Data Nature 🕊

еще примеры https://www.scamander.com/nl/datapoly/

Пример как в одном банке массово поиграли в настолку по теме federated data governance в банке. …игра была с более чем 300 коллегами из финансового домена и домена рисков. Цель - распространить осведомленность и понимание подхода компании к Federated Data Governance Model initiative, критической роли data quality, security, and compliance в организации. Интересно получилось ли сделать что-то увлекательное само по себе, или это сработало разово и только в принудительном порядке. Если игру можно закастомить, чтоб там были элементы именно вашей дата платформы, ваши команды и домены и проч - то есть шанс. В любом случае вдохновляющий прием. Я узнаю игровые механики. Давайте сделаем свою. Звучит как задача. Кто-то есть из банков с бюджетом ? напишите. Сделаем под вас первую версию. За ссылку спасибо Пете Травкину.

Экспертная фасилитация - как формат аудита и доработки плана развития дата платформы. Расскажу про интересный проект, который сделали этой весной вместе с мощным Женей Ермаковым (Toloka, ex-Yandex) для одной классной компании. Задача была буквально:

сделать ревью существующего плана - убрать лишнее, добавить нужное, получив "структурированные рельсы" в виде набора рекомендаций и практик, которые бы подходили непосредственно нам, а не просто набор общемировых практик в вакууме.

Еще для длинного проекта по дата стратегии не было времени ни у нас ни у клиента, поэтому ...изобрели новый формат. Основные этапы 1. Подготовка - Уточняющие встречи, подготовка шаблонов для обсуждений 2. Онлайн Воркшопы - 12 человек, 3 сессии по 3 часа по обсуждению ключевых тем. Работа в MIRO, Aнализ болей (описывал шаблон тут), дизайн TO BE решений и проч и проч 3 - Сведение результатов - упаковка инициатив, параметры их внедрения, слайдообразная преза для боссов. Концепт В основе идеи лежит наблюдение что весь консалтинг "под ключ" часто оторван от реалий компании, содержит много декларативности. Хотелось это убрать. В этом формате фасилитатор должен быть сильно в предмете с высокой насмотренностью, при этом рулить групповыми обсуждениями, быстро реагировать, вникать в контексты и набрасывать мысли по ходу. Делили с Женей роли и было круто. Было опасение что получится неглубоко, но в итоге клиент доволен. Мысли Не склонен переоценивать пользу. Есть такой bias консультанта - ощущение что бог только что спустил на землю откровение и выбрал тебя проводником. Ребятам (сюрприз) самим нужно будет уже все это реализовывать, но теперь уверенность в роудмапе сильно выше, выше поддержка менеджмента и команды. Больше вдохновения и воли. Важная штука. Часть из предложенных решений не взлетит из-за проблем, которые мы не рассмотрели. Будем наблюдать. Ведь совершенство это не цель, это путь. Тем более в дата аналитике. Если кому тема зашла - пишите, расскажу подробнее 🎩 Кому не зашла - перечитайте пост снова 😎

Немного пустой философии. После 10 лет абьюзивных отношений с data governance - поймал себя на том, что начал вешать ярлыки на дата лидеров, с которыми обсуждаю data governance. Вот мой неэтичный топ: Упорные Идеалисты Вера в ритуалы и следование им не смотря на сопротивление. Поиск истины в чтении DAMA DMBOK. Упорно попытки понять и внедрять то, как там написано. Верят в медленные изменения. Органичны в бюрократии. Терпимы к неэффективности. Инфантильные Пессимисты Видят проблемы, но не думают что могут изменить сопротивление, ссылаясь не положение вещей, и не верят в других, стараются не замечать DG и не говорить о нем. Технологичные Нигилисты Игнорирование формальных понятий DG и ритуальных процессов и ролей, при планомерном внедрении "встроенного" управления данными в разные этапы жизненного цикла данных - dq, ownership, четкие слои данных, продуктовая работа с доменами и проч. При этом бегство от сложных вопросов требующих отношений с Бизнесом. Часто это - лиды продвинутых дата платформ в технологических компаниях. Технологичные Анархисты Не видят проблем. Агрессивно отрицают необходимость системного управления данными. Всадники дата апокалипсиса в компании. Органичны в стартап культуре. При переходе компании из растущего стартапа в размеренный бизнес, часто не замечают смены приоритетов и тянут назад изменения. Уставшие Рационалисты Эволюционная форма отношения к DG основанная на опыте успешных и неудачных тестов разных подходов и практик. Вторичное и третичное переосознание. Отрыв от конвенциональных понятий. Создание кастомного DG фреймворка далекого от учебника с поправкой на зрелость компании и готовность, и реальную пользу. Фокус на сложных проблемах и решениях. Есть дополнения? (тот случай когда использую pie chart по назначению, то есть для фана)

DataBar - успехом стартовал наш скромный движ для людей про данные и алкоголь Вместе с Я-Tableau-Бог-Егором и RevealTheData-Ромой таки подавили социофобию и провели первый оффлайн ивент в парке в Амстердаме. Пришло около 25 человек незнакомых друг с другом людей из России, Белоруссии, Украины, Марокко, Италии и Индии. Все пришедшие были в жутком адеквате - аналитики, инженеры и предприниматели. Небольшие стартапы, глобальные компании. Была идея, что нужно будет как-то развлекать всех, знакомить и модерировать обсуждения, разгоняя темы про AI, данные и аналитику. Рома подготовил пантомиму фасилитацию. Но народ просто взял пива и начал общаться. Заготовки не пригодились и талант Ромы не был востребован. Было супер короче. Будем делать второй ивент в июне. Присоединяйтесь кто недалеко. https://www.meetup.com/databar-data-analytics-meetups/

Парадокс Жевона в дата аналитике

Парадокс или Эффект Жевона, был замечен английским экономистом Уильямом Жевоном в 1865 году, изучая влияние улучшений в эффективности использования угля.

Прогресс в области инженерии данных снизили затраты на производство, распространение моделей данных и дашбордов. Задачи, которые раньше требовали недель работы команды из 3-4 BI/Data инженеров, теперь могут быть выполнены одним за несколько дней. Те же Копайлоты дали ощутимый буст времени на написание и аудит кода. С уменьшением затрат на производство, растет спрос на данные и все их деривативы, что приводит к дальнейшему размножению датасетов и дашбордов. Поддержание этого множества контента сокращает полученные выгоды: увеличиваются затраты на обслуживание, становится все сложнее для потребителей найти нужную информацию. Сложность обнаружения и часто низкое качество дата контента стимулирует создание еще большего количества датасетов и дашбордов, поддерживая этот цикл. Чтобы прервать этот отрицательный цикл, нужно более радикально переосмыслить способ работы, чем просто архивация ненужного: 1. Введение новых абстракций поверх базовых наборов данных. metric store связанный с семантическим слоем помогает повышать переиспользование и адаптацию мастер слоя большего количества кейсов использования. 2. Дата продукты и связанный с ними процесс сертификации и гавернанса. Создание объектов в местах наибольших пересечений требований разных потребителей и развитие этого слоя на аналитике их потребления. Мораль: Если не начать эти инициативы сейчас, через 2-3 года вас с командой совсем не будет видно за кучей таблиц и отчетов, в которым добавятся еще и AI/ML модели Осмыслил пост из Linkedin