Превращать данные в действенные инсайты становится все быстрее и проще. Опрошенные порталом InformationWeek эксперты рассказывают о новейших подходах и методах.

Аналитика данных преобразует необработанные данные в действенные инсайты. Благодаря ей бизнес-пользователи, стремящиеся выявить ключевые тенденции или решить проблемы, получают доступ к широкому спектру инструментов, технологий и процессов. Со временем аналитика данных может улучшить процесс принятия решений, переформатировать бизнес-процессы и ускорить рост бизнеса.

Поскольку данные играют все более важную роль в жизнеспособности и успехе бизнеса, предприятия используют аналитику новыми и инновационными способами. Вот краткий обзор пяти актуальных тенденций в области аналитики данных.

1. Обмен данными между компаниями

Это происходит постоянно. Компания, пытающаяся разработать конкретное информационное решение, натыкается на критический пробел в том, что ей известно, и обнаруживает брешь в данных. «Возможно, у них нет данных о фактическом использовании продукта, и им нужно получить их от клиента, или у них нет данных о поведении рынка, и им нужны данные от коллег или других игроков отрасли», — говорит Барбара Х. Виксом, главный научный сотрудник Центра исследований информационных систем (CISR) Массачусетского технологического института.

Если компания не заполняет пробел в данных, решение обречено на провал, поскольку оно не получает должной подпитки. «Совместное использование данных подразумевает получение данных извне компании и/или предоставление данных другим компаниям», — говорит Виксом. Она отмечает, что межорганизационный обмен данными необходим для создания ценности в цифровой экономике.

2. Аналитика, ориентированная на данные

По словам Шри Сантханама, исполнительного вице-президента и генерального менеджера по ПО, платформам и искусственному интеллекту компании Experian North America, в настоящее время главным трендом в аналитике, помимо ИИ, является аналитика, ориентированная на данные. «Эта тенденция сосредоточена на использовании высококачественных, хорошо управляемых данных в качестве центрального актива для развития аналитики, моделирования и инсайтов, — поясняет он. — Она подчеркивает важность управления, интеграции и регулирования данных, чтобы организации могли максимально использовать свои аналитические возможности».

По словам Сантханама, аналитика, ориентированная на данные, имеет решающее значение, поскольку она подчеркивает необходимость надежных, точных и всеобъемлющих данных как основы любого аналитического процесса. «Во времена, когда объемы данных растут в геометрической прогрессии, наличие надежной стратегии управления данными гарантирует, что компании смогут извлекать из них действенные инсайты», — говорит он.

Сантханам отмечает, что аналитика, ориентированная на данные, также способствует демократизации доступа к данным в различных командах, делая их более доступными для тех, кто не является специалистом в области науки о данных, и позволяя различным отделам предприятия принимать обоснованные решения на основе последовательных и надежных источников данных.

3. Интеграция ИИ и МО в аналитические системы

Одной из наиболее значимых тенденций в области аналитики данных сейчас является интеграция ИИ и машинного обучения в аналитические системы, отмечает Анил Инамдар, руководитель глобального отдела услуг по работе с данными компании Instaclustr by NetApp, занимающейся мониторингом и управлением данными.

«Мы наблюдаем зарождение новой эры данных 4.0, которая основывается на предыдущих сдвигах, направленных на автоматизацию, конкурентную аналитику и цифровую трансформацию, — утверждает он. — Этот новый этап использует ИИ/МО и генеративный ИИ для значительного расширения возможностей анализа данных». Несмотря на то, что их трансформационный потенциал уже раскрыт, предприятиям необходимо тщательно продумать стратегию в нескольких ключевых областях. «От того, насколько хорошо они это сделают, будет зависеть, насколько успешно они смогут использовать данные в ближайшей перспективе», — поясняет Инамдар.

Он считает, что необходимо сильное, дальновидное ИТ-руководство, чтобы изменить организационную культуру, отказавшись от унаследованного мышления и перейдя к более ориентированному на данные, инновационному мышлению: «Руководители должны выступать за внедрение технологий ИИ/МО для анализа данных, обеспечивая согласованность действий всей организации».

4. Усиление внимания к регулированию данных

Регулирование данных (data governance, DG) должно быть главной задачей для всех предприятий. «Если его нет, то вас ждут большие неприятности», — предупреждает Крис Мониз, руководитель практики данных и аналитики компании Centric Consulting.

По его словам, DG определяет правила, по которым следует управлять данными. «Оно не просто определяет, кто и к чему имеет доступ, — отмечает он. — Оно также определяет, что представляют собой ваши данные, устанавливает процессы, которые могут гарантировать их качество, строит структуры, которые согласовывают разрозненные системы в общих областях, и устанавливает стандарты для общих данных, которые должны потреблять все системы».

Потребность в эффективном DG обусловлена быстрым развитием ИИ. «Без зрелой практики DG — и поддерживающих процессов управления данными, которые она диктует, — любая попытка широко внедрить новые возможности ИИ приведет к огромному побочному ущербу», — предупреждает Мониз.

5. Все большее внимание качеству данных

Одна из главных тенденций в области данных и аналитики — растущее внимание к улучшению самих данных. «Мы знаем, что наибольший результат достигается за счет высококачественных исходных данных, и сейчас мы видим, как организации работают над тем, чтобы собирать более полные данные, которые станут основой для лучшей аналитики, — говорит Скотт Чамберс, директор по аналитике NTT DATA Business Solutions. — Если процесс сбора этих данных эффективно унифицирован, результаты оказываются лучше для всех, особенно с учетом недавнего подъема ИИ в сочетании с аналитикой».

По его словам, если информация находится в разных местах и часто представляется в разных формах, возникают проблемы с качеством. «Мы замечаем, что все больше людей осознают этот факт и принимают личное участие в улучшении данных на фронтенде, а не просто анализируют проблемы на бэкенде», — утверждает Чамберс.