211service.com
Augstas veiktspējas datu un AI organizācijas izveide
Saistībā ar Datu ķieģeļi
CxOs un padomes atzīst, ka viņu organizācijas spējai no datiem, bieži vien reāllaikā, ģenerēt praktisku ieskatu ir vislielākā stratēģiskā nozīme. Ja par šo rādītāju bija kādas šaubas, patērētāju paātrinātā pāreja uz digitālo tehnoloģiju pagājušajā krīzes gadā tās ir kliedējusi. Lai palīdzētu tiem kļūt balstītiem uz datiem, uzņēmumi ievieš arvien progresīvākas mākoņdatošanas tehnoloģijas, tostarp analītikas rīkus ar mašīnmācīšanās (ML) iespējām. Tomēr šo rīku sniegtā vērtība būs ierobežota bez bagātīgiem, augstas kvalitātes un viegli pieejamiem datiem.
Augstas veiktspējas datu un AI organizācijas izveide
Šajā kontekstā efektīva datu pārvaldība ir viens no uz datiem balstītas organizācijas pamatiem. Taču datu pārvaldība uzņēmumā ir ļoti sarežģīta. Līdz ar jaunu datu tehnoloģiju ienākšanu straumē, pieaug mantoto sistēmu un datu rezervuāru slogs, ja vien tos nevar integrēt vai norobežot.
Arhitektūras sadrumstalotība ir galvassāpes daudziem galvenajiem datu darbiniekiem (CDO), kas ir saistīta ne tikai ar tvertnēm, bet arī daudzām organizācijām izmantoto lokālo un mākoņdatošanas rīku daudzveidību. Līdztekus sliktajai datu kvalitātei šīs problēmas apvieno organizāciju datu platformām un to atbalstītajiem mašīnmācības un analītikas modeļiem ātrumu un apjomu, kas nepieciešams, lai sasniegtu vēlamos biznesa rezultātus.
Lai saprastu, kā datu pārvaldība un tehnoloģijas, uz kurām tā balstās, attīstās šādu izaicinājumu apstākļos, MIT Technology Review Insights aptaujāja 351 CDO, galvenos analītiķus, galvenos informācijas virsniekus (CIO), galvenos tehnoloģiju vadītājus (CTO) un citus vecākos tehnoloģiju vadītājus. Mēs arī veicām padziļinātas intervijas ar vairākiem citiem vadošajiem tehnoloģiju vadītājiem. Šeit ir galvenie atklājumi:
- Tikai 13% organizāciju izceļas ar savu datu stratēģijas īstenošanu. Šī atlasīto augsti sasniegušo cilvēku grupa nodrošina izmērāmus biznesa rezultātus visā uzņēmumā. Viņi gūst panākumus, pateicoties pievēršot uzmanību pareizas datu pārvaldības un arhitektūras pamatiem, kas ļauj demokratizēt datus un iegūt vērtību no mašīnmācīšanās.
- Tehnoloģiju iespējota sadarbība rada darba datu kultūru. Pētījumā intervētie CDO piešķir lielu nozīmi analītikas un ML iespēju demokratizēšanai. To virzīšana uz priekšu ar progresīvām datu tehnoloģijām palīdzēs galalietotājiem pieņemt pārdomātākus biznesa lēmumus, kas ir spēcīgas datu kultūras iezīmes.
- ML ietekmi uz uzņēmējdarbību ierobežo grūtības pārvaldīt tā dzīves ciklu no gala līdz galam. ML lietošanas gadījumu mērogošana daudzām organizācijām ir ārkārtīgi sarežģīta. Būtiskākais izaicinājums, pēc 55% aptaujāto domām, ir centrālās vietas trūkums ML modeļu glabāšanai un atklāšanai.
- Uzņēmumi meklē mākoņdatošanas platformas, kas atbalsta datu pārvaldību, analīzi un mašīnmācīšanos. Organizāciju galvenās datu prioritātes nākamajos divos gados ir trīs jomās, ko atbalsta plašāka mākoņu platformu ieviešana: datu pārvaldības uzlabošana, datu analītikas un ML uzlabošana un visu veidu uzņēmuma datu, tostarp straumēšanas un nestrukturēto datu, izmantošanas paplašināšana. .
- Atvērtie standarti ir galvenās prasības nākotnes datu arhitektūras stratēģijām. Ja respondenti varētu izveidot jaunu datu arhitektūru savam biznesam, vissvarīgākā priekšrocība salīdzinājumā ar esošo arhitektūru būtu plašāka atvērtā pirmkoda standartu un atvērto datu formātu izmantošana.
Šo saturu izstrādāja Insights, MIT Technology Review pielāgotā satura grupa. To nav rakstījuši MIT Technology Review redakcijas darbinieki.