Apa Itu Strategi Data?

Manfaat memiliki strategi data yang baik:

Mengatasi tantangan manajemen data

Kebanyakan organisasi mengalami tantangan manajemen data seperti, silo data, duplikasi data di seluruh unit bisnis, alur data yang tidak efisien antar departemen, dan kurang jelasnya prioritas data. Strategi data memungkinkan perusahaan untuk mengatasi tantangan ini dengan cara membuat data mudah diakses dan dibagikan dengan cara yang aman. Anda dapat membuka nilai data untuk memenuhi inisiatif bisnis. Penyelarasan yang lebih baik seputar data dan akses ke data yang tepat pada waktu yang tepat memungkinkan organisasi untuk bersiap menghadapi masa depan atau hal tak terduga.

Tingkatkan pengalaman dan kesetiaan pelanggan

Organisasi menggunakan data dan analitik untuk lebih memahami pelanggan dan meningkatkan pengalaman pelanggan. Dari pengalaman online hingga pusat kontak, organisasi dapat menggunakan data untuk menciptakan lebih banyak nilai bagi pelanggan dan menangani kebutuhan yang tidak terpenuhi secara proaktif. Data juga membantu organisasi menciptakan bisnis baru atau monetisasi peluang dan membangun produk dan layanan yang dipersonalisasi secara khusus menurut kebutuhan pelanggan. Pengalaman yang dipersonalisasi juga meningkatkan loyalitas pelanggan dari waktu ke waktu.

Mencapai kematangan analitik

Model Ascendancy Analitik Gartner menjelaskan empat langkah dalam kematangan analitik. Organisasi biasanya memulai dengan analitik deskriptif dan diagnostik untuk memahami apa yang terjadi dan alasannya. Kematangan analitik hadir ketika organisasi beralih ke analitik prediktif yang menggunakan data untuk menjawab apa yang akan terjadi. Organisasi pada tahap akhir kematangan menggunakan analitik preskriptif untuk mencapai hasil yang telah ditentukan. Sehingga, strategi data menjabarkan rencana mendetail untuk membantu organisasi Anda beralih dari membuat keputusan berdasarkan prakiraan, bukan dari retrospeksi.

Bangun aplikasi yang tetap unggul pada masa depan, seperti ML dan AI generatif

Data adalah inti dari aplikasi ML dan AI generatif. Model ML dan AI memerlukan kemampuan untuk menyerap dan mengelola data dengan mudah untuk melatih model serta menjalankan inferensi. Strategi data memperhitungkan data yang memasukkan kasus penggunaan seperti pengenalan citra, prakiraan, dan pencarian cerdas ke aplikasi. Anda juga perlu memperhitungkan tata kelola ML, yang mencakup pengaturan model data Anda.

Menciptakan budaya data berskala organisasi

Strategi data merepresentasikan peta strategis untuk meningkatkan literasi dan efisiensi data dalam penggunaan di seluruh organisasi. Tim yang berbeda dapat bekerja selaras untuk meningkatkan kualitas dan keakuratan pengumpulan data. Selain itu, Anda dapat mengembangkan pelatihan yang dikustomisasi dan membuat jalur belajar bagi para kolaborator mulai dari pemula hingga ahli dalam manajemen data dan penggunaan.

Mendukung kepatuhan terhadap peraturan

Strategi data yang efektif meningkatkan keamanan data dengan cara mengimplementasikan tindakan untuk membatasi akses data yang tidak sah. Anda dapat mempertimbangkan semua peraturan dan regulasi tata kelola data saat menentukan kebijakan dan proses. Semua operasi dapat direncanakan dengan seksama untuk memastikan manajemen data korporasi memelihara privasi, keamanan, dan integritas data sepanjang waktu.

Ada dua pendekatan utama untuk membuat strategi data bagi organisasi Anda.

Terpusat

Pendekatan yang sangat terpusat dan berorientasi kontrol untuk manajemen data biasanya mencakup satu sumber kebenaran untuk setiap kategori data yang luas. Misalnya, ada satu sumber primer pendapatan, pelanggan, atau data penjualan. Sistem data mengumpulkan data dari beberapa sumber, membersihkannya, dan menyimpannya dalam repositori pusat ini. Dengan demikian, pertahanan data meminimalkan risiko hilir dengan mengidentifikasi, menstandardisasi, dan mengatur sumber data resmi untuk menjaga integritas data yang mengalir melalui sistem internal perusahaan. Pertahanan data memprioritaskan aktivitas, seperti berikut:

• Kepatuhan dan peraturan
• Deteksi penipuan menggunakan analitik
• Tindakan keamanan untuk mencegah pencurian

Terdesentralisasi

Pendekatan terdesentralisasi menambah lebih banyak fleksibilitas untuk sistem manajemen data yang diatur secara terpusat. Pendekatan tersebut mengenali bahwa beberapa unit bisnis menginterpretasikan data yang sama secara berbeda. Hal ini mengakomodasi interpretasi yang berbeda tersebut dengan mengizinkan transformasi data terkontrol yang dapat dipetakan kembali ke satu sumber kebenaran secara andal.

