Articles

hvordan utnytte analytics til å bli en virkelig data-drevet organisasjon– tre ting å vurdere

hvordan utnytte analytics til å bli en virkelig data-drevet organisasjon– tre ting å vurdere
Av Dorman Bazzell Og Scott Schlesinger, Capgemini
Det er en ny rolle i mange ledende organisasjoner som er fokusert på å hjelpe forvandle data til informasjon, og informasjon til intelligens – data scientist. Det er litt av en tvetydig rolle, da ikke mange forstår hva de gjør og hvordan de gjør det. Ennå, det er en rolle aktet som betydelig viktig. Dataforskere hjelper organisasjonen med å kartlegge veien fremover ved å utnytte data og skape sofistikerte statistiske algoritmer i et forsøk på å løse problemer i reisen til handlingsbar intelligens. Denne jobben er så etterspurt At McKinsey anslår at det vil være behov for opptil 190 000 datavitenskapere i USA innen 2020.
I Dag er det imidlertid svært få datavitenskapere og talent tilgjengelig som har inngående kunnskap om hvordan man får mest mulig ut av data. Blant resten av oss er mange ivrige etter å raskt dra nytte av denne trenden for å tappe inn i de store mengdene nye data som kommer inn i organisasjonen vår ved å samle og vurdere flere datapunkter enn noen gang før for å støtte beslutningstaking.
det mange har innsett er at deres interesse ligger mindre i trenden selv, men mer med analysene. At iver, drevet av et ønske om å umiddelbart utlede verdifull, handlingsbar innsikt fra data, fører dessverre til lav effektutfall. Grunnleggende nøkkelelementer som trengs for å virkelig realisere en effektiv analysesyn, går tapt i hast.
gjennom våre klientinitiativer tror vi at det er tre viktige elementer som ledere i enhver forretningsfunksjon må vedta for å sikre ideelle resultater grundig dataanalyse. Disse inkluderer å skape en klassifisering som skiller mellom store data og analyse; definere en klar forretningsbruk; og optimalisere eksisterende infrastruktur og verktøy for å støtte innsatsen.
Separat Big Data Fra Analytics
den generelle ideen bak big data er ikke ny. Bedrifter har vært ute etter å dra nytte av tilgjengelige data for å forbedre forretningsdrift og kundeinitiativer i årevis. Det som er annerledes i dag er den enorme mengden datatyper og volum, deres inngangspunkter og hastigheten som organisasjoner søker å skaffe seg og analysere disse dataene. Det som ofte går tapt gjennom iver, er forståelsen for at store data ikke bare handler om å samle inn og administrere datasett. I stedet må big data innlemme analyser-evnen til å vurdere og identifisere utfall og trender for å ta mer utdannede, effektive forretningsbeslutninger. For å høste fordelene av analyse, trenger bedrifter organisatorisk strenghet rundt effektiv oppkjøp og utnyttelse av store data. I utgangspunktet må alle som er involvert i et initiativ ha samme forståelse og forventninger.
Definer Business Use Case
big data og analyse reisen begynner med en relevant, klart definert og godt forstått business use case. Likevel er en av de viktigste årsakene til frustrasjon å hoppe inn i et analyseinitiativ for tidlig uten å klart definere hva det er selskapet ønsker å oppnå.
når selskaper søker å utnytte data – det være seg interne, eksterne, strukturerte eller ustrukturerte – for å øke driftseffektiviteten, forbedre lønnsomheten, øke markedsandelen, tilbyr analytics muligheten til å hente innsikt i områder av virksomheten som tidligere var en fjern virkelighet. Hva er innsikt som du håper å få? Hva ønsker du å måle? Hva håper du å oppnå gjennom analyser for din avdeling eller bedrift? Disse spørsmålene må besvares før du starter reisen, ellers vil du ikke ankomme der forventet, OG DINE ROI-forventninger vil bli knust.
Organisasjoner må forstå hvorfor og hvor det er fornuftig å utnytte store data. Etablering av et sett med prioriterte brukssaker på funksjonsområde nivå vil sikre klarhet og strategisk veiledning for hvert initiativ og gi suksesskriterier for måling av prestasjoner. Bruk cases bidra til å skape business cases som gir BÅDE IT og virksomheten et felles rammeverk for å løse ROI spørsmål forventet fra organisatorisk ledelse til investorer.
for eksempel er det ganske greit for en klærforhandler å spore antall solgte menns bånd. Men, det er mindre opplagt for dem-med mindre de gjør bruk av sosiale data samtale-hvorfor bestemte bånd der slike varme selgere. Oljeselskapene kan bruke maskinsensordata for å avgjøre når en utblåsning kan mislykkes og hva som er den sannsynlige årsaken.
denne bruken av data forbedrer arbeidernes sikkerhet; forebygge miljøskader og eliminere potensielle kostnader.
Optimaliser Eksisterende Teknologiinvesteringer
Mange bedrifter som ønsker å raskt dra nytte av analytics, haster inn i kjøpsbeslutninger. De søker etter den nyeste og beste analyseprogramvaren og verktøyene. Men ved å ikke først ha opprettet en klar forretningssak eller sette de riktige datastyringsrammene på plass, vil de sannsynligvis oppnå lav avkastning på investeringen fra starten.
Bedrifter bør først se på deres NÅVÆRENDE IT-infrastruktur og bedriftsplanleggingssystemer og søke måter å koble de med eksterne kilder som sosiale medier og sensorer. Dette vil hjelpe dem til å få innledende datainnsikt som sannsynligvis vil sikre større fleksibilitet til å skalere analyser av påfølgende datasett som vil ha en bredere innvirkning på virksomheten, dets partnere og kunder. Enda viktigere, vil denne praksisen gir en bane til mer effektiv data optimalisering innsats for å dra nytte av åpen kildekode dataverktøy, For eksempel Hadoop, for å lagre og vurdere større datasett.
Å oppnå sanntids svar fra data er det ideelle resultatet av analytics. Å handle på disse tre kritiske elementene krever en forståelse for tålmodighet – de krever tid. Iver etter å ansette analyser og oppnå raske resultater risikerer å skape flere vanskeligheter enn fordeler for virksomheten i det lange løp. For at organisasjoner skal kunne netto sine ideelle resultater med analyser, er disse blokkerings-og taklingstrinnene avgjørende. De tar uten tvil tid, men avkastningen på investeringen vil være uvurderlig for ethvert analyseinitiativ.

Legg igjen en kommentar

Din e-postadresse vil ikke bli publisert.