هوش تجاری

جایگاه تحلیل داده در سال ۲۰۲۰

تحلیل داده برای همه چیز از برنامه‎‌ریزی کسب و کار گرفته تا بهینه‌سازی زیرساخت ضروری است. این مقاله مجموعه‌ای از پنج مقاله شامل مزایای گسترده بینش حاصل از داده‌ها را معرفی می‌کند.

از زمانی که شرکت‌های اتومبیل‌سازی ژاپنی در دهه ۱۹۷۰ فعالیت خود را آغاز کردند، دنیا به فکر پیشرفت مداوم بود. اما بهبود چیزی را که نمی‌توانید اندازه بگیرید امکان پذیر نیست، به همین دلیل است که اکنون تجزیه و تحلیل سازمان‌ها را در بر گرفته است. سازمان‌ها هر مجموعه داده‌ای را تجزیه و سپس تحلیل می‌کنند تا دید واضحی از واقعیت فعلی داشته باشند و راه بهتری را برای ادامه مسیر انتخاب کنند.

چندین دهه، افراد مجهز به سطح هوش تجاری ابزار تجزیه و تحلیل، پایگاه داده‌های مالی و لجستیکی را برای شناسایی فرصت‌های جدید کسب و کار، نقاط ضعف حائز اهمیت و کسب مزیت رقابتی پایدار، بررسی می‌کردند. اخیرا، با افزودن یادگیری ماشینی برای شناسایی الگوی داده‌ها، تجزیه و تحلیل پیش بینی‌های دقیق‌تری از نتایج آینده ارائه می‌دهد. حتی علاوه بر آن با استفاده از ابزارهای سلف سرویس هوش تجاری مانند Tableau ،PowerBI یا Qlik، کاربران کسب و کار اکنون می‌توانند اطلاعات خود را به جای درخواست گزارش از متخصصان هوش تجاری، شخصا به دست آورند.

در عین حال، همه‌گیر شدن تجزیه و تحلیل، مهم‌ترین کار تخصصی روی کره زمین را ایجاد کرده است: دانشمند داده. ماهیت چند رشته‌ای این موقعیت باعث می‌شود که سازمان‌ها به دنبال فردی با مهارت آماری، برنامه‌نویسی، احتمال و به احتمال زیاد یادگیری ماشینی باشند و اشاره‌ای به متخصصی که سازمان نیاز دارد نمی‌شود. وضعیت شگفت‌آور دانشمند داده، اثبات بهبود تجزیه و تحلیل را ارائه می‌دهد.

در همین حال، گرچه روند کلان داده‌ها تا حدودی سرد شده است، تجزیه و تحلیل کلان داده‌ها به طور دائمی ‌خود را در زیرساخت‌ها جا داده است، و مهندسان را قادر می‌سازد تا پرونده‌های ورود به سیستم عظیم را برای ناهنجاری‌ها، ناکارآمدی‌ها و آسیب پذیری‌های سطحی پردازش کنند. و تقریباً در مورد هر سازمانی که به شدت در برنامه‌های مشتری مدار سرمایه گذاری می‌کند، اکنون ترابایت جریان کلیک کاربر را تجزیه و تحلیل می‌کند، امکان شخصی سازی انبوه و تنظیمات رابط کاربری را فراهم می‌کند که قابلیت کاربرد و درآمد را افزایش می‌دهد.

برای راهنمایی شما در تجربه تجزیه و تحلیل فردی خود، CIO ، Computerworld ، CSO ، InfoWorld و Network World به پنج مقاله کمک کرده‌اند که نقش تجزیه و تحلیل امروز در سازمان را از طریق چندین دیدگاه کاملا مختلف از مطالعات موردی تا توصیه‌های اجرایی بررسی می‌کنند.

سازمان کاملا کمی

آیزاک ساکولیک، نویسنده فعلی InfoWorld و سابق CIO و CTO، با عنوان فوق العاده “نحوه انتخاب بستر تجزیه و تحلیل داده‌ها” آغاز می‌کند. در چند هزار کلمه، ساکولیک تمام پایه‌ها را از اصلاح و یکپارچه‌سازی داده‌ها گرفته تا عوارض جدیدی که با یادگیری ماشینی ایجاد می‌شود، تبیین می‌کند. وی همچنین توضیحات خلاصه‌ای از ده‌ها گزینه پایگاه داده و نرم افزار تجزیه و تحلیل را با پارامترهای اساسی ارائه می‌دهد که باید قبل از انتخاب مورد بررسی قرار گیرد. از اینجا شروع کنید.

