Fabrice Henry, Managing Partner, Artefact Frankrijk, volgde de discussie. Tot de deelnemers behoorden Johan Picard, Data Analytics Practice Lead, EMEA, Google; Jean-Noel Lucas, Chief Data Governance Officer, L'Oréal; Brice Miranda, Data, AI & Automation Deputy, Orange; Jean Christophe Brun, President-Founder, Univers Data.
Hoe kan data mesh de uitdagingen van een gecentraliseerde data architectuur aangaan en bijdragen tot een beter data gebruik door het operationele personeel? Dit was het centrale thema van Artefact's derde Data Morning, waar vooraanstaande leidinggevenden met ruime ervaring in data elkaar ontmoetten om hun visie en concrete voorbeelden te delen van wat data mesh is, hoe het in hun bedrijven wordt geïmplementeerd en welke beloften het inhoudt voor de toekomst.
Eerst een korte samenvatting van het wie, wat en waarom van data mesh: het idee werd bedacht door Zhamak Dehghani van ThoughtWorks als een manier om de toegankelijkheid van data te verbeteren en de organisatie in gecentraliseerde, monolithische data structuren te vereenvoudigen. De explosie van data tijdens de COVID-19 pandemie accentueerde deze behoeften, en data mesh is nu geëvolueerd van een concept naar een gedistribueerd architectuurmodel om data bruikbaar te maken voor iedereen in een organisatie.
Hoe kan het knelpunt "data alleen voor data experts" worden weggenomen?
Johan Picard van Google heeft een paar ideeën: "Een deel ervan heeft te maken met eenvoudige data volwassenheid. Twintig jaar lang hebben bedrijven hun data gecreëerd en gecentraliseerd op platforms, data meren, data magazijnen. Daardoor konden ze hun data exploiteren. Maar de domeinen moesten in de rij wachten om toegang te krijgen tot die data, wat achterstanden en knelpunten veroorzaakte.
"Sommigen gingen zelfs zo ver dat ze hun eigen schaduw IT-afdelingen creëerden, omdat de IT-teams wel de technologie begrijpen, maar niet de kwaliteit van de data. En het omgekeerde geldt voor het domein. Maar nu, met de cloud, evolueren technologieën en kunnen data gedecentraliseerd worden naar de domeinen. Het is belangrijk om te onthouden dat dit een inspirerende benadering is. Elke organisatie is anders en moet decentralisatie op zijn eigen manier nastreven, rekening houdend met de eigen context, snelheid en ambities."
Bij Oranje, Brice Miranda dit fenomeen van data en -fragmentatie. "Ons historische data was niet zelfbedieningsgericht, dus veel van onze teams creëerden hun eigen data ; we eindigden met 40 tot 60 data ." De operator bouwde een platform om hun domeinen te bedienen met Google Cloud Platform. "En nu betreden we de logica van data ".
Voordat hij eind dit jaar zijn organisatie oprichtte, Jean-Christophe Brun CTO van Carrefour. "In 2015 wisten we dat we onze visie op data moesten veranderen om onze retailactiviteiten te centreren rond data. Tot 2018 bouwden we aan een on-premise platform om meer data-centrisch te worden. En in 2018 werden we een Google-partner om meer met algoritmen te doen. Zelfs voordat we het begrip data mesh leerden kennen, was het ons doel om zakelijke toepassingen te vermenigvuldigen. Wat ik leuk vind aan data mesh is dat het ons in staat stelt om formele dingen die we niet hadden gestandaardiseerd, om woorden achter de principes te zetten."
Jean-Noel Lucas bij L'Oréal begon drie jaar geleden aan hetzelfde proces. Jean-Paul Agon, de toenmalige CEO, zette de koers uit: kampioen worden op het gebied van schoonheidstechnologie. Daarvoor moesten we de data orkestreren en de functionele silo's doorbreken; data stewards identificeren, een gemeenschappelijke taal afspreken en de data structureren om een wereldwijd referentiesysteem op te bouwen. En dit vereiste middelen: "Je moet tijd kopen om de data beschikbaar te maken. We evalueerden de governanceschuld (twee of drie jaar) en maakten een schatting van de middelen die nodig waren om de organisatie rond de data te beheren. We stelden een team van 100 mensen samen om de data voor te bereiden. We brachten nieuwe vaardigheden in de groep. We doen ook veel aan herhaalde evangelisatie om het budget te behouden dat ons toelaat deze inspanning te leveren. Want L'Oréaliens zijn niet conceptueel. We moeten het concept in concrete termen vertalen".
