10 વસ્તુઓ C-Suite ને એનાલિટિક્સ વિશે જાણવાની જરૂર છે

જો તમે તાજેતરમાં વધુ મુસાફરી કરી નથી, તો અહીં વિશ્લેષણના ક્ષેત્રમાં વિકાસનો એક એક્ઝિક્યુટિવ સારાંશ છે જે કદાચ તમે એરલાઇન સીટબેક મેગેઝિનમાં ચૂકી ગયા હોવ.

1. તેને હવે ડિસિઝન સપોર્ટ સિસ્ટમ્સ કહેવામાં આવતું નથી (જોકે તે 20 વર્ષ પહેલાં હતું).                                                                                                             રિપોર્ટિંગ નથી (15 વર્ષ), બિઝનેસ ઇન્ટેલિજન્સ (10 વર્ષ), અથવા એનાલિટિક્સ (5 વર્ષ). તે છે વિસ્તૃત ઍનલિટિક્સ. અથવા, AI સાથે એમ્બેડ કરેલ Analytics. કટીંગ એજ એનાલિટિક્સ હવે મશીન લર્નિંગનો લાભ લે છે અને ડેટામાંથી નિર્ણય લેવામાં મદદ કરે છે. તેથી, એક અર્થમાં, અમે જ્યાંથી શરૂઆત કરી હતી ત્યાં પાછા આવી ગયા છીએ - નિર્ણય સપોર્ટ.
2. ડેશબોર્ડ્સ. પ્રગતિશીલ કંપનીઓ ડેશબોર્ડથી દૂર જઈ રહી છે. 1990 ના દાયકાની ઉદ્દેશ્ય ચળવળ દ્વારા મેનેજમેન્ટમાંથી ડેશબોર્ડ્સનો જન્મ થયો હતો. ડેશબોર્ડ્સ સામાન્ય રીતે મુખ્ય પ્રદર્શન સૂચકાંકો દર્શાવે છે અને ચોક્કસ ધ્યેયો તરફ પ્રગતિને ટ્રેક કરે છે. ડેશબોર્ડને વિસ્તૃત વિશ્લેષણો દ્વારા બદલવામાં આવી રહ્યાં છે. સ્ટેટિક ડેશબોર્ડને બદલે, અથવા તો ડ્રિલ-થ્રુ ટૂ ડિટેલ સાથે, AI ઇન્ફ્યુઝ્ડ એનાલિટિક્સ તમને વાસ્તવિક સમયમાં શું મહત્વનું છે તેની ચેતવણી આપે છે. એક અર્થમાં, આ સારી રીતે વ્યાખ્યાયિત KPIs દ્વારા મેનેજમેન્ટમાં વળતર પણ છે, પરંતુ એક ટ્વિસ્ટ સાથે - AI મગજ તમારા માટે મેટ્રિક્સ જુએ છે..
3. માનક સાધનો. મોટાભાગની સંસ્થાઓ પાસે હવે એકલ એન્ટરપ્રાઇઝ માનક BI સાધન નથી. ઘણી સંસ્થાઓ પાસે 3 થી 5 Analytics, BI અને રિપોર્ટિંગ ટૂલ્સ ઉપલબ્ધ છે. બહુવિધ ટૂલ્સ સંસ્થાની અંદરના ડેટા વપરાશકર્તાઓને વ્યક્તિગત સાધનોની શક્તિનો વધુ સારી રીતે લાભ લેવાની મંજૂરી આપે છે. ઉદાહરણ તરીકે, તમારી સંસ્થામાં એડહોક એનાલિટિક્સ માટે પ્રિફર્ડ ટૂલ ક્યારેય પિક્સેલ-પરફેક્ટ રિપોર્ટ્સ પર ઉત્કૃષ્ટ રહેશે નહીં જે સરકાર અને નિયમનકારી એજન્સીઓને જરૂરી છે.
4. ધ ક્લાઉડ. તમામ અગ્રણી સંસ્થાઓ આજે વાદળમાં છે. ઘણાએ પ્રારંભિક ડેટા અથવા એપ્લિકેશનને ક્લાઉડ પર ખસેડી છે અને સંક્રમણમાં છે. હાઇબ્રિડ મોડલ્સ નજીકના ગાળામાં સંસ્થાઓને ટેકો આપશે કારણ કે તેઓ ક્લાઉડમાં ડેટા એનાલિટિક્સની શક્તિ, ખર્ચ અને કાર્યક્ષમતાનો લાભ લેવા માગે છે. સાવધ સંસ્થાઓ બહુવિધ ક્લાઉડ વિક્રેતાઓનો લાભ લઈને તેમની બેટ્સને વૈવિધ્યીકરણ અને હેજિંગ કરી રહી છે. 
