Chief Data Officer - ebook

Przedmowa

W ostatnich latach coraz więcej mówi się i pisze o „DANYCH”, słowo „DANE” odmienia się przez wszystkie przypadki. Patrząc z dzisiejszego punktu widzenia, szczęśliwie dla mnie, od początku mojej kariery zawodowej zajmowałem się „DANYMI”. Po ukończeniu na Wydziale Elektroniki Politechniki Warszawskiej specjalności — systemy informatyczne wsparcia decyzji, rozpocząłem poszukiwanie miejsca, gdzie można takie systemy implementować. Dosyć szybko doszedłem do wniosku, że bez DANYCH jako podstawowego budulca, nie można myśleć o żadnym istotnym wspieraniu czy optymalizowaniu decyzji biznesowych. Ta myśl towarzyszyła mi i była wzmacniana podczas pracy w wielu firmach. Budowałem HURTOWNIE DANYCH wraz z ludźmi, którzy nie traktowali swojej pracy jak zło konieczne i byli do niej bardzo dobrze przygotowani. Branża telekomunikacyjna dysponowała największą ilością DANYCH, a także realnych potrzeb ich operacyjnego i analitycznego wykorzystania. Już na przełomie roku dwutysięcznego brałem udział w tworzeniu środowiska analitycznego w Polkomtelu — operatorze sieci Plus GSM. Tam właśnie, bardzo dobrze dobrany zespół techniczny, pracujący na efektywnej technologii i skupiający się — co nawet dzisiaj jest ewenementem — na problemach biznesowych, doprowadził do sytuacji, w której ze zdziwieniem obserwowaliśmy rynek i publikacje z informacjami o projektach HURTOWNI DANYCH, kończących się przeważnie porażką. Taki obraz rynku był dla nas obcy, przedstawiane czarne scenariusze nie sprawdzały się w naszej pracy. Nie było łatwo, jednak efektem działań stały się wartości konsekwentnie dostarczane naszym odbiorcom. Kluczem do sukcesu, jak się później okazało, był niezwykle kompetentny i stabilny zespół, rozumiejący biznes i skupiony na realizacji celów biznesowych. Ponadto istotny okazał się minimalny narzut korporacyjny, dobra znajomość technologii i zdrowe partnerstwa z dostawcami.

Kolejnym wyzwaniem po pracy w Polkomtelu były dla mnie firmy telekomunikacyjne: Telekomunikacja Polska i PTK Centertel, połączone w największego operatora w naszej części Europy — Orange Polska. Dzięki pracy w Orange poznałem na żywym organizmie aspekty, które nie były mi wcześniej znane — ekstremalnie złożone ekosystemy organizacyjno-technologiczne jednej z największych korporacji, bo liczącej sobie kilkadziesiąt tysięcy pracowników. Takie wyzwania nie byłyby możliwe do opanowania, gdyby nie strategiczne i operacyjne podejście do budowy architektury systemów i rozwoju obszaru danych. Wiele projektów realizowanych na rynku (ze względu na niewielką złożoność albo z powodu skupienia się jedynie na kilku wąskich aspektach) nawet nie dotyka tego zagadnienia. Zmierzenie się ze skalą problemu jest niezbędne, gdy chcemy osiągnąć efekty biznesowe w dużej strukturze, w organizacji ze sporą historią lub zaawansowanej, za którą stoi technologia o dużej złożoności. Brak właściwego podejścia, zakładającego szerokie spojrzenie na całość prac, powoduje, że lokalne sukcesy nie mają biznesowego znaczenia, znoszą się z innymi pracami, albo ujawniają ukryte koszty widoczne w innych miejscach, czy też nie uwzględniają ważnych aspektów, które powinny być wzięte pod uwagę. Dopracowanie efektywnej metody pracy na dwóch poziomach, strategicznym i projektowym, nie było łatwe. Spory udział w tej ewolucji miała metodologia TOGAF, którą stosowałem niezwykle ostrożnie i pragmatycznie. Widziałem mocne i słabe punkty skupienia się na problematyce strategii. Dostrzegałem także trudność integracji wielu spojrzeń strategicznych i rozpoznawałem, gdzie realnie podejmowane są decyzje w tak dużej firmie. Wiedza ta była kluczowa do ułożenia całości wizji, którą prezentuję w mojej książce.

