10 चीजहरू सी-सुइटले एनालिटिक्सको बारेमा जान्न आवश्यक छ
यदि तपाईंले हालसालै धेरै यात्रा गर्नुभएको छैन भने, यहाँ विश्लेषणको क्षेत्रमा भएका घटनाक्रमहरूको कार्यकारी सारांश हो जुन तपाईंले एयरलाइन सीटब्याक पत्रिकामा छुटेको हुन सक्छ।
- यसलाई अब निर्णय समर्थन प्रणाली भनिदैन (यद्यपि यो 20 वर्ष पहिले थियो)।
रिपोर्टिङ गर्दैन (15 वर्ष), व्यापार खुफिया (10 वर्ष), वा एनालिटिक्स (5 वर्ष)। यो छ बिग्रेको विश्लेषण। वा, एआईसँग एम्बेडेड एनालिटिक्स। अत्याधुनिक एनालिटिक्सले अब मेसिन लर्निङको फाइदा लिन्छ र डेटाबाट निर्णय गर्न मद्दत गर्छ। त्यसोभए, एक अर्थमा, हामी जहाँ सुरु गर्यौं त्यहाँ फर्कियौं - निर्णय समर्थन। - ड्यासबोर्डहरू। प्रगतिशील कम्पनीहरू ड्यासबोर्डबाट टाढा जाँदैछन्। ड्यासबोर्डहरू 1990 को दशकको उद्देश्य आन्दोलनबाट व्यवस्थापनबाट जन्मिएका थिए। ड्यासबोर्डहरूले सामान्यतया मुख्य कार्यसम्पादन सूचकहरू देखाउँछन् र विशिष्ट लक्ष्यहरूतर्फ प्रगति ट्र्याक गर्छन्। ड्यासबोर्डहरू अग्मेन्टेड एनालिटिक्सद्वारा प्रतिस्थापन भइरहेका छन्। एक स्थिर ड्यासबोर्डको सट्टा, वा विस्तृत ड्रिल-थ्रु सहितको एआई इन्फ्युज्ड एनालिटिक्सले तपाईंलाई वास्तविक समयमा के महत्त्वपूर्ण छ भनेर सचेत गराउँछ। एक अर्थमा, यो राम्रो परिभाषित KPIs द्वारा व्यवस्थापनमा फिर्ता पनि हो, तर एक ट्विस्टको साथ - AI मस्तिष्कले तपाईंको लागि मेट्रिक्स हेर्छ।
- मानक उपकरणहरू। धेरै संस्थाहरूसँग अब एकल उद्यम मानक BI उपकरण छैन। धेरै संस्थाहरूसँग 3 देखि 5 एनालिटिक्स, BI र रिपोर्टिङ उपकरणहरू उपलब्ध छन्। बहुविध उपकरणहरूले संगठन भित्रका डाटा प्रयोगकर्ताहरूलाई व्यक्तिगत उपकरणहरूको शक्तिहरूको राम्रो लाभ उठाउन अनुमति दिन्छ। उदाहरणका लागि, तदर्थ विश्लेषणका लागि तपाइँको संगठनमा रुचाइएको उपकरणले सरकार र नियामक एजेन्सीहरूलाई आवश्यक पर्ने पिक्सेल-सही प्रतिवेदनहरूमा कहिल्यै उत्कृष्ट हुने छैन।
- बादल। सबै प्रमुख संगठनहरू आज क्लाउडमा छन्। धेरैले प्रारम्भिक डाटा वा अनुप्रयोगहरू क्लाउडमा सारेका छन् र संक्रमणमा छन्। हाइब्रिड मोडेलहरूले निकट अवधिमा संगठनहरूलाई समर्थन गर्नेछ किनभने तिनीहरूले क्लाउडमा डेटा एनालिटिक्सको शक्ति, लागत र दक्षतामा पूंजीकरण गर्न खोज्छन्। सतर्क संस्थाहरूले बहु क्लाउड विक्रेताहरूलाई लाभान्वित गरेर आफ्नो दांवलाई विविधीकरण र हेज गर्दैछन्।