Misalnya, bayangkan skenario saat departemen keuangan dan pemasaran memproduksi laporan bulanan pengeluaran iklan di media sosial. Bagian pemasaran, tertarik pada analisis efektivitas iklan, melaporkan dampak pengeluaran pada jumlah klik dan tampilan. Bagian keuangan melaporkan efek pengeluaran pada arus kas. Laporan tersebut berisi angka-angka yang berbeda, tetapi kedua laporan mewakili versi kebenaran yang akurat.

Pendekatan strategi data yang seimbang

Setiap perusahaan perlu menggabungkan pendekatan terpusat dan terdesentralisasi agar strategi datanya berhasil, tetapi mendapatkan keseimbangan yang tepat bisa jadi rumit. Pendekatan terdesentralisasi cenderung bersifat waktu nyata untuk operasinya dan lebih relevan untuk fungsi bisnis yang fokus pada pelanggan, seperti pemasaran dan penjualan. Pendekatan terpusat bersifat lebih penting untuk departemen hukum, keuangan, kepatuhan, dan IT. Strategi data yang seimbang memberikan fleksibilitas bagi para pemimpin bisnis untuk mengadaptasi satu sumber kebenaran dengan cara konsisten agar dapat memenuhi kebutuhan bisnis dengan lebih baik.

Mengidentifikasi inisiatif bisnis yang didanai

Langkah pertama adalah menyelaraskan inisiatif bisnis yang didanai. Untuk hal ini, Anda dapat menggunakan metodologi bekerja mundur Amazon. Berikutnya, menentukan data manakah yang dibutuhkan untuk inisiatif bisnis tersebut.  Kemudian mengidentifikasi kemampuan data manakah yang diperlukan untuk mendukung inisiatif bisnis.

Berikut adalah contoh langkah-langkah untuk membangun strategi data:  

• Mendukung inisiatif bisnis yang didanai orang lain
• Mengidentifikasi kemampuan data yang diperlukan
• Menentukan kondisi data yang dibutuhkan
• Membangun peta jalan strategi data
• Mengidentifikasi manakah praktik operasi perusahaan, seperti arsitektur perusahaan dan manajemen proyek, yang dapat mendukung strategi data Anda
• Mengintegrasikan dengan program strategi AI

Bangun tim

Menemukan orang yang tepat yang membawa cara pandang dari berbagai sisi sangat penting bagi keberhasilan strategi data. Tim Anda akan bertanggung jawab atas beberapa tugas yang mungkin dapat mencakup hal-hal berikut:

• Alokasi dan distribusi sumber daya
• Menetapkan dan meningkatkan kebijakan
• Mengatasi masalah terkait data begitu masalah muncul
• Mengomunikasikan status dan hasil program

Anda juga dapat menunjuk peran tata kelola data untuk menentukan orang yang bertanggung jawab untuk melakukan deployment teknologi, memastikan kepatuhan terhadap standar, dan menyediakan pembaruan bagi semua orang mengenai perubahan kebijakan.

Optimalkan arsitektur data Anda

Setiap strategi data memerlukan peralatan dan teknologi yang tepat agar berhasil secara praktik. Anda akan perlu meninjau infrastruktur data yang ada, menganalisis cara tim yang berbeda dalam menggunakan data pada saat ini, dan mengidentifikasi adanya celah untuk diatasi. Langkah ini biasanya melibatkan pengambilan keputusan yang berpusat pada teknologi berdasarkan persyaratan Anda, yang mungkin mencakup hal-hal berikut:

• Volume dan tipe data
• Kualitas dan analisis data
• Keamanan dan kepatuhan
• Siklus hidup data

Pada akhirnya, tujuan Anda adalah untuk menciptakan strategi data yang membuat data Anda mudah diakses, dibagikan, dan dapat ditinjaklanjuti semaksimal mungkin bagi semua pemangku kepentingan yang memerlukannya, dengan kontrol keamanan yang tepat.

Mengintegrasikan dengan program strategi AI

Untuk menghasilkan nilai dari AI dan ML, data yang mendasari harus memenuhi kebutuhan inisiatif khusus yang terkait dengan model AI dan ML untuk memastikan kualitas data, integrasi, keamanan, serta lainnya yang sesuai. Oleh karena itu, harus ada kemitraan antara tim strategi data dan strategi AI.

Pertimbangan tata kelola khusus untuk AI/ML

AI/ML memperkenalkan kemampuan baru yang perlu kita perhitungkan dalam strategi data kita. Misalnya:

• Tempat penyimpanan fitur
• Kepatuhan peraturan tambahan
• MLOps
• Pertimbangan etis baru
• Pertimbangan AI generatif