Znalezienie właściwej drogi do budowy strategii analityki było ważnym etapem moich poszukiwań, ale i to nie zagwarantowałoby powodzenia. Strategia, jak się okazuje, jest tyle warta, ile taktyka, która za nią stoi, dlatego kolejnym etapem mojej pracy było ułożenie strategii analityki, wraz z poszukiwaniem najlepszego operacyjnego sposobu skutecznego jej wdrażania. Doświadczenia efektywnego wprowadzania rozwiązań, które wyniosłem z pracy dla Polkomtela, przydało się. Nadeszły czasy rozkwitu metod AGILE, okazały się one ważnym kluczem spinającym cele strategiczne i produktowe, dawały też szansę na postępy we wdrożeniach. Ten etap pozwolił na połączenie rozwoju architektury środowiska analitycznego, w założonym, dobrze określonym kierunku, z efektywną pracą, bazującą na lokalnie podejmowanych decyzjach, a także na poznawanie danych i nowych technologii opensource przez całkiem sporą organizację. Wszystko zostało zrealizowane zgodnie z kierunkiem wynikającym z potrzeby biznesowej. Holistyczne podejście w zakresie rozwoju analityki danych dało polskiemu oddziałowi Orange pozycję lidera analityki w grupie Orange, wyprzedziliśmy inne dojrzałe rynki. Konsekwentnie stosowane połączenie aspektów, które staram się wyjaśnić w tej książce, po pewnym czasie procentuje widocznymi efektami biznesowymi, chętnie naśladowanymi przez innych. Metoda nie jest łatwa do skopiowania, wymaga zastosowania jednocześnie wielu reguł i połączenia aspektów, które zwykle rozpatrywane są oddzielnie.

Kolejną firmą, która miała istotny wpływ na mój sposób myślenia o budowie analityki, jest grupa mediowo-komunikacyjna Publicis, obsługująca jedną trzecią polskiego rynku reklamowego tradycyjnego i cyfrowego. Różnica w wykorzystaniu danych w tej branży jest widoczna gołym okiem. Wymagana tutaj dynamika powoduje, że całkiem oczywiste staje się stosowanie wspomnianych już metod AGILE, ale też elastyczne podejście do pozyskania infrastruktury technicznej i idące za tym odpowiednie przygotowanie zespołu do zadania. Są jednak elementy niezmienne w działaniu wymienianych firm: cel biznesowy zawsze musi być pierwszym powodem, dla którego podejmujemy prace w analityce danych, powinna to być także znajomość danych, strategiczne podejście do technologii i do budowy całości architektury, a także dobrze ułożona współpraca w zespole realizującym projekt, jak i między różnymi zespołami oraz resztą organizacji — współpraca adaptacyjna i przyrostowe rozwijanie odpowiednich funkcji systemu. Niezwykle ważne miejsce zajmuje to, co w telekomach i bankach jest o wiele łatwiejsze — specjalne podejście do aspektu pozyskania danych z ekosystemu współpracujących firm.

Usystematyzujmy cztery elementy, wokół których będę prowadził czytelnika przez temat danych, są nimi:

— sam cel biznesowy, który zawsze musi być pierwszym powodem, dla którego podejmujemy prace w analityce danych,

— znajomość danych,

— strategiczne podejście do technologii i do budowy całości architektury,

— dobrze ułożona współpraca, zarówno w zespole realizującym projekt, jak i między różnymi zespołami oraz z resztą organizacji — współpraca adaptacyjna i przyrostowe rozwijanie odpowiednich funkcji systemu.

Wnioski, zebrane podczas dwudziestu lat mojej pracy w kilku firmach i połączone z szerokim spojrzeniem na wiele różnych branż, które miałem okazję poznać podczas przeprowadzonych audytów kilkudziesięciu międzynarodowych projektów, doprowadziły mnie do konkluzji — co działa, a co jest przepisem na porażkę.

W książce skupiam się na wymiarach, które uważam za najważniejsze w osiągnięciu sukcesu w analityce, są nimi: cel biznesowy, dane, ludzie, technologia. Uważam, że te aspekty należy szczególnie wziąć pod uwagę i nie wolno o żadnym z nich zapomnieć. Próbuję przedstawić, w jaki sposób łączyć owe wymiary ze sobą, które połączenia są ważne oraz na jakim etapie należy szczególnie się nimi zajmować. Ważniejsze działania rozkładam w czasie, a dokładnie w poszczególnych etapach pracy chief data officera (CDO).