- मास्टर डाटा व्यवस्थापन। पुराना चुनौतीहरू फेरि नयाँ छन्। विश्लेषण गर्न डेटाको एकल स्रोत हुनु पहिले भन्दा बढी महत्त्वपूर्ण छ। तदर्थ विश्लेषणात्मक उपकरणहरू, धेरै विक्रेताहरूबाट उपकरणहरू, र अप्रबन्धित छाया IT सँग, सत्यको एकल संस्करण हुनु महत्त्वपूर्ण छ।
- दुर्गम कार्यबल यहाँ रहन छ। 2020-2021 महामारीले धेरै संस्थाहरूलाई टाढाको सहयोग, डेटामा पहुँच र विश्लेषणात्मक अनुप्रयोगहरूको लागि समर्थन विकास गर्न धकेल्यो। यो प्रवृत्ति कम हुने कुनै संकेत देखाउँदैन। भूगोल एक कृत्रिम बाधा बन्न गइरहेको छ र कामदारहरू मात्र भर्चुअल आमने-सामने अन्तरक्रियाको साथ छरिएका टोलीहरूमा काम गर्न अनुकूल हुँदैछन्। क्लाउड यस प्रवृत्तिको लागि एक समर्थन प्रविधि हो।
- डेटा विज्ञान जनताको लागि। एनालिटिक्समा AI ले संगठन भित्रको भूमिकाको रूपमा डेटा विज्ञानमा थ्रेसहोल्ड घटाउनेछ। कोडिङ र मेसिन लर्निङमा विशेषज्ञता हासिल गर्ने प्राविधिक डेटा वैज्ञानिकहरूको आवश्यकता अझै पर्नेछ, तर एआईले व्यावसायिक ज्ञान भएका विश्लेषकहरूका लागि सीप-अन्तरलाई आंशिक रूपमा पूरा गर्न सक्छ।
- डाटाको मुद्रीकरण। त्यहाँ धेरै मार्गहरू छन् जहाँ यो भइरहेको छ। छिट्टै स्मार्ट निर्णयहरू गर्न सक्षम हुने संस्थाहरूले सधैं बजारको फाइदा लिन्छन्। दोस्रो मोर्चामा, हामी वेब 3.0 को विकासमा देखिरहेका छौं, ब्लकचेन प्रणालीहरू प्रयोग गरेर डाटा ट्र्याक गर्ने र अनलाइनलाई थप दुर्लभ (र त्यसकारण थप मूल्यवान) बनाउने प्रयास। यी प्रणालीहरू फिंगरप्रिन्ट digital सम्पत्तिहरूले तिनीहरूलाई अद्वितीय, ट्रेस योग्य र व्यापार योग्य बनाउँछ।
- प्रशासन। हालैका बाह्य तथा आन्तरिक विघटनकारी कारकहरूको साथमा, नयाँ प्रविधिहरूको प्रकाशमा अवस्थित विश्लेषणात्मक/डेटा नीतिहरू, प्रक्रियाहरू र प्रक्रियाहरूको पुन: मूल्याङ्कन गर्ने यो महत्त्वपूर्ण समय हो। के उत्कृष्ट अभ्यासहरू अब धेरै उपकरणहरू छन् भनेर पुन: परिभाषित गर्न आवश्यक छ? के नियामक आवश्यकताहरू वा लेखा परीक्षणहरूको पालना गर्ने प्रक्रियाहरू जाँच गर्न आवश्यक छ?
- दर्शन। संगठन योजनाहरू बनाउन र पाठ्यक्रम सेट गर्न व्यवस्थापनमा निर्भर गर्दछ। अशान्त र अनिश्चित समयमा स्पष्ट दृष्टि व्यक्त गर्न महत्त्वपूर्ण छ। बाँकी संगठन नेतृत्वले तोकेको दिशामा पङ्क्तिबद्ध हुनुपर्छ। एक फुर्तिलो संगठनले परिवर्तनशील वातावरण र पाठ्यक्रम-सही, आवश्यक भएमा प्राय: पुन: मूल्याङ्कन गर्नेछ।
