5 Roadblocks Holding Bumalik Ang iyong Data-hinimok Layunin?



<div _ngcontent-c14 = "" innerhtml = "

Getty

Ang malaking data ay isang manggagawa ng himala. Tama?! Nag-aalok kami ng maraming data mapagkumpitensya pakinabang-Time na pagtitipid, pananaw ng customer, nadagdagan ang kahusayan. Nakakatulong ito sa amin na mas mahusay na ma-target ang aming mga customer, i-personalize ang aming mga pagsusumikap sa pagmemerkado, at lumikha ng mga bagong produkto na gusto ng aming mga customer. Kaya, bakit nga ng 95 porsiyento ng Fortune 1000 na negosyante na nagtataglay ng mga malaking proyekto ng data, mas mababa sa 50 porsiyento ng mga ito ang nakakita ng isang aktwal na benepisyo? Lumalabas ang ilang mga seryosong mga hadlang sa pag-abot sa mga layunin na hinihimok ng data.

Kung ikaw ay gumagalaw papunta sa paghimok ng desisyon na nakabase sa data at kultura ng data na hinihimok sa loob ng iyong kumpanya, malamang na alam mo na ito. Ang manipis na laki ng data na nilikha sa isang naibigay na araw ay sapat na upang mapangibabawan kahit na ang savviest propesyonal sa negosyo. Sa katunayan, sinabi na ang dami ng impormasyon sa mga computer doubles bawat dalawang taon. Iyon ay magiging mainam kung ang data ay wastong na-tag, organisado, naa-access, at nalinis sa isang patuloy na batayan. Ngunit ang karamihan ng data ay talagang hindi nakaayos – mga larawan, impormasyon, at "mga bagay-bagay" na mahirap ayusin, pabayaan mag-isa ang halaga mula sa. Iyon ang dahilan kung bakit hindi sapat na magkaroon ng mga layunin na hinimok ng data. Mahalaga na matugunan ang mga hamon ng data habang nasa iyo ka.

Mga Pinagmumulan ng Data: Pamamahala sa Araw-sa-Araw

Una at pangunahin, kung sisimulan mo ang pagpapatupad ng paghimok ng data na hinihimok ng data sa iyong kumpanya, kailangan mong maglunsad ng isang malinaw at malinaw na programa upang panatilihin ang data na iyon sa tseke. Tulad ng natutunan namin nang paulit-ulit, mas maraming data ay hindi palaging isang magandang bagay. Maaari itong labis na karga ng iyong system, napupunta ito sa labas ng petsa nang mabilis, at nagtatanghal ito ng malaking panganib sa seguridad. Sa ibang salita: mas kaunting data kailangan mong panatilihing ligtas at secure, mas ligtas ang iyong kumpanya. At, ang mas kaunting data kakailanganin mong i-update / ayusin / ma-access / at mag-imbak sa isang patuloy na batayan. Ang iyong programa sa pamamahala ng data ay dapat may kasangkot na mga bagay tulad ng deduplication, compression, tiering, central accessibility, at siyempre purging tulad ng sira anumang data na hindi 100 porsiyento na may kaugnayan sa gawain sa kamay.

Kabilang sa isang hakbang ng pamamahala ng data sa pang-araw-araw ang pag-hire ng mga tamang miyembro ng koponan-analytics ng data, mga inhinyero, atbp. -Nagpapanatili ang data na nakaayos at kapaki-pakinabang. Ang isa pang hakbang, at pantay bilang mahalaga, ay ang tiyakin na ginagamit mo ang Ai upang matulungan kang pamahalaan at gamitin ang data mismo. Na may napakaraming data sa lugar ngayon, walang paraan na maaari mong magkaroon ng kahulugan ng mga ito nang walang AI. Kung hindi mo nais na ipatupad ang mga sistema ng AI sa iyong pamamahala ng data, maaari mo ring laktawan ang malaking data sa kabuuan.

Mga Hinimok na Mga Layunin ng Data: Paggamit ng Real-Time

Ang bagay tungkol sa data ay na ito ay lipas na sa panahon sa lalong madaling ito ay nilikha. Iyon ang dahilan kung bakit may napakaraming diin ngayon sa real-time na pagpoproseso ng data. Hindi mahalaga kung gaano kalaki ang data na kinukuha mo kung titingnan mo lang ito minsan sa isang linggo, buwan, o isang kuwarter. Ang tanging paraan upang makamit ang data na may kahulugan ngayon ay sa real-time. Binibigyang-diin nito ang punto sa itaas patungkol sa paggamit ng AI upang maproseso ang iyong data nang mabilis. Kung hindi mo alam kung saan magsisimula, isaalang-alang AI mapping ng paglalakbay. Matutulungan ka nitong matiyak na mayroon kang imprastraktura, tao, at data sa lugar upang simulan ang paggamit ng AI nang makabuluhan na matumbok ang iyong mga layunin na hinimok ng data.