Podsumowanie moich wniosków powinno pomóc osobom, stawiającym sobie za cel rozwój danych w różnych organizacjach. Pomoże także w uzyskaniu szerszego spojrzenia zaangażowanym w pracę nad analityką, co jest niezwykle korzystne dla osobistego rozwoju. Oczywiście nie wszystkie wnioski mogą zostać zastosowane od razu i nie wszystkie mogą być stosowane bez modyfikacji, z pewnością jednak zwiększają szanse lidera analityki na osiągnięcie sukcesu i taki jest główny cel tej książki.

_Rys. 1: Cztery główne aspekty analityki prezentowane w książce. Rysunek pokazuje, jaka organizacja powstanie, jeśli niewystarczająco skupimy się na jednym lub większej liczbie koniecznych elementów._

_Rys. 2: Cztery główne aspekty analityki prezentowane w książce. Ilustracja przedstawia, jakich rezultatów możemy się spodziewać, jeśli zabraknie jednego lub większej liczby niezbędnych elementów._Dane stają się jednym z ważniejszych elementów przewagi konkurencyjnej, jest to stwierdzenie coraz częściej powtarzane i coraz bardziej oczywiste. Firmy w naturalny sposób chcą skorzystać z tego trendu, daje on nadzieję na uzyskanie korzyści biznesowych. Niestety, tylko niektóre próby kończą się sukcesem. Przykład to wykorzystanie uczenia maszynowego i sztucznej inteligencji. Inicjatywy w tych obszarach stają się, obok nowoczesnego raportowania i wizualizacji danych ważne w realizacji kierunku, nie są jednak możliwe bez odpowiedniego przygotowania. Firmy, idąc za ogólnymi trendami, bardzo często kończą efektami zupełnie różnymi od zamierzonych. Realizacja samego procesu uczenia maszynowego wymaga, poza optymalnym kodem modelu, na którym w pierwszej kolejności skupiają się badacze, zapewnienia wielu innych aspektów. Dalej na rysunku przedstawiam, jak widzą to badacze z firmy Google.

Moja książka skierowana jest do osób zainteresowanych tym, w jaki sposób poprowadzić organizację w kierunku optymalnego wykorzystania danych dla celów biznesowych, obejmuje elementy kluczowe w osiąganiu sukcesu. Aspekty te poruszane są w czterech spójnych, uzupełniających się wzajemnie rozdziałach, każdy z nich równie potrzebny, wszystkie tworzą jedną całość. Są to:

— CEL BIZNESOWY i przejście do strategii biznesowej, opisywane w rozdziale pierwszym,

— TECHNOLOGIA, różne jej aspekty, oraz ułożenie elementów technologicznych w spójną, spełniającą cele biznesowe architekturę, często zaawansowana technologia, obejmująca unikalne algorytmy, przetwarzanie rozproszone, wchodzące w obszary od prostego, ale potrzebnego przetwarzania aż do tematów sztucznej inteligencji,

— DANE — temat, od którego wychodzimy, zarówno duże, jak i małe, szybko zmienne i te bardziej statyczne, ustrukturyzowane, i te, bez wyraźnej, na pierwszy rzut oka, struktury, surowe, przetworzone, błędne, referencyjne, mające wiele innych cech,

— LUDZIE tworzący zespoły, współpracujący w organizacji i między różnymi strukturami.

_Rys. 3: Kod machine learningowy pokazany jako część całego ekosystemu danych i infrastruktury._
Książka kierowana jest zarówno do decydentów — osób mających wpływ na działania organizacji i jej strategiczne decyzje, jak i do osób pracujących operacyjnie w różnych procesach związanych z danymi. Kierowana jest do analityków, architektów, projektantów systemowych, badaczy danych (data scientist), managerów, administratorów, użytkowników systemów analitycznych, czyli do bardzo szerokiej grupy osób. Celem książki jest pomoc w dostrzeżeniu elementów, które nie zawsze są łatwe do zauważenia w trakcie normalnej pracy. Te właśnie elementy będą szczególnie istotne w osiąganiu sukcesu na różnych poziomach — na poziomie osobistym, na poziomie projektu, programu oraz całej organizacji.

