Search
  • Machine Vision Indonesia

85% Proyek Big Data Mengalami Kegagalan - Bagaimana Cara Menghindarinya?


Proyek realisasi big data seakan menjadi kekecewaan besar. Gartner menyatakan bahwa proyek big data dan analitik mengalami rasio kegagalan mencapai 85%. Yang lebih mengejutkan lagi, ternyata penyebab utamanya bukanlah dari sisi teknologi.


Lantas apa? Ketidakseriusan planning? Bisa jadi, namun bukan faktor utama. Perencanaan digitalisasi memang penting, namun menjadikannya sebuah kesuksesan membutuhkan usaha lebih dan tidak gampang.


Apakah karena kurangnya anggaran finansial? Tidak juga. Sebagai bukti, ada perusahaan yang menggelontorkan dana sebesar $500,000 untuk investasi proyek data analitik selama 3 tahun. Namun ketika ditanya bagaimana hasilnya, apa saja impactnya, jawabannya mengandung ambiguitas, alias kesulitan untuk menjawabnya. Lalu, apa penyebab kegagalan proyek analitik big data ini? Jika dijabarkan terdapat banyak alasan, namun mari fokus pada 6 penyebab teratas:


  1. Ambiguitas tujuan Banyak perusahaan yang terlalu fokus dengan pencarian teknologi alih-alih merumuskan tujuan dan hasil yang jelas yang ingin dicapai dari proyek business intelligence (BI). Hal ini menimbulkanmiskomunikasi antara perusahaan dengan vendor. Perusahaan tidak menjelaskan apa yang mereka butuhkan dan inginkan. Prioritasnya masih kurang jelas, sehingga para vendor tidak bisa merealisasikannya. Penyebab internal juga turut menjadi kegagalan proyek, seperti ketidakmampuan menyelaraskan internal pada tujuan dan hasil, komunikasi, kerjasama dan kolaborasi yang buruk. Untuk menghindari ambiguitas, lakukan beberapa hal berikut: - Identifikasi hasil bisnis yang diinginkan - Selaraskan dengan tujuan strategis atas - Gunakan metode SMART (Smart, Measurable, Achievable, Relevant, Timely) untuk membuat tujuan yang terukur

  2. Tidak adanya “actionable insight” Digitalisasi tidak hanya sekedar proses pengumpulan dan analisis data. Jika proyek hanya berhenti sampai situ saja tidak membuahkan actionable insight, apa esensi dari transformasi digital? Perolehan data menjadi sebuah wawasan, dan wawasan menjadi action haruslah menjadi tujuan akhir. Karena inti dari pengumpulan data yang memberikan wawasan adalah untuk mendorong hasil bisnis, memfasilitasi, menginformasikan hingga mengarahkan menjadi sebuah tindakan.

  3. Kurangnya pendekatan yang agile Pendekatan agile yang dimaksud adalah pendekatan yang fleksibel, eksperimental dan berulang. Berikut beberapa langkahnya: - Konsep : Libatkan pengguna produk, tentukan dan buat tiruan kasar dan kumpulkan feedback - Inception : Bersumber dari feedback, rancang dan bangun dashboard prototipe awal menggunakan data nyata (bisa sebagian, bisa sepenuhnya) - Iterasi konstruksi : Pengujian prototipe oleh pengguna secara langsung dan berbagai persona dan stakeholders untuk memperoleh feedback lagi - Transisi (rilis) : Terciptanya MVP (minimum viable product) untuk menguji pengguna, disertai pelatihan dan pendampingan - Produksi : Setelah MVP diluncurkan, untuk memfasilitasi peningkatan yang berlanjut harus kembali ke langkah awal

  4. Integrasi data yang buruk Data yang tidak lengkap dan tidak akurat tidak akan menghasilkan wawasan yang akurat dan berguna. Data berpotensi mengubah bisnis dengan menciptakan pasar baru, meningkatkan pendapatan dan mendorong banyak peluang baru. Namun ketika data tidak terintegrasi dengan baik, maka potensi tersebut tidak bisa dimaksimalkan. Baca juga: 3 Kemudahan Utama Kolaborasi Sharing Data di Perusahaan

  5. Tidak ada rencana untuk pengembangan berkelanjutan Data, dashboard, platform akan memberikan nilai sesuai dengan strategi yang sedang dilakukan. Jika strategi ini berhasil, mereka akan berhenti memberikan nilai lebih. Sehingga, diperlukan rencana strategis untuk mengembangkan aset analisis data tersebut. Apakah hal ini penting? Tentu. Mengapa? Karena perubahan akan terjadi pada model dan proses bisnis, sistem arsitektur data, metrik kinerja, kepemimpinan bisnis dan lanskap sosial ekonomi yang tidak pasti saat ini.

Sama seperti semua fungsi bisnis, investasi analitik membutuhkan perhatian terus menerus dan banyak strategi pengembangan dalam jangka panjang agar berhasil. Menganggap analitik sebagai proyek dan hanya berfungsi mendukung IT tidak bisa dibenarkan. Perusahaan harus mulai memikirkannya sebagai fungsi inti bisnis, seperti yang dilakukan pada pemasaran, penjualan dan operasional pabrik.

0 comments