Klíčové faktory úspěchu při přechodu firem na novou technologii

Digitální transformace a virtualizace firem, průmysl 4.0, internet věcí, agilizace týmů, self-service reporting a další vývojové trendy hýbou současným světem informačních technologií a urychlují změny ve firmách napříč obory.

Tématem, které rezonuje na poli Business Intelligence v posledním roce je opouštění starých reportingových technologií a přechod na nové, podporující trend agilizace a self-service.  Platformy, které toto umožňují, se stávají standardem a prostředkem strategického i operativního reportingu. Obecnými kritérii pro výběr technologie přitom je:

Ať už se firma rozhodne přejít na Power BI nebo jinou technologii, vždy je to náročný a komplikovaný proces. Na co si dát pozor a co všechno zvážit, aby přechod proběhl hladce jsme popsali v článku Petra Koláře, Přechod firem z technologie MS Excel na MS Power BI

„Podle našich zkušeností z těchto projektů je stěžejní úvodní analýza stávajících reportů.  Bez ní není možné objektivně zhodnotit reálný přínos a výhody oproti současnému řešení. Na základě analýzy potřeb je dále nutné nastavit cíle migrace, navrhnout konkrétní architekturu řešení a procesy, kterými se využívání nového reportingového prostředí bude řídit. Z organizačního pohledu je nutné zvážit, zda bude Power BI řešení ve firmě nasazeno jako self-sevice nebo bude řízeno BI a IT specialisty. Z architektonického pohledu na infrastrukturu je zase potřeba rozhodnout, zda budou datové toky a datové modely napojeny přímo na původní datové zdroje nebo zda bude vhodné vybudovat konsolidovanou datovou mezivrstvu pro jejich zpřístupnění,“ opakuje výčet toho nejdůležitějšího Petr Kolář, senior BI konzultant, lektor a expert na BI architekturu.

Každá technologie má své uživatele

Mohlo by se zdát, že jsme takto podchytili všechno podstatné, můžeme tedy vypnout dosavadní řešení a spustit to nové. Co v takovém případě nastane? Manifestovaný odpor a strach novou technologii používat.

Z pohledu implementace jsou uživatelé často bráni jako okrajový problém. Přitom jsou právě oni limitou úspěchu BI projektů ve firmách. Zavést jakýkoliv nový systém stylem „Tak tady to máte!“ a následně uspořádat vstupní technologické školení a předpokládat, že jeho absolventi začnou novou technologii automaticky akceptovat a používat, je ideologická mýlka. Jednorázová technická školení si účastníci většinou po pár dnech nepamatují. Strach a nevole používat nové řešení pokračuje.

Zájem obraťte k lidskému faktoru

Důvodem pro zavedení nového reportingového řešení, by měla být snaha reálně lidem v jejich práci pomoci a ušetřit jejich čas na důležitější a zajímavější činnosti, třeba samotnou analýzu získaných dat. Vybraný nástroj má být odpovědí na analýzu potřeb samotných uživatelů, kteří s ním ve finále budou pracovat. Lidem je také třeba dávat jasně najevo, že je nové řešení uzpůsobeno jejich práci i potřebám, a hlavně že firma – stejně jako dodavatel – naslouchá jejich názorům. A toto všechno musí být komunikováno ještě dříve, než celý proces začne.

„V praxi je vstupní analýza uživatelských požadavků stěžejním pilířem, na kterém celé řešení ale i jeho úspěch stojí. Uživatelé musí být informování, že se management rozhodl pro nové řešení, musí znát termín nasazení a dostávat informace o stavu, pokrocích či změnách. Ideální je, aby vývoj probíhal skutečně ve spolupráci. V praxi se osvědčila cesta výběru zástupců selektovaných skupin uživatelů, kteří budou sloužit jako testeři a současně sběratelé zpětné vazby od ostatních,“ dodává Petr Kolář.

Motivace a změna pohledu na práci s daty

Aby uživatelé se zaváděním nové technologie neměli problém, do implementace se zapojili a řešení aktivně využívali, budete muset změnit jejich myšlení. Cílem je tyto uživatele správně motivovat a ukázat, co jim efektivní práce s daty přinese za výhody a naučit je přeměnit data v užitečné informace. K tomu je potřeba posílit datovou gramotnost komplexnějším způsobem, než umožňují jednorázová technická školení či workshopy.

Datová akademie

Systém splňující tyto nároky se dnes označuje pojmem Datová akademie. Komplexně pokrývá klíčové dovednosti pro praxi v datové analýze a odpovídá na otázky typu:

Závěr

Praxe ukazuje, že jedinou efektivní cestou, jak implementovat novou technologii a tím skutečně posunout datovou kulturu, je počítat s lidmi – uživateli dané technologie. Doporučujeme neopomenout žádné oddělení dotčené analytickými potřebami a do přípravy vzdělávacího systému zapojit od samého počátku oddělení HR či vzdělávání. Pokud si netroufáte relativně složitou architekturu vzdělávacího systému navrhnout vlastními silami, je možné poptat externího dodavatele vzdělávání. Je také potřeba přijmout fakt, že tento proces je dlouhodobý a soustavný. Soběstačnost každého jednotlivce v práci s daty, snadnější využívání výstupů a rozhodování na základě dat nikoli dojmů za to však stojí!

V případě, že se na tuto cestu rozhodnete vydat, moc rádi vám pomůžeme vše zvládnout.