Tytuł „Chief Data Officer” został wybrany nieprzypadkowo, jest to nowa, wyłaniająca się w wielu firmach rola. Funkcja staje się istotna w strukturach nowoczesnych organizacji, ponieważ obejmuje rozległe spojrzenie na wiele aspektów pracy z danymi. Osoby ją sprawujące, wywodzą się z różnych miejsc i mają różne historie, a rola nadal się kształtuje. Zrealizowane w wielu firmach projekty, programy transformacyjne i zmiany rynkowe pozwalają jednak zdefiniować ją już całkiem wyraźnie. Sprawowanie roli CDO zobowiązuje do ciągłej nauki i poszukiwania najlepszych rozwiązań, dlatego książka ma na celu uzbroić czytelnika w dużą dawkę praktycznej i niezbędnej wiedzy, potrzebnej na tej drodze.Szef informatyki, ang.: _CIO -Chief Information Officer_

Extensible Markup Language, https://en.wikipedia.org/wiki/XML

JavaScript Object Notation, https://en.wikipedia.org/wiki/JSON

ETL, z ang.: _Extract, Transform, Load_

Atrybuty big data pochodzące od liter „V”, ang.: V_elocity, Variety, Volume, Value_

OLTP: ang.: _on-line transaction processing_

OLAP: ang.: _on line analytical processing_

MPP: ang.: _massive pararell processing_

MS Analysis Services, https://docs.microsoft.com/en-us/sql/analysis-services/analysis-services?view=sql-server-2017

“MapReduce: Simplified Data Processing on Large Clusters”, Jeffrey Dean and Sanjay Ghemawat, Google whitepaper

noSQL, ang.: _not only SQL_

ang.: _in-memory_

https://en.wikipedia.org/wiki/Bill_Inmon

Data lake — system lub repozytorium danych przechowywanych w naturalnej postaci i modelu, zawiera dane tabelaryczne, często także hierarchiczne oraz binarne. Brak odpowiedniego zarządzania takim systemem powoduje, że staje się zsypem danych nad którym trudno zapanować i uzyskać z niego pożytek biznesowy.

_SaaS — ang.: Sofrware as a Service_

D3js: nazwa pochodzi od: data driven documents + javaScript, czyli d3js, www: https://d3js.org/

Predictive Model Markup Language — https://en.wikipedia.org/wiki/Predictive_Model_Markup_Language

CRISP — ang.: _Cross-Industry Standard Process for Data Mining, Shearer C., The CRISP-DM model: the new blueprint for data mining, Data Warehousing (2000); 5:13—22._

https://www.h2o.ai/

_Machine Learning Yearning_, Andrew Ng

Szkolenia są udostępnione na platformie https://www.deeplearning.ai/

Sztuczna inteligencja — ang.: _Artificial Intelligence_

ang: _Narrow Artificial Intelligence_

ang. _Application Programming Interface_

ang: _chat bots_

https://www.tensorflow.org/

https://mxnet.apache.org/ang.: _software will eat the world_

SCRUM, Mariusz Chrapko

John Maxwell, _5 Levels of Leadership_

W literaturze często występuje to pod nazwą ang: _self-service business intelligence_

Wielu absolwentów studiów _Master of Business Administration_ (MBA) tak pojmuje swoją rolę, jako utrzymanie status-quo i nie reprezentują podejścia transformacyjnego.

Źródło: wikipedia, https://pl.wikipedia.org/wiki/Projekt_(zarz%C4%85dzanie)

Proces (biznesowy) — seria powiązanych ze sobą działań lub zadań, które rozwiązują określony problem lub prowadzą do osiągnięcia określonego efektu. Źródło: https://pl.wikipedia.org/wiki/Proces_biznesowy

PRINCE2: https://en.wikipedia.org/wiki/PRINCE2

PMBOK — Project Management Body of Knowledge, źródło:https://www.pmi.org/pmbok-guide-standards

Programowanie dynamiczne to zagadnienie optymalizacyjne, opis z wikipedii: https://en.wikipedia.org/wiki/Dynamic_programmingW poszczególnych rozdziałach wymieniłem wiele elementów, które są przepisem na sukces wykorzystania danych w organizacji — sukces, definiowany specyficznymi dla organizacji celami. Wymienione czynniki mają pomóc, ale od czego zacząć, gdy startuje się w nowej firmie? Na czym skupić się w kolejnych etapach?

W rozdziale tym zajmę się tematem jak hipotetycznie rozłożyć wymienione w książce zagadnienia na etapy do wykonania. W realnych sytuacjach niezbędna będzie modyfikacja planu, jednak wyjście od niego powinno być pomocne i zmniejszyć ryzyko pominięcia ważnego aspektu w odpowiednim czasie.