Mga Hinimok na Mga Layunin ng Data: Gumamit ng Iba't Ibang Pagmumulan

Ang iyong data ba ay sobra? Maliban kung ikaw ay nakuha ito mula sa isang malawak na hanay ng mga mapagkukunan, marahil ito ay. Isipin kung ang lahat ng alam mo tungkol sa iyong mga customer, halimbawa, ay ang mga magagandang bagay na inilagay nila sa social media. O, kung ang tanging bagay na alam mo tungkol sa iyong mga customer ay kung ano ang nangyari sa Alexa sa pag-init ng tunog at feed sa iyong data system. Hindi ka makakakuha ng mga pananaw sa mga isyu na kinakaharap nila at ng mga lugar ng pagkakataon sa kanilang buhay kung saan maaari mong maabot ang tulong upang makatulong. (At, hindi mo malalaman kung ang data na iyong hinahanap ay wasto.) Iyon ang dahilan kung bakit ang paghuhukay ng data mula sa maraming mapagkukunan ay makakatulong sa pag-ikot ng impormasyon na alam mo tungkol sa iyong mga customer. Makakatulong ito sa iyo na matiyak na ang iyong mga pananaw ay hindi makiling, at ito ay magbibigay sa iyo ng mas malalim na pag-unawa sa kanila, pati na rin. Siyempre, ito ay mas madali kaysa sa sinabi na nangangailangan ng pakikipagtulungan sa pagitan ng linya ng negosyo, data science at IT. Sa puntong ito, ang kakayahang makuha ang tatlong pangkat na nagtutulungan ay napatunayang mahirap.

Mga Data-Driven Mga Layunin: Secure That Pile Data

Paano mo pinananatiling ligtas ang iyong data? Paano mo ito itinatabi mula sa pagiging lawa, marumi, at ginulo? Paano mo nalalaman na ang data na iyong pinagsama ay nagkakahalaga ng pagsisikap at halaga ng pag-secure nito? Ang bahagi ng paggawa ng mga desisyon na nakabatay sa data ay nangangahulugan ng paggawa ng mga desisyon kung ang data na iyong hinila ay kapaki-pakinabang, at kung mayroong ROI na panatilihing ligtas ang kailangan nito. Kung ang iyong data ay hindi ligtas mula sa katiwalian, ito ay walang halaga. At kung ito ay hindi ligtas mula sa mga hacker, maaari din itong gastusin ikaw ang iyong buong tatak at reputasyon. Ang seguridad ay palaging makakaapekto sa tagumpay ng iyong mga layunin na hinihimok ng data. Muli, ang isang lugar kung saan ang pakikipagtulungan sa IT ay mahalaga, gaano man karami ang nais ng mga siyentipikong datos na gumana nang autonomously gamit ang kanilang sariling mga tool sa kanilang sariling ulap.

Mga Hinimok na Mga Layunin ng Data: Mga Bagay sa Kultura

Sa dulo ng data, hindi mahalaga kung gaano kalaki ang data na natipon mo kung walang sinuman-kabilang ang iyong mga executive-ay gustong gamitin ito upang gumawa ng mga mahahalagang desisyon ng kumpanya. Kultura ay napakahalaga sa paglipat ng anumang proyekto sa digital pagbabagong-anyo pasulong. Kailangan ng mga empleyado na maniwala sa kakayahan ng data upang magbigay ng kapaki-pakinabang na mga pananaw, at kailangan nilang maging handa na tumalon kapag ang data ay nagtuturo sa kanila sa bagong teritoryo. Kung ang iyong kumpanya ay hindi nagtatayo ng isang kulturang hinimok ng data sa hakbang sa pag-lock sa iyong mga proyekto na hinimok ng data, hindi ka makakakita ng tagumpay sa pagtugon sa mga layunin na hinimok ng data.

Oo, ang malaking data ay maaaring maging isang laro-changer. Maaari itong magbigay ng pag-iisip ng mga pananaw, i-save ang hindi mabilang na oras ng trabaho ng tao, mag-ahit ng hindi mabilang na mga dolyar mula sa iyong ilalim na linya. Ngunit ang pag-iisip sa panahon ng legacy ay hindi lamang lumilipat sa paraan upang pahintulutan ang mga estilo ng trabaho na hinimok ng data na tanggapin. Kailangan mong gumawa ng malay-tao na pagsisikap na malugod ang data sa iyong kumpanya, at nangangahulugan ito ng pag-clear ng landas para gawin ito kung ano ang ginagawa nito: ibahin ang anyo.

