Недавно словарь технических неологизмов пополнил новый термин — интеллектуальный анализ данных (Data Intelligence). За этим термином кроется анализ различных форм данных, который приносит предприятию дивиденды в виде расширения своих услуг или инвестиций. Data Intelligence, в том числе, предусматривает сбор и обработку внутренних данных предприятия, затрагивающих операционную деятельность с целью принятия в будущем более эффективных решений.

CEO компании Datawatch Майкл Моррисон обрисовал на портале eWeek отраслевые перспективы Data Intelligence, а также оценил влияние этой технологии на циркуляцию и управление данными.

Взращивание культуры бизнеса, ориентированного на потребление данных

Предприятие окружает громадное количество данных, однако не так много организаций понимают заложенную в них ценность или попросту не могут ее извлечь. Путь к успешной цифровой трансформации лежит через улучшение качества данных, сотрудничество между подразделениями компании и Data Intelligence.

Что такое Data Intelligence?

Data Intelligence нужно рассматривать не как некое решение, которое предприятие может приобрести и внедрить, а как стратегию, которая предусматривает совместный подход к созданию надежных, многократно используемых и ценных бизнес-данных, которые доступны потребителям информации для применения на предприятии.

Возрастающее значение аналитических систем с возможностью самообслуживания

Согласно исследованию UCR, к концу этого года США столкнутся с 50-60%-ной нехваткой специалистов по аналитике, в т. ч. аналитике данных: при том, что на рынке труда открыто более 490 тыс. вакансий, заполнить их смогут не более 200 тыс. специалистов. Как следствие нехватки квалифицированного персонала, предприятиям приходится прибегать к системам аналитики с возможностью самообслуживания (Self-Service Analytics). Такие системы работают через интернет-браузер. База знаний может включать часто задаваемые вопросы-ответы, мастера поиска решения, алгоритмы, документы, файлы для загрузки, что позволяет пользователям анализировать данные для своих задач. Self-Service Analytics набирает популярность как инструмент создания дата-ориентированных отчетов, принятия бизнес-решений. Но в то же время пользователи испытывают некоторые сложности при работе с такими системами.

Проблемы, связанные с данными и аналитикой

Предприятия поощряют применение данных сотрудниками, однако имеется ряд проблем, связанных с эффективным управлением данными и доступом к ним. Согласно отчету TDWI Pulse, который был опубликован в начале этого года, найти искомые данные в режиме самообслуживания получается не более, чем у 44% респондентов. Проанализировать новые данные, включая полученные из внешних источников, без непосредственной поддержки ИТ способны только 28% опрошенных. В результате неправильного обращения с информацией большинство сотрудников предприятий не могут принимать разумные и обоснованные бизнес-решения или повышать свою продуктивность.

Укрепление доверия к результатам данных

В отчете TDWI также говорится, что одной из самых существенных проблем, связанных с управлением данными, является доверие к ним. О том, что они могут самостоятельно определить надежные источники данных, сообщило 20% опрошенных; 18% умеют устанавливать происхождение данных, то есть авторство создателя набора данных без непосредственного участия ИТ. Вместо того, чтобы полагаться на доверенные источники данных, 48% респондентов обращаются к непроверенной информации, которую они получают из электронной переписки и при вербальном общении (45%).

Как стратегии Data Intelligence устраняют проблемы?

Ответ на этот вопрос заключается в налаживании сотрудничества между отдельными структурами предприятия, которое должно стать неотъемлемой частью повседневной жизни. Упор на обмен данными и опытом овладения познаниями в области аналитики приводит к более глубокому пониманию деловых операций, способствует повышению эффективности работы за счет обращения к уже имеющимся наработкам коллег взамен составления набора данных или построения аналитических диаграмм с нуля.

Создание централизованного маркетплейса данных

Сотрудничество в рамках стратегий Data Intelligence может быть налажено при условии внедрения централизованной базы данных — маркетплейса. За его создание и поддержку должна отвечать ИТ-команда, в ее полномочия также входит контроль по управлению данными и соблюдение регуляторных требований. Выгода применения централизованного маркетплейса данных заключается в том, что пользователи могут не только легко обмениваться, но и «социализировать» свои данные, модели и результаты, как они это делают в социальных сетях. Комментарии, лайки, фолловеры и другие схемы взаимодействия на порядок повышают увлеченность пользователей сырой аналитической информацией и способствуют налаживанию дальнейшего сотрудничества между ними.

К каким результатам приводит стратегия Data Intelligence?

Она выводит подразделения компании на новый уровень знаний, давая им полное представление о масштабе ее бизнеса, а также повышает доверие к генерируемым отчетности и аналитике. Открытость и сотрудничество способствует рождению у бизнес-пользователей новых идей, и, раскрывая самые лучшие из них, компания может рассчитывать на серьезное улучшение своих позиций на высококонкурентном рынке. Стратегия управления данными без интеллектуальной составляющей кажется немыслимой во времена, когда на смену аналоговым схемам работы приходят ИИ и машинное обучение. Те фирмы, которые примкнут к набирающей обороты тенденции Data Intelligence, могут рассчитывать на дополнительную «прибавку» к ценности своей информации и, следовательно, на улучшение качества принимаемых бизнес-решений и дохода.