Etap pierwszy: identyfikacja stanu początkowego

Etap pierwszy skupia się na identyfikacji aktualnej sytuacji, we wszystkich wymienionych wcześniej tematach. Bez tego trudno wyobrazić sobie zarówno zdefiniowanie konkretnego celu, jak również wyciągnięcie jakichkolwiek wniosków z bieżącego stanu i określenie kierunków zmian. Etap pierwszy to także identyfikacja zasobów, kompetencji, nawiązywanie kontaktów i określanie ram współpracy. Dobre wykorzystanie tego czasu to inwestycja w pozostałe etapy i zapewnienie skuteczności podczas dalszych prac. Można zabrać się z zapałem do pracy i kontynuować wcześniejsze kierunki, co może, ale nie musi być najlepszym rozwiązaniem, powinno to być poprzedzone świadomą decyzją. Inną pułapką może być sytuacja, w której lider nie przedstawia raportu otwarcia, a w firmie jest wiele nienazwanych problemów. W takiej sytuacji problemy te stają się jego „zasługą” i poważną trudnością. Skuteczne zdystansowanie się wobec zaszłości i problemów oraz próba ich rozwiązywania bez negatywnego bagażu, daje o wiele większą szansę na pomyślne przejście najtrudniejszych zagadnień. Pierwszy etap dla lidera jest szansą, dla organizacji często jest nadzieją na nowe spojrzenie, krytyczny odbiór tego, co było robione do tej pory. Szansę wynikającą z pierwszego etapu należy wykorzystać. Nie oznacza to, że wszystko, co było realizowane wcześniej jest złe. Należy ograniczać takie negatywne nastawienie, ponieważ to nie jest dobra droga. Elementy pozytywne trzeba wzmacniać, a problemom trzeba się przyglądać i upewnić, że faktycznie są problemami. Pierwsze spojrzenie może nie oddawać prawdziwego obrazu. Po przyjrzeniu się firmom i wielu projektom, pierwsze wnioski w osiemdziesięciu procentach przypadków stają się jednak trafne. Należy jednak pamiętać o pozostałych dwudziestu. Złe decyzje w przypadku nietypowych sytuacji mogą być niezwykle kosztowne, dlatego lepiej jest działać wolniej, ale pewnie, niż odwracać wcześniej wyznaczony kierunek.

Etap drugi: strategia v0.1

W drugim etapie zakładamy, że mamy już przeanalizowaną, w najlepszy możliwy sposób bieżącą sytuację w firmie. „Najlepszy możliwy” nie oznacza „idealny”. Musimy się zgodzić, co do tego, że nigdy nie będziemy mieli idealnego obrazu, idealnych decyzji i nigdy nie pozbędziemy się błędów. To jest niezwykle istotne założenie, pozwala uniknąć stresu i zdecydowanie zwiększa swobodę działań. Otwarta i transparentna komunikacja o adaptacyjnym podejściu i otwarciu na błędy i pomyłki, nawet na poziomie strategii, może być trudna w akceptacji. Jednak warto pielęgnować taką otwartość. Jest to także pozytywne dla zespołu. Po pewnym czasie, zespół zacznie działać w podobnej filozofii. Będzie podejmował coraz odważniejsze decyzje w miejscach, w których są one niezbędne i w zakresie, do którego poszczególni członkowie zespołu mają kompetencje i prawo. Takie podejście pozwoli konsekwentnie klarować obraz tego, jak odbieramy problemy w firmie i bez trudu odciąć stare, gorsze, czy też błędne spojrzenie.

Rzeczywistość przeważnie jest na tyle skomplikowana, że rozpoznawanie poszczególnych aspektów nie może się odbyć w krótkim czasie. Stale dochodzą nowe czynniki powodujące zmiany. Rynek jest dynamiczny, firmy są dynamiczne i podobnie dzieje się z celami i technologią. Podejście adaptacyjne pozwala już po krótkim czasie pokazać nasz sposób widzenia i przez to umożliwia innym korektę, a wszelkie korekty dają szanse na lepsze decyzje. Nie należy rezygnować z takich szans, trzeba ich szukać. Niezmiernie ważne w tym podejściu jest to, że nie przywiązujemy się do wczorajszych decyzji, które okazały się błędne. Jeśli firma wymaga wywiązywania się z obietnic, które po kilku miesiącach tracą sens, należy zainwestować energię w zmianę tego podejścia, odpowiednio komunikując jego konsekwencje. Jest wiele firm, które cementują raz przyjętą strategię i spodziewają się, że jej wysoka ranga, jest podstawą do tego, aby jej nie zmieniać. To podejście zamyka dynamikę zmian i może być wielkim problemem, nawet dla bardzo stabilnych branż.