در حالی که ساکولیک اساسا بر قسمت انتهایی تجزیه و تحلیل تمرکز دارد، نویسنده Computerworld، باب ویولینو، روی سطح ارائه تمرکز می‌کند و “۶ روش عالی برای تجسم داده‌های کسب و‌کار” را آموزش می‌دهد. توصیه‌های او شامل برخی اصول اساسی است که به خوبی توضیح داده شده‌اند: مخاطبان خود را بشناسید، داستان بگویید، تجسم‌ها را تا جایی که می‌توانید ساده انجام دهید و غیره. همچنین، او چارچوبی را برای انتخاب ابزارهای مناسب تجسم همراه با بهترین توصیه ممکن فراهم می‌کند: تجسم یک کار گروهی، به منظور اشتراک گذاری گسترده، بحث و تکرار مشترک است.

حتما بخوانید:  یادگیری ماشین چیست؟

در “تجزیه و تحلیل بهداشت و درمان: ۴ داستان موفقیت”، نویسنده ارشد تور اولاوسرود مطالعات موردی را در کایزر پرمننته، سیستم سلامت دانشگاه NorthShore، سیستم بهداشتی جکسون و دانشگاه Penn Medicine مرور می‌کند. هر مطالعه موردی کوچک یک هدف خاص مراقبت‌های بهداشتی مانند ساده سازی عملیات یا کوتاه کردن اقامت در ICU را شامل می‌شود، اما هر یک از آنها توصیه گسترده‌ای از رهبر پروژه مربوط به هرگونه طرح تحلیلی ارائه می‌دهد.

مایکل کنی ، سردبیر ارشد Network World، نوع دیگری از مطالعات موردی را در “شبکه گسترده مبتنی بر نرم افزار (SD-WAN) و تجزیه و تحلیل: اتحادی که برای هنجار جدید ساخته شده است” ارائه می‌دهد. همانطور که کنی توضیح می‌دهد، گسترش کار از راه دور باعث تسریع در پذیرش SD-WAN شده است، که به نوبه خود خطر مدیریت و عملکرد SD-WAN را به طور موثر افزایش می‌دهد. استفاده از تجزیه و تحلیل برای شناسایی گلوگاه‌ها، ناهنجاری‌ها و آسیب پذیری‌ها و اصلاح آنها قبل از اینکه مدیر با هشدارها برخورد کند، حفظ استقرارهای عظیم شبکه گسترده مبتنی بر نرم افزار را بسیار آسان‌تر می‌کند.

بعید است که برای نظارت بر استقرار SD-WAN خود، کد تجزیه و تحلیل سفارشی بنویسید، اما در بسیاری از موارد، به ویژه مواردی که ممکن است یک دانشمند داده را درگیر کند، الگوریتم‌های اختصاصی ساخته شده ممکن است اسرار ارزشمندی برای کسب و کار باشند. این همان چیزی است که نویسنده CSO، استیسی کولت در “چگونه از الگوریتم‌ها به عنوان دارایی معنوی محافظت کنیم” به آن پرداخته است. همانطور که کولت گفت، “تجزیه و تحلیل اختصاصی به یک وجه تمایز مهم تبدیل می‌شود زیرا سازمان‌ها پروژه‌های تحول دیجیتالی را اجرا می‌کنند. خوشبختانه، قوانین در حال تغییر هستند تا الگوریتم‌هایی را در میان IP قرار دهند که از نظر قانونی محافظت شوند.”

حتما بخوانید:  مهندسی داده چیست؟

در عصر همه‌گیری تجزیه و تحلیل، این باید خبر خوبی باشد. به ویژه با تقویت یادگیری ماشینی، بینش حاصل از تجزیه و تحلیل نقش استراتژیکی در هدایت سازمان شما بازی می‌کند.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دوره آموزشی «مدیریت محصول» با مدرسانی از دیجی‌کالا و اکالا ؛ با رویکرد کاربردی و اجراییاطلاعات بیشتر و ثبت‌نام
بستن