& nbsp;

">

Ang malaking data ay isang manggagawa ng himala. Tama?! Ang data ay nag-aalok sa amin ng maraming mapagkumpitensyang mga pakinabang-oras na pagtitipid, pananaw ng mga customer, mas mataas na kahusayan. Nakakatulong ito sa amin na mas mahusay na ma-target ang aming mga customer, i-personalize ang aming mga pagsusumikap sa pagmemerkado, at lumikha ng mga bagong produkto na gusto ng aming mga customer. Kaya, bakit ito ng 95 porsiyento ng mga Fortune 1000 na negosyante na nagtataglay ng mga malaking data project, mas mababa sa 50 porsiyento ng mga ito ang nakakita ng isang aktwal na benepisyo? Lumalabas ang ilang mga seryosong mga hadlang sa pag-abot sa mga layunin na hinihimok ng data.

Kung ikaw ay gumagalaw papunta sa paghimok ng desisyon na nakabase sa data at kultura ng data na hinihimok sa loob ng iyong kumpanya, malamang na alam mo na ito. Ang manipis na laki ng data na nilikha sa isang naibigay na araw ay sapat na upang mapangibabawan kahit na ang savviest propesyonal sa negosyo. Sa katunayan, sinabi ng dami ng impormasyon sa mga computer na doble bawat dalawang taon. Iyon ay magiging mainam kung ang data ay wastong na-tag, organisado, naa-access, at nalinis sa isang patuloy na batayan. Ngunit ang karamihan ng data ay talagang hindi nakaayos – mga larawan, impormasyon, at "mga bagay-bagay" na mahirap ayusin, pabayaan mag-isa ang halaga mula sa. Iyon ang dahilan kung bakit hindi sapat na magkaroon ng mga layunin na hinimok ng data. Mahalaga na matugunan ang mga hamon ng data habang nasa iyo ka.

Mga Pinagmumulan ng Data: Pamamahala sa Araw-sa-Araw

Una at pangunahin, kung sisimulan mo ang pagpapatupad ng paghimok ng data na hinihimok ng data sa iyong kumpanya, kailangan mong maglunsad ng isang malinaw at malinaw na programa upang panatilihin ang data na iyon sa tseke. Tulad ng natutunan namin nang paulit-ulit, mas maraming data ay hindi palaging isang magandang bagay. Maaari itong labis na karga ng iyong system, napupunta ito sa labas ng petsa nang mabilis, at nagtatanghal ito ng malaking panganib sa seguridad. Sa madaling salita: ang mas kaunting data na kailangan mong panatilihing ligtas at secure, mas ligtas ang iyong kumpanya. At, ang mas kaunting data kakailanganin mong i-update / ayusin / ma-access / at mag-imbak sa isang patuloy na batayan. Ang iyong programa sa pamamahala ng data ay dapat may kasangkot na mga bagay tulad ng deduplication, compression, tiering, central accessibility, at siyempre purging tulad ng sira anumang data na hindi 100 porsiyento na may kaugnayan sa gawain sa kamay.

Kabilang sa isang hakbang ng pamamahala ng data sa pang-araw-araw ang pag-hire ng mga tamang miyembro ng koponan-analytics ng data, mga inhinyero, atbp. -Nagpapanatili ang data na nakaayos at kapaki-pakinabang. Ang isa pang hakbang, at pantay na mahalaga, ay upang matiyak na gumagamit ka ng AI upang matulungan kang pamahalaan at gamitin ang data mismo. Na may napakaraming data sa lugar ngayon, walang paraan na maaari mong magkaroon ng kahulugan ng mga ito nang walang AI. Kung hindi mo nais na ipatupad ang mga sistema ng AI sa iyong pamamahala ng data, maaari mo ring laktawan ang malaking data sa kabuuan.

Mga Hinimok na Mga Layunin ng Data: Paggamit ng Real-Time

Ang bagay tungkol sa data ay na ito ay lipas na sa panahon sa lalong madaling ito ay nilikha. Iyon ang dahilan kung bakit may napakaraming diin ngayon sa real-time na pagpoproseso ng data. Hindi mahalaga kung gaano kalaki ang data na kinukuha mo kung titingnan mo lang ito minsan sa isang linggo, buwan, o isang kuwarter. Ang tanging paraan upang makamit ang data na may kahulugan ngayon ay sa real-time. Binibigyang-diin nito ang punto sa itaas patungkol sa paggamit ng AI upang maproseso ang iyong data nang mabilis. Kung hindi mo alam kung saan magsisimula, isaalang-alang ang mapa ng mapa ng AI. Matutulungan ka nitong matiyak na mayroon kang imprastraktura, tao, at data sa lugar upang simulan ang paggamit ng AI nang makabuluhan na matumbok ang iyong mga layunin na hinimok ng data.