Nie rezygnujmy z siły, jaką daje adaptacyjne podejście do strategii nawet, gdy nie spodziewamy się wielkich zmian, mocny silnik w samochodzie przydaje się także wtedy, gdy nie wykorzystujemy na co dzień jego mocy, może uratować życie!

Poniższa tabela zawiera zadania potrzebne do zdefiniowania inicjalnej strategii. Nie należy zwlekać z jej komunikacją. Czym wcześniej zostanie ujawniona, tym wcześniej zostanie poprawiona. Bez pierwszego sprawdzenia, nie uzyskamy informacji niezbędnych do określenia właściwego kierunku. Pierwsza strategia nie jest decyzją, ale jest określeniem najbardziej prawdopodobnego kierunku, a także pytaniem postawionym wielu osobom jednocześnie o potwierdzenie tego kierunku.

Etap trzeci: egzekucja i adaptacja

Etap realizacji i przystosowywania się to okres, w którym prędkość działania zespołów jest największa. Najważniejsza staje się realizacja projektów i dostarczanie wartości biznesowej określonej wcześniej, odpowiednie reagowanie na problemy i eliminowanie ich, zapewnienie zasobów i antycypacja problemów, które mogą wystąpić. Lider na tym etapie ma teoretycznie mniej pracy koncepcyjnej, jednak to tylko pozory. Badanie sygnałów dobiegających z projektów, ale także reagowanie na nowe potrzeby, które nie przestają się pojawiać, powoduje konieczność podejmowania ważnych decyzji. Tu niezwykłą rolę odgrywa intuicja i posiadana już znajomość organizacji. Pozwala ona odpowiednio interpretować zwykłe sygnały, dobiegające z różnych miejsc. Warto być blisko realizowanych prac. Nie oznacza to, że musimy operacyjnie pracować w projektach. Dobrym punktem styku z projektami są podsumowania etapów i pokazy nowych funkcjonalności, spotkania właścicieli produktów lub miejsca, w których podejmowane są znaczące decyzje. Nie oznacza to, że CDO powinien podejmować decyzje za członków zespołu, ale winien wnosić swój punkt widzenia i nie blokować pracy. CDO ma ingerować w sytuacjach, gdy zespół nie widzi tego, co widzi lider. Kluczową kompetencją na tym etapie jest konsekwencja w realizacji, nawet w sytuacji wątpliwości i słabszych momentów poszczególnych zespołów. Aby wzmocnić konsekwentne dążenie do celu, ważne stają się aspekty motywacyjne dla zespołu i przestrzeń dająca możliwości realizacji podjętych już zobowiązań.

Etap zamykający: podsumowanie etapu transformacji

Etap ten może zamykać transformację, może kończyć jej istotny okres i jest to przygotowanie kompletnego stanu, w którym znajduje się firma, głównie w celu podjęcia decyzji o następnych strategicznych krokach. Może być przygotowaniem dla ważnych zmian. Zatrudniany CDO powinien mieć w perspektywie etap zamknięcia prac, daje to, zatrudniającemu go zarządowi, bezpieczeństwo kontynuacji biznesowej i pewność, że do kontynuacji misji nie trzeba będzie wymieniać lidera. W przypadku pomyślnego zamknięcia, wskazane jest, aby kontynuować dobrze realizowane zadanie.

Wymienione etapy to typowy przebieg misji CDO wykorzystującego dane na cele biznesowe w skali całej organizacji. We wcześniejszych rozdziałach skupiałem się na poszczególnych wymiarach tego zadania, a były nimi: cel biznesowy, dane, architektura i ludzie. W ostatnim rozdziale dokonałem próby ułożenia tych wszystkich wymiarów na osi czasu — zamknąłem je w kilka etapów.

_Rys. 42: Etapy wdrożenia strategii przez CDO._
Nowe potrzeby i uwarunkowania, w których znajdzie się firma, powodują, że transformacja staje się procesem ciągłym. Odpowiednie umiejscowienie w takiej permanentnej transformacji obszaru danych poprawia jej skuteczność. POŁĄCZENIE ISTOTNEJ DLA FIRMY TRANSFORMACJI BIZNESOWEJ ZE ZMIANAMI W OBSZARZE DANYCH MOŻE BYĆ OPTYMALNYM KROKIEM DLA WIELU FIRM CHCĄCYCH REGULARNIE I NIE PRZYPADKOWO WYGRYWAĆ NA RYNKU.