do řeči vedení.
Management nepotřebuje znát všechny detaily implementace. Potřebuje vědět, jaký dopad má rozhodnutí na čas, náklady, riziko a budoucí rozvoj.
Jak poznáte, že projekt dává smysl
Datový projekt by neměl vzniknout jen proto, že „by bylo dobré mít lepší data“. To je málo. Smysl dává ve chvíli, kdy existuje konkrétní bolest. Například: vedení nevěří číslům, reporting zabírá příliš mnoho ruční práce, klíčové metriky nejsou jednotné, BI tým nestíhá požadavky byznysu, rozhodnutí se dělají pozdě, firma roste a současné řešení už nestačí, data existují, ale neumí se dobře použít pro řízení.
V takovém případě není otázka, jestli vás projekt bude stát čas. Bude.
Správná otázka zní:
Kolik času a peněz vás stojí současný stav? Protože ten často stojí víc, než je na první pohled vidět.
Závěr: dobrý datový projekt vás má časem zdržovat méně, ne více
Spolupráce s Data Mind není bez práce na straně klienta. To by nebylo fér slibovat.
Budeme potřebovat vaše lidi. Budeme se ptát. Budeme chtít validovat čísla. Budeme otevírat otázky, které možná ve firmě dlouho ležely stranou.
Ale cílem není přidat další vrstvu práce.
Cílem je odstranit práci, která dnes vzniká kvůli nejasným datům, ručnímu reportingu, rozdílným definicím a závislosti na jednotlivcích.
Dobře vedený datový projekt má firmě přinést klidnější rozhodování. Méně dohadů nad čísly. Méně ruční operativy. A větší jistotu, že když se vedení na něco zeptá, odpověď nepřijde za tři týdny a nebude pokaždé jiná.
Na začátku vás spolupráce bude stát čas. Ale pokud je projekt dobře vybraný a dobře řízený, měl by vám ho postupně začít vracet.