L'Oréal somt 50 use cases op die gebruikmaken van product data. Van productportfoliobeheer tot distributieverbetering en voorraadbeheer. "Met een data als productstrategie wordt data verdeeld over de verschillende domeinen en wordt de voorbereiding ervan toevertrouwd aan de specialisten van elk merk, en wordt het knelpuntenprobleem opgelost", besluit Jean-Noel.
Hoe kan data op schaal worden gedemocratiseerd in de onderneming?
Ook al heeft Orange een data studio voor consulting en Collibra om te zoeken op data, het is niet genoeg: "Als we data deponeren, krijgen we duplicaten en dat geeft problemen. Als je naar de breedbandapparatuur van klanten vraagt, krijg je 800 antwoorden". Is de klant uitgerust met vast, mobiel of glasvezel? De tool weet het niet. Heeft de klant toestemming gegeven? Ook dat weten we niet. Er is niet één bron van waarheid of data die te vertrouwen is. Daarom worden er POC's uitgevoerd op deze vragen ("Wat is een Orange-klant?" "Wat is toestemming?").
Orange loopt iets voor op L'Oréal, waar 40% van de data beschikbaar is in de cloud. "Een eerste vereiste is dat data beschikbaar en vindbaar zijn", zegt Jean-Noel. "Vervolgens moeten we de domeinen in de data opschuiven, met data als prestatiecriterium (KPI), om dichter bij de business use cases te komen. Daarachter zit de uitdaging van de data , om mensen meer gestandaardiseerde oplossingen te laten adopteren en echte waarde te laten zien."
"Bij Carrefour hebben we ervoor gekozen om onze data producteigenaars verantwoordelijk te maken", legt Jean-Christophe uit. "Zij begrijpen het gebruik van data en zorgen voor de communicatie ervan: 'Data producten moeten worden gebruikt. Data producteigenaren moeten geïnteresseerd zijn in het gebruik van hun producten.' In het verleden rapporteerde de business intelligence afdeling aan de domeinen. Maar nu doen de domeinen het zelf, met ondersteuning van BI. Zestig procent van de mensen die Carrefour heeft getraind in data kwam uit de domeinen."
Hoe kunnen use cases succesvol worden geïndustrialiseerd?
Het is een heen-en-weer proces, legt Johan Picard uit, tussen analytics en operations: "De data moet omhoog naar analytics en weer terug naar operations. In het verleden konden databases analyse niet integreren, dus creëerden we het data meer. In het nieuwe paradigma zitten we dichter bij de data bronnen en begrijpen we ze beter. Als gevolg daarvan hoeven we operaties en analyse niet langer te scheiden. Sommige van onze klanten hebben ze op hetzelfde plateau geplaatst. SAP-specialisten zitten zij aan zij met data specialisten. Brice Miranda is het daarmee eens en voegt eraan toe: "We moeten de oude grenzen tussen analyse en operations wegnemen en naar de bron gaan."
Jean-Noel Lucas: "Operationele medewerkers moeten begrijpen op welke data ze vertrouwen (door na te denken over hun processen) en ernaar streven de kwaliteit van data te verbeteren." Om winkels te bevoorraden en voorraden beter te beheren, heeft L'Oréal bijvoorbeeld een laag toegevoegd aan PCM. "We willen onze systemen 'API-ze'." L'Oréal heeft uitgebreid gewerkt aan product data om een 360 view beschikbaar te maken voor retailers en consumenten. Om hun toeleveringsketen beter te beheren, moet L'Oréal haar catalogi beter segmenteren. En de nieuwe organisatie maakt het mogelijk om meer reactief te zijn, om wekelijks productieorders voor producten te plaatsen wanneer de vraag toeneemt.
Carrefour is het verst gegaan in het samenvoegen van analytics en operations: in deze nieuwe wereld wordt analytics een realtime operationeel hulpmiddel, op hetzelfde serviceniveau als operations. "De productfiche moet alle data registreren, inclusief verkoopcijfers. Dit maakt substitutiescores tussen producten mogelijk, voor het geval er een product ontbreekt. Dit was drie jaar geleden ondenkbaar", besluit Jean-Christophe.