Mga Hinimok na Mga Layunin ng Data: Gumamit ng Iba't Ibang Pagmumulan

Ang iyong data ba ay sobra? Maliban kung ikaw ay nakuha ito mula sa isang malawak na hanay ng mga mapagkukunan, marahil ito ay. Isipin kung ang lahat ng alam mo tungkol sa iyong mga customer, halimbawa, ay ang mga magagandang bagay na inilagay nila sa social media. O, kung ang tanging bagay na alam mo tungkol sa iyong mga customer ay kung ano ang nangyari sa Alexa sa pag-init ng tunog at feed sa iyong data system. Hindi ka makakakuha ng mga pananaw sa mga isyu na kinakaharap nila at ng mga lugar ng pagkakataon sa kanilang buhay kung saan maaari mong maabot ang tulong upang makatulong. (At, hindi mo malalaman kung ang data na iyong hinahanap ay wasto.) Iyon ang dahilan kung bakit ang paghuhukay ng data mula sa maraming mapagkukunan ay makakatulong sa pag-ikot ng impormasyon na alam mo tungkol sa iyong mga customer. Makakatulong ito sa iyo na matiyak na ang iyong mga pananaw ay hindi makiling, at ito ay magbibigay sa iyo ng mas malalim na pag-unawa sa kanila, pati na rin. Siyempre, ito ay mas madali kaysa sa sinabi na nangangailangan ng pakikipagtulungan sa pagitan ng linya ng negosyo, data science at IT. Sa puntong ito, ang kakayahang makuha ang tatlong pangkat na nagtutulungan ay napatunayang mahirap.

Mga Data-Driven Mga Layunin: Secure That Pile Data

Paano mo pinananatiling ligtas ang iyong data? Paano mo ito itinatabi mula sa pagiging lawa, marumi, at ginulo? Paano mo nalalaman na ang data na iyong pinagsama ay nagkakahalaga ng pagsisikap at halaga ng pag-secure nito? Ang bahagi ng paggawa ng mga desisyon na nakabatay sa data ay nangangahulugan ng paggawa ng mga desisyon kung ang data na iyong hinila ay kapaki-pakinabang, at kung mayroong ROI na panatilihing ligtas ang kailangan nito. Kung ang iyong data ay hindi ligtas mula sa katiwalian, ito ay walang halaga. At kung ito ay hindi ligtas mula sa mga hacker, maaari din itong gastos sa iyong buong tatak at reputasyon. Ang seguridad ay palaging makakaapekto sa tagumpay ng iyong mga layunin na hinihimok ng data. Muli, ang isang lugar kung saan ang pakikipagtulungan sa IT ay mahalaga, gaano man karami ang nais ng mga siyentipikong datos na gumana nang autonomously gamit ang kanilang sariling mga tool sa kanilang sariling ulap.

Mga Hinimok na Mga Layunin ng Data: Mga Bagay sa Kultura

Sa dulo ng data, hindi mahalaga kung gaano kalaki ang data na natipon mo kung walang sinuman-kabilang ang iyong mga executive-ay gustong gamitin ito upang gumawa ng mga mahahalagang desisyon ng kumpanya. Kultura ay napakahalaga sa paglipat ng anumang proyekto sa digital pagbabagong-anyo pasulong. Kinakailangan ng mga empleyado na maniwala sa kakayahan ng data na magbigay ng mga kapaki-pakinabang na pananaw, at kailangan nilang maging lundag kapag ang data ay nagtuturo sa kanila sa bagong teritoryo. Kung ang iyong kumpanya ay hindi nagtatayo ng isang kulturang hinimok ng data sa hakbang sa pag-lock sa iyong mga proyekto na hinimok ng data, hindi ka makakakita ng tagumpay sa pagtugon sa mga layunin na hinimok ng data.

Oo, ang malaking data ay maaaring maging isang laro-changer. Maaari itong magbigay ng pag-iisip ng mga pananaw, i-save ang hindi mabilang na oras ng trabaho ng tao, mag-ahit ng hindi mabilang na mga dolyar mula sa iyong ilalim na linya. Ngunit ang pag-iisip sa panahon ng legacy ay hindi lamang lumilipat sa paraan upang pahintulutan ang mga estilo ng trabaho na hinimok ng data na tanggapin. Kailangan mong gumawa ng malay-tao na pagsisikap na malugod ang data sa iyong kumpanya, at nangangahulugan ito ng pag-clear ng landas para gawin ito kung ano ang ginagawa nito: ibahin ang anyo.