IT projekty nejsou neprůstřelné. Mohou dopadnout špatně nebo se před dokončením mohou vyskytnout překážky se stejnou pravděpodobností, jako že mohou proběhnout hladce. Co se však týče projektů pro big data či cloudy, míra neúspěchu je znepokojivě vysoká.
V roce 2012 zjistila studie společnosti McKinsey, že průměrně 45 % velkých IT projektů překročí rozpočet, 7 % se zpozdí a 56 % přinese menší hodnotu, než se původně očekávalo. Dalších 17 % projektů dopadlo tak špatně, že to ohrozilo samotnou existenci firmy.
Velké ERP projekty jsou pak ukázkovým příkladem neúspěchu projektů IT – míra neúspěchu je minimálně běžně citovaných 25 %. Pokud si myslíte, že je to špatné, projekty big data jsou na tom ještě hůře.
Znepokojující zpráva společnosti CapGemini uvádí, že jen 13 % projektů big dat dosáhlo produkčního provozu v plném rozsahu. Zhruba pouhá čtvrtina respondentů popsalo své iniciativy big dat jako „úspěšné“ a jen 8 % jako „velmi úspěšné“.
Tom Bittman, analytik Gartneru, který se dotazoval 140 klientů své firmy, na svém blogu uvedl, že jen pěti procentům z nich se povedlo uskutečnit projekty nasazení cloudu bez potíží. Zbylých 95 % mělo jeden ze šesti různých problémů.
Proč tyto organizace zažívají tak vysokou míru neúspěšnosti? Existuje celá řada důvodů, ale vyskytuje se i jedna společná (a často přítomná) příčina: Firmy zavádějí projekty big dat a cloudu, protože je to skvělé a moderní, ale neobtěžují se ptát, zda to skutečně potřebují.
„Začíná to již na počátku prezentovaným dobrým obchodním případem,“ popisuje Bittman a dodává: „Určili jste služby, které z projektu budou mít prospěch? To je místo, kde většina firem udělá chybu.“
Více než technologie se projekty týkají lidí a procesů. Firmy příliš často říkají: „Chceme to, co máme koupit? Hardware je nejjednodušší část. Nejtěžší je změna procesů a lidí. Podniky by se tedy měly na to zaměřit na prvním místě. Pokud uděláte tyto dvě věci, vyřeší to většinu problémů, dodává Bittman.
Gordon Haff, viceprezident pro cloudovou strategii v Red Hatu, s tím souhlasí. „Všiml jsem si, že velké množství neúspěchu u projektů big dat je způsobené tím, že si firmy nestanoví jasný cíl a konkrétní cestu k němu.“
„Mnoho organizací zahájí projekty big dat hlavně proto, že je to něco, o čem si myslí, že by to měly udělat, přestože nevědí jak a proč. Je zřejmé, že tento přístup k úspěchu nemůže vést,“ dodává Haff.
Podotýká dále, že mu to připomíná humbuk kolem datových skladů a kolem softwaru open source v minulých desetiletích. „Existuje názor, že se všemi těmito daty musíme dokázat ‚něco‘ udělat, přestože neznáme správné otázky, které bychom měli klást, ani nevíme, jaké vhodné modely použít,“ popisuje Haff.
Prvním krokem v projektu big dat by měla být otázka: „Skutečně potřebujeme právě toto?“ Může totiž existovat řada důvodů, proč to organizace ve skutečnosti nepotřebují: jde třeba o nedostatek dat, aby se projekt big dat vyplatil, závislost na starších systémech, jako je ERP, které se do projektu nehodí, či předpisy vyžadující specifické uchovávání dat a podobně.
„Uživatelé například prohlašují, že budou využívat cloud, protože to je další věc, kterou lze dělat, když to není obchodní případ.Neptají se na místa, kde by vznikala potřeba zvýšit agilitu nad rámec zajištěný virtualizací, ani na případné pracovní zátěže, které je potřebné zohlednit,“ upozorňuje Bittman.
Další problémy
Neidentifikování obchodních či podnikových potřeb je jednou z příčin neúspěchu při nasazování technologií big dat. Existují ale i další důvody.
Patří mezi ně neefektivní koordinace mezi obchodními a technologickými aspekty, roztroušená separovaná úložiště dat, neefektivní koordinace analytických iniciativ, absence jasného obchodního případu pro financování nasazení big dat či závislost na zastaralých systémech při zpracování a analýze údajů, uvádí Jeff Hunter, manažer informací ve společnosti CapGemini.
Uvádí, že často vidí klienty, kteří chtějí používat big data určitým způsobem, ale nejlepší by bylo tuto technologii použít k odstranění separace dat. „Potřebují technologie big dat pro novou generaci analytiky, aby podpořili své obchodní paradigma?Odpověď může být ne, ale existuje zde ještě otázka, zda by ji šlo využít pro účely business intelligence a rozhodování,“ připomíná Hunter.
Capgemini takovým klientům radí, aby pozměnili své priority a namísto použití technologie big dat pro vytvoření velkých datových sad šli raději jiným směrem – použili ji k vyřešení problémů s existujícími daty ze systémů ERP, CRM a dalších tradičních zdrojů dat, které jsou umístěné v jejich vlastních oddělených úložištích, a v důsledku toho se uchovávají separovaným způsobem.
„Podnik může mít 50 instancí dat o zákaznících po celém světě v různých formátech v rozličných aplikacích.V některých případech, když tuto záležitost řešíte jako první, zvyšuje to smysluplnost a atraktivitu celé diskuze,“ upozorňuje Hunter.
Potom zde také existuje nedostatek dovedností, který již je dobře zdokumentovaný. Pokud členové vašeho týmu, který má na starost projekt big dat, nemají dovednosti potřebné k uskutečnění projektu, můžete se vsadit, že to povede k neúspěchu.
„Technologie big dat se od většiny datových platforem, na které jsou lidé při své práci zvyklí, velmi liší,“ upozorňuje Yaniv Mor, výkonný ředitel firmy Xplenty, která nabízí big data pro firmy v podobě služby SaaS...
Tento příspěvek vyšel v Computerworldu 6/2015.Oproti této on-line verzi je výrazně obsáhlejší a přináší další poznatky a tipy, které lze využít při praktické implementaci u vás ve firmě.
Časopis (starší čísla i předplatné těch nadcházejících) si můžete objednat na adrese našeho vydavatelství.
PŘEDPLATNÉ
ČLÁNKY DO MAILU