10 چیزی که C-Suite باید درباره Analytics بداند

اگر اخیراً زیاد سفر نکرده‌اید، در اینجا خلاصه‌ای اجرایی از تحولات در زمینه تجزیه و تحلیل است که ممکن است در مجله پشتی صندلی هواپیما از دست داده باشید.

1. این دیگر سیستم های پشتیبانی تصمیم گیری نامیده نمی شود (اگرچه 20 سال پیش بود).                                                                                                             عدم گزارش دهی (15 سال)، هوش تجاری (10 سال)، یا حتی تجزیه و تحلیل (5 سال). این است تکمیل شده تجزیه و تحلیل ترافیک. یا، Analytics تعبیه شده با هوش مصنوعی. آنالیتیکس پیشرفته اکنون از یادگیری ماشینی بهره می برد و به تصمیم گیری از داده ها کمک می کند. بنابراین، به یک معنا، ما به جایی که شروع کردیم بازگشتیم - پشتیبانی تصمیم.
2. داشبورد. شرکت های مترقی از داشبوردها دور می شوند. داشبوردها از مدیریت توسط جنبش اهداف دهه 1990 متولد شدند. داشبوردها معمولاً شاخص های کلیدی عملکرد را نشان می دهند و پیشرفت را به سمت اهداف خاص دنبال می کنند. داشبوردها با تجزیه و تحلیل های تقویت شده جایگزین می شوند. به جای داشبورد ایستا، یا حتی داشبورد با جزئیات دقیق، تجزیه و تحلیل‌های مبتنی بر هوش مصنوعی به شما هشدار می‌دهند که چه چیزی در زمان واقعی مهم است. به یک معنا، این نیز بازگشتی به مدیریت توسط KPIهای کاملاً تعریف شده است، اما با یک پیچ - مغز هوش مصنوعی معیارها را برای شما تماشا می کند.
3. ابزار استاندارد. بیشتر سازمان‌ها دیگر یک ابزار BI استاندارد سازمانی ندارند. بسیاری از سازمان ها دارای 3 تا 5 ابزار تجزیه و تحلیل، BI و گزارش دهی هستند. ابزارهای چندگانه به کاربران داده در یک سازمان اجازه می دهد تا از نقاط قوت ابزارهای فردی بهتر استفاده کنند. به عنوان مثال، ابزار ارجح در سازمان شما برای تجزیه و تحلیل موقت، هرگز در گزارش‌های پیکسل کاملی که سازمان‌های دولتی و نظارتی نیاز دارند، برتری نخواهد داشت.
4. ابر. همه سازمان های پیشرو امروز در فضای ابری هستند. بسیاری از آنها داده ها یا برنامه های اولیه را به ابر منتقل کرده اند و در حال انتقال هستند. مدل‌های ترکیبی در کوتاه‌مدت از سازمان‌ها حمایت می‌کنند زیرا به دنبال سرمایه‌گذاری بر روی قدرت، هزینه و کارایی تجزیه و تحلیل داده‌ها در فضای ابری هستند. سازمان‌های محتاط با استفاده از چندین فروشنده ابری، شرط‌های خود را متنوع می‌کنند و پوشش می‌دهند. 
5. استاد مدیریت داده ها  چالش های قدیمی دوباره جدید هستند. داشتن یک منبع واحد داده برای تجزیه و تحلیل مهمتر از همیشه است. با ابزارهای تحلیلی موقت، ابزارهایی از چندین فروشنده، و IT سایه مدیریت نشده، داشتن یک نسخه از حقیقت بسیار مهم است.
6. نیروی کار از راه دور اینجاست تا بماند همه‌گیری 2020-2021 بسیاری از سازمان‌ها را وادار به توسعه پشتیبانی از همکاری از راه دور، دسترسی به داده‌ها و برنامه‌های کاربردی تحلیلی کرد. این روند هیچ نشانه ای از کاهش را نشان نمی دهد. جغرافیا در حال تبدیل شدن به یک مانع مصنوعی است و کارگران با کار بر روی تیم های پراکنده تنها با تعامل چهره به چهره مجازی سازگار می شوند. ابر یکی از فناوری های پشتیبانی کننده برای این روند است.
7. علم اطلاعات برای توده ها هوش مصنوعی در تجزیه و تحلیل آستانه را به علم داده به عنوان نقشی در یک سازمان کاهش می دهد. هنوز نیاز به دانشمندان داده های فنی که در کدنویسی و یادگیری ماشین تخصص دارند وجود خواهد داشت، اما هوش مصنوعی ممکن است تا حدی شکاف مهارتی را برای تحلیلگران دارای دانش تجاری پر کند.  
8. کسب درآمد از داده ها. مسیرهای متعددی وجود دارد که در آن این اتفاق می افتد. سازمان‌هایی که می‌توانند سریع‌تر تصمیمات هوشمندانه‌تری بگیرند، همیشه از مزیت بازار برخوردار هستند. در جبهه دوم، ما در تکامل وب 3.0 شاهد تلاش برای ردیابی داده ها و کمیاب تر کردن (و در نتیجه ارزشمندتر) آنلاین با استفاده از سیستم های بلاک چین هستیم. اثر انگشت این سیستم ها digital دارایی هایی که آنها را منحصر به فرد، قابل ردیابی و قابل معامله می کند.
9. حکومت. با توجه به عوامل مخرب داخلی و خارجی اخیر، زمان مهمی برای ارزیابی مجدد سیاست‌ها، فرآیندها و رویه‌های تحلیلی/داده‌ای موجود در پرتو فناوری‌های جدید است. آیا اکنون که ابزارهای متعددی وجود دارد، بهترین شیوه ها باید دوباره تعریف شوند؟ آیا رویه های مطابق با الزامات قانونی یا ممیزی ها نیاز به بررسی دارند؟
10. چشم انداز.  سازمان برای برنامه ریزی و تعیین مسیر به مدیریت متکی است. در زمان‌های آشفته و نامطمئن، انتقال چشم‌انداز روشن مهم است. بقیه سازمان باید با جهتی که رهبری تعیین می کند همسو باشند. یک سازمان چابک اغلب در یک محیط در حال تغییر دوباره ارزیابی می‌کند و در صورت لزوم دوره را اصلاح می‌کند.