5. માસ્ટર ડેટા મેનેજમેન્ટ.  જૂના પડકારો ફરી નવા છે. પૃથ્થકરણ કરવા માટે ડેટાનો એક જ સ્ત્રોત હોવો એ પહેલા કરતા વધુ મહત્વપૂર્ણ છે. તદર્થ વિશ્લેષણાત્મક સાધનો, બહુવિધ વિક્રેતાઓના સાધનો અને અવ્યવસ્થિત શેડો આઇટી સાથે, સત્યનું એક સંસ્કરણ હોવું મહત્વપૂર્ણ છે.
6. દૂરસ્થ કર્મચારીઓ અહીં રહેવા માટે છે. 2020-2021 રોગચાળાએ ઘણી સંસ્થાઓને દૂરસ્થ સહયોગ, ડેટાની ઍક્સેસ અને વિશ્લેષણાત્મક એપ્લિકેશનો માટે સમર્થન વિકસાવવા દબાણ કર્યું. આ વલણ ઘટવાના કોઈ ચિહ્નો દેખાતું નથી. ભૂગોળ એક કૃત્રિમ અવરોધ બની રહ્યું છે અને કામદારો માત્ર વર્ચ્યુઅલ સામ-સામે ક્રિયાપ્રતિક્રિયા સાથે વિખરાયેલી ટીમો પર કામ કરવા માટે અનુકૂળ થઈ રહ્યા છે. આ વલણ માટે ક્લાઉડ એક સહાયક તકનીક છે.
7. ડેટા સાયન્સ જનતા માટે. વિશ્લેષણમાં AI સંસ્થામાં ભૂમિકા તરીકે ડેટા સાયન્સની થ્રેશોલ્ડને ઘટાડશે. હજુ પણ ટેકનિકલ ડેટા વૈજ્ઞાનિકોની જરૂર પડશે જેઓ કોડિંગ અને મશીન લર્નિંગમાં નિષ્ણાત છે, પરંતુ AI અંશતઃ બિઝનેસ જ્ઞાન સાથે વિશ્લેષકો માટે કૌશલ્ય-ગેપને દૂર કરી શકે છે.  
8. ડેટાનું મુદ્રીકરણ. ત્યાં બહુવિધ રસ્તાઓ છે જ્યાં આ થઈ રહ્યું છે. જે સંસ્થાઓ ઝડપી નિર્ણયો લેવામાં સક્ષમ હોય છે તેઓ હંમેશા માર્કેટપ્લેસનો ફાયદો મેળવે છે. બીજા મોરચે, અમે વેબ 3.0 ના ઉત્ક્રાંતિમાં જોઈ રહ્યા છીએ, બ્લોકચેન સિસ્ટમ્સનો ઉપયોગ કરીને ડેટાને ટ્રૅક કરવાનો અને ઑનલાઇન વધુ દુર્લભ (અને તેથી વધુ મૂલ્યવાન) બનાવવાનો પ્રયાસ. આ સિસ્ટમો ફિંગરપ્રિન્ટ digital અસ્કયામતો તેમને અનન્ય, શોધી શકાય તેવી અને વેપારી બનાવે છે.
9. શાસન. તાજેતરના બાહ્ય તેમજ આંતરિક વિક્ષેપકારક પરિબળો સાથે, નવી તકનીકોના પ્રકાશમાં હાલની વિશ્લેષણાત્મક/ડેટા નીતિઓ, પ્રક્રિયાઓ અને પ્રક્રિયાઓનું પુનઃમૂલ્યાંકન કરવાનો મહત્વપૂર્ણ સમય છે. શું શ્રેષ્ઠ પ્રથાઓને હવે ફરીથી વ્યાખ્યાયિત કરવાની જરૂર છે કારણ કે ત્યાં બહુવિધ સાધનો છે? શું નિયમનકારી આવશ્યકતાઓ અથવા ઓડિટનું પાલન કરવાની પ્રક્રિયાઓની તપાસ કરવાની જરૂર છે?
10. દ્રષ્ટિ.  યોજનાઓ બનાવવા અને અભ્યાસક્રમ સેટ કરવા માટે સંસ્થા મેનેજમેન્ટ પર આધાર રાખે છે. અશાંત અને અનિશ્ચિત સમયમાં સ્પષ્ટ દ્રષ્ટિ વ્યક્ત કરવી મહત્વપૂર્ણ છે. બાકીનું સંગઠન નેતૃત્વ દ્વારા નિર્ધારિત દિશાને અનુરૂપ હોવું જોઈએ. એક ચપળ સંસ્થા બદલાતા વાતાવરણમાં વારંવાર પુનઃમૂલ્યાંકન કરશે અને જો જરૂરી હોય તો કોર્સ-સચોટ કરશે.