10 روند برتر داده و تجزیه و تحلیل
بر اساس گزارش جدید گارتنر، تیم های داده و تجزیه و تحلیل با توضیح ارزشی که به شرکت ارائه می کنند به روشی که رهبران کسب و کار می فهمند، مشکل دارند.
به این ترتیب، رهبران داده‌ها و تحلیل‌ها (D&A) باید به صورت متقابل درگیر شوند تا بهترین راه را برای هدایت پذیرش، ترکیب تجزیه و تحلیل و بینش بهتر با درک روان‌شناسی و ارزش‌های انسانی درک کنند.
این و سایر روندهای برتر داده و تجزیه و تحلیل در اجلاس اخیر گارتنر داده و تجزیه و تحلیل در بمبئی، هند اعلام شد.
در اینجا 10 روند برتر آورده شده است:
1. بهینه سازی ارزش:
رهبران D&A باید ارتباط بین اولویت‌های تجاری و طرح‌های D&A را با تقویت شایستگی‌های مدیریت ارزش خود، از جمله تجزیه و تحلیل جریان ارزش، داستان‌گویی ارزش، و اندازه‌گیری نتایج کسب‌وکار، به وضوح منتقل کنند.
2. مدیریت خطرات هوش مصنوعی:
این شامل توجه به خطرات جدید مانند مسمومیت داده های آموزشی، دور زدن کشف تقلب یا خطرات اخلاقی است. ایجاد اعتماد در میان ذینفعان برای افزایش پذیرش هوش مصنوعی ضروری است.
3. قابلیت مشاهده:
این امر شرکت ها را قادر می سازد تا زمان لازم برای شناسایی علت مشکلاتی را که می توانند بر عملکرد تأثیر بگذارند کاهش دهند و همچنین آنها را قادر می سازد تا از داده های قابل اعتماد و دقیق برای تصمیم گیری به موقع تجاری استفاده کنند. رهبران D&A باید ابزارهای مشاهده‌پذیری داده‌های خود را با توجه به نیازهای کاربران و نحوه تناسب این ابزارها در سازمان به طور کلی ارزیابی کنند.
4. اشتراک داده ضروری است:
چه داخلی و چه خارجی، همکاری برای به اشتراک گذاری داده ها کلیدی است. کوین گابارد، مدیر ارشد و تحلیلگر گارتنر، گفت: «طراحی پارچه داده را برای فعال کردن یک معماری واحد برای به اشتراک گذاری داده ها در منابع ناهمگن داده داخلی و خارجی اتخاذ کنید.
5. D&A پایداری:
رهبران D&A نه تنها باید تجزیه و تحلیل و بینش داده ها را ارائه دهند، بلکه باید فرآیندهای خود را برای کمک به پایداری بهبود بخشند. در اینجا، شیوه‌های مختلفی در حال ظهور است، که شامل استفاده از انرژی‌های تجدیدپذیر برای تامین انرژی مراکز داده و همچنین بهره‌برداری از سخت‌افزار با صرفه‌تر انرژی، استفاده از داده‌های کوچک و سایر تکنیک‌های یادگیری ماشینی است.
6. پارچه داده های عملی:
پارچه داده یک الگوی طراحی مدیریت داده است که همه انواع ابرداده ها را برای مشاهده، ارزیابی و توصیه راه حل های مدیریت داده به هم می پیوندد. این می تواند هشدارها و توصیه هایی را برای کاربران ایجاد کند و به کاربران تجاری امکان می دهد با اطمینان داده ها را جذب کنند.
7. هوش مصنوعی نوظهور:
با افزایش محبوبیت هوش مصنوعی و ChatGPT، این فناوری‌های هوش مصنوعی نوظهور نحوه انطباق و مقیاس کسب‌وکارها را تغییر خواهند داد. نسل بعدی فناوری‌های هوش مصنوعی به شرکت‌ها قابلیت‌هایی می‌دهد که در حال حاضر امکان‌پذیر نیستند.
8. اکوسیستم های همگرا و قابل ترکیب:
این اکوسیستم ها پلتفرم های D&A را برای ادغام های یکپارچه، قابلیت همکاری فنی و حاکمیت طراحی و به کار می گیرند. با معماری مناسب، این سیستم ها می توانند ماژولارتر، سازگارتر و انعطاف پذیرتر باشند تا در صورت نیاز به صورت پویا مقیاس شوند.
9. مصرف‌کنندگان تبدیل به خالق می‌شوند:
استفاده از داشبوردهای از پیش تعریف‌شده با تجربیات کاربر پویا، مکالمه‌ای و جاسازی‌شده جایگزین می‌شود تا نیازهای مصرف‌کنندگان محتوا را در زمان واقعی برطرف کند. شرکت‌ها می‌توانند پذیرش تجزیه و تحلیل را با ارائه بینش‌ها و تجربیات مکالمه خودکار و جاسازی‌شده با کاربری آسان برای کاربران گسترش دهند تا بتوانند خالق باشند.
10. انسان ها همچنان تصمیم گیرندگان کلیدی هستند:
رهبران D&A در حال ارزیابی نقش انسان‌ها در تصمیم‌گیری خودکار و تقویت‌شده هستند، زیرا همه تصمیم‌ها نمی‌توانند یا نباید خودکار باشند. گرت هرشل، معاون تحلیلگر گارتنر، گفت: «تلاش برای هدایت خودکار تصمیم‌گیری بدون در نظر گرفتن نقش انسانی در تصمیم‌گیری‌ها منجر به ایجاد یک سازمان مبتنی بر داده‌ها بدون وجدان یا هدف ثابت می‌شود.»
مقاله های مرتبط:
1- تحلیلگر کسب و کار در مقابل تحلیلگر داده
2- پنج دلیل کلیدی که چرا تجزیه و تحلیل داده برای تجارت مهم است
3-انواع تجزیه و تحلیل اطلاعات (Information Analysis)
4-داشبورد سازی در نرم افزار تبلو و تجسم داده ها