[ad_1]

همه داده ها به یک شکل ایجاد نمی شوند. برخی از داده ها ارزش تجاری بیشتری دارند. CTO Qlik توضیح می دهد که چرا داده های شما ممکن است مورد نیاز شما نباشد.

تصویر: BillionPhotos.com - stock.adobe.com

تصویر: BillionPhotos.com – stock.adobe.com

پس از یک سال وقفه ، موارد زیادی در بنگاه های اقتصادی تغییر کرده است. این سازمانها تحولات دیجیتال را تسریع کرده ، عملیات بیشتری را به فضای ابری منتقل کرده و کارمندان بیشتری را از دفاتر به دفاتر خانگی منتقل کرده اند. طریقه مشاهده شرکت ها از مراکز داده برتر ، هوش تجاری و تجزیه و تحلیل نیز طی سال گذشته تکامل یافته است.

این به گفته مایک پاتر ، پیشکسوت فضای داده و هوش تجاری است که کار خود را در سازمان هایی از جمله Cognos ، IBM ، CA Technologies و اکنون به عنوان CTO از Qlik ، یک شرکت نرم افزار تجزیه و تحلیل داده ها و هوش تجاری سپری کرده است. این شغلی است که دیدگاه بهینه برای نظارت بر توسعه BI در سازمان ها برای او فراهم کرده است. خیلی چیزها تغییر کرده است. چه سال عجیبی بود.

بنابراین بسیاری از تجزیه و تحلیل شما را ملزم به جمع آوری و تجزیه و تحلیل اطلاعات مربوط به حوادث قبلی می کند و از آنها برای پیش بینی آینده استفاده می کنید. اما از آنجا که سال 2020 بی شباهت به سال دیگر بود ، هیچ زمانی نبود که سازمان ها به عنوان پیش بینی کننده آینده به داده های گذشته خود اعتماد کنند. همچنین سالی نبود که لزوماً داده هایی را ارائه دهد که بتوانند روندهای بعد از سال 2020 را پیش بینی کنند.

این یادآور درگیری مداوم بسیاری از شرکت ها است – داده هایی که آنها در برابر داده هایی دارند که برای آنها با ارزش ترین است. این دو لزوماً یکسان نیستند.

پاتر به InformationWeek گفت: “سازمان ها س questionsالاتی دارند و این س questionsالات غالباً تحت تأثیر مكان سازمان قرار می گیرند.” “این س questionsالات اغلب آینده نگرانه و مبتنی بر سناریو هستند.”

اما اغلب داده ها و استراتژی داده ها که بسیاری از سازمان ها به طور سنتی از آن استفاده می کنند ، برداشت گذشته است – آنچه قبلاً اتفاق افتاده است.

هنوز هم ، تمرکز جدیدی بر استراتژی های داده با تمرکز بر تجزیه و تحلیل های پیش بینی شده ، بیشتر بر اهمیت دانشمندان داده در سازمان ها متمرکز شده است. این متخصصان می توانند فراتر از داده های جمع آوری شده و مدیریت شده توسط سازمان باشند. پاتر گفت ، دانشمندان داده همچنین با داده های مشتق شده كار می كنند و داده تولید می كنند. این تغییر بدان معناست که تمرکز سازمانها بیشتر بر یادگیری ماشین و سایر اشکال هوش مصنوعی است.

پاتر گفت: “داده ها برای کمک به چرخش مشاغل بسیار مهم است” ، در یک سال پرچالش مانند سال 2020. “اما آنها نمی توانستند به داده های سال گذشته اعتماد کنند. بسیاری از س questionsالات آنها در مورد سناریوها ، شبیه سازی ها ، تجزیه و تحلیل پیش بینی ، یادگیری ماشین و تکنیک های مدل سازی بود. این کل نقش را تغییر داد.”

این تغییر همچنین باعث توجه بیشتر افسران کلیدی داده و چگونگی انحراف مسیر آنها از مسیرهای سازمان فناوری اطلاعات و CIO ها می شود.

“[CDOs] پاتر گفت: “اساساً از نظر رویکرد به استراتژی های داده خود با ارزش تر می شوند.” از طرف دیگر ، سازمان فناوری اطلاعات و CIO ها بیشتر بر زیرساخت های مدیریت داده تمرکز دارند. پاتر معتقد است که این شکاف باعث افزایش اهمیت CDO در بسیاری از سازمان های شرکتی شده است. .

پاتر گفت: “مشاهده نقش همکاری CIO و CDO – یا نه – نکته جالبی است که در بسیاری از سازمانها دیده می شود.” در حالی که CDO در دهه گذشته نقش جدیدی داشته است ، CDO در نقشی به اندازه CIO شروع نشده است. که می تواند تغییر کند.

پاتر گفت: “ساختار گزارش واقعاً متفاوت است.” “اگر به ساختار گزارش نگاه كنید ، می توانید چیزهای زیادی در مورد وضعیت روانی یك سازمان بخوانید. اگر CIO و CDO همكار باشند ، این خود چیزی را می گوید.”

به گفته پاتر ، تغییر بزرگ دیگر در سال گذشته تغییر در کار تجزیه و تحلیل داده ها از عملیات محلی به ابر است.

وی گفت: “ما شاهد موارد بیشتری هستیم که داده ها کاملاً خارج از ابر مدیریت می شوند.” به گفته پاتر ، سازمانهایی که در سالهای گذشته تمایلی به انتقال این بارها به ابر ندارند ، نشان داده اند که آنها آماده گفتگو در مورد انتقال به یک مدل بزرگتر SaaS هستند.

اما تغییرات سال گذشته تنها آغاز دوره جدیدی است که در آن تجزیه و تحلیل داده ها نقشی اساسی در سازمان ها و افکار عمومی ایفا می کند. این به این دلیل است که داده ها در طول سال همه گیری بسیار مهم شدند.

پاتر گفت: “وقتی شما شروع به فكر كردن در مورد میزان استفاده دولتها از داده ها و رسانه ها از داده ها می كنید ، این به یك عنصر اصلی ارتباط تبدیل می شود.” مکانیسم اولیه. “

مطالب مرتبط:

Experian’s Identity GM به چالش های صنعت پس از COVID می پردازد

سال فراگیر فناوری اطلاعات: درسهایی که برای سال پیش گرفته شده است

چگونه CarParts.com از استراتژی AIOps هنگام مقیاس گذاری استفاده می کند

تجزیه و تحلیل پیشرفته موج بعدی هوش مصنوعی ، یادگیری ماشین ، BI را هدایت می کند

جسیکا دیویس سردبیر ارشد در InformationWeek است. این شامل مدیریت فناوری اطلاعات شرکت ها ، مشاغل ، هوش مصنوعی ، داده ها و تجزیه و تحلیل ها و نرم افزارهای سازمانی است. او کار خود را صرف پوشاندن چهارراه تجارت و فناوری کرده است. او را در توییتر دنبال کنید: … بیوگرافی کامل را ببینید

ما از نظرات شما در مورد این موضوع در کانال های رسانه های اجتماعی خود استقبال می کنیم [contact us directly] با س questionsالات در مورد سایت.

بینش بیشتر



[ad_2]

منبع: tasiveh-news.ir