开发分析能力的新规则-并获得竞争优势

用于业务差异化的分析不是一个新话题。但是,要想获得一种有效而高效的分析策略(从数据中获得最大价值)的道路可能会令人生畏且充满风险。

在过去的几年中,成功实施后已经出现了一些模式。这些模式提供了有关企业如何建立最佳利用数据投资的基本原则的见解。以下是开发分析功能的新规则:

没有“大数据”和“企业数据”
企业倾向于将分析分为传统的数据仓库(DW)企业数据和以预测分析为重点的大数据平台。价值来自所有数据,尤其是当非结构化数据与企业数据(财务,供应链,客户互动等)融合时。我们正在远离数据仓库和数据的多个存储库,而转向聚合数据(www.xberp.cn)。

传统的DW不再重要
它们需要太多的结构,开发和维护起来很复杂,并且不能跟上业务发展的步伐。在数据仓库架构上构建新平台可能不是可持续的投资。单一的数据湖式存储库可以容纳所有企业数据以及大容量和高速数据。是的,要迁移到新架构很困难,但回报却是可观的。

所有数据都是有用的
在逻辑界限和适当分类之间,如果企业产生任何数据,则它必须位于企业数据湖中。另一方面,如果数据不在湖中,那么它就不存在。但这并不意味着需要放弃诸如数据安全性,敏感性和与业务相关性之类的做法。此外,应建立成熟的信息生命周期策略,以在特定时间段内撤消/清除/冷存储数据。湖泊不能成为无限的数据仓库。

ML和AI的采用是进化的
但是,这不是第一件事。人工智能(AI)和机器学习(ML)可能是功能强大的工具,只有在对质量数据进行管理,保护和管理的基础很强的情况下,才可以采用人工智能。机器学习和人工智能功能的成功在很大程度上取决于企业拥有的数据的质量,种类和数量。一旦在企业中建立了强大的数据基础并且企业对其报告和商务智能功能具有足够的信心,就可以轻松轻松地开发强大的解决方案,例如企业信息聊天机器人,企业认知功能等。

现在已经用一种想法来代替传统的加载数据的方法,该方法已经过完整的用例的审查,因为存储和计算相对便宜,因此首先要加载数据。转型现在必须成为未来的选择,并且仅应在需要时进行。这也称为即时转换和分析。当然,数据加载应在合理和业务相关的范围内进行。构建即时分析引擎需要独特的技能,但这是值得的投资。

大多数软件即服务(SaaS)提供商都提供开箱即用的报告功能。这些是开发运营报告的最佳位置,但不一定是企业数据湖。它已包含在我们已经支付给提供商的费用中,后者将很乐意提供更强大的解决方案。不过,这并不是由于缺乏湖泊的能力。实时报告功能是健壮设计的一部分,但是只能在目标明确的独特方案中使用数据湖进行操作报告,这些方案不能与供应商提供的解决方案重复。

企业数据永远不会移交给供应商
每个企业的IP和竞争优势都存在于其数据中。企业对企业的成长和成长负全责。第三方提供商不是。虽然将企业客户数据,企业财务数据,供应链数据和其他数据转移到已经提供了ERP或CRM解决方案的SaaS提供商的工具中似乎很诱人,但重要的是要认识到,当企业与企业捆绑在一起时,潜在的价值就会损失提供者。将来的迁移-当您的业务需要更改时-并非易事,有时甚至是不可能的。

数据挖掘和科学是不确定的
像任何科学一样,数据挖掘工作可以产生惊人的结果,或者根本没有任何结果。如果我们知道会发生什么,那就叫做报告,而不是挖掘。不断努力寻找可能给您的企业带来竞争优势的独特见解是有价值的。组织需要适应尝试新事物并接受失败。

最好的数据科学家是在您自己的组织内开发的
从长远来看,事实证明,培养,培训和鼓励组织内的主题专家(SME)采用数据科学实践非常有价值。显然,企业中需要一些训练有素的数据科学家,但是要有效利用数据的价值,名册必须更大。这些数字应该来自对内部中小企业的再培训和重新定位。职业数据科学家和经过组织培训的新人员相结合,可以提供使数据挖掘极为有效所需的专业知识和经验。

企业仍然需要付出艰辛的努力,将其业务利益相关者聚集在一起,以查看集体数据中的价值。为此,他们必须证明某种形式的收入增长或效率提高。上面概述的许多规则将帮助您做到这一点。

相关文章

联系我们

联系我们

029-88444144      

在线咨询: QQ交谈

邮箱: cnnwn@126.com

工作时间:周一至周五,9:00-17:30,节假日休息

返回顶部