Data science

การเพิ่มผลผลิตและการมองเห็นธุรกิจผ่าน Data Democracy

ข้อมูลเป็นศูนย์กลางของธุรกิจในปัจจุบัน ความสามารถในการอยู่รอดขององค์กร นับประสาความก้าวหน้านั้นขึ้นอยู่กับความสามารถในการใช้ข้อมูลอย่างมีประสิทธิภาพ นี่ไม่ใช่งานง่ายเมื่อพิจารณาจากข้อมูล 3V—ปริมาณ ความเร็ว และความหลากหลาย ตามบทความล่าสุดของ IBM ธุรกิจต่างๆ สร้างข้อมูล 2.5 quintillion ไบต์ทุกวัน เพื่อให้มุมมองกับคุณ คุณจะต้องมีฮาร์ดไดรฟ์ขนาด 1TB 2.5 ล้านตัวเพื่อจัดเก็บข้อมูลทั้งหมดนั้น ตามเนื้อผ้า ธุรกิจต่างๆ อาศัยนักวิเคราะห์ข้อมูลในการเข้าถึงและประมวลผลข้อมูลปริมาณมาก อย่างไรก็ตาม กระบวนการนี้ใช้เวลานาน และมักต้องการให้ผู้นำขององค์กรตัดสินใจโดยอิงจากข้อมูลเก่า ความต้องการหลักสำหรับธุรกิจคือการทำให้ข้อมูลเป็นประชาธิปไตย หรือกระบวนการที่ทำให้ทุกคนในองค์กรสามารถเข้าถึงข้อมูลเพื่อการตัดสินใจได้ การทำให้ข้อมูลเป็นประชาธิปไตย องค์กรสามารถปิดช่องว่างระหว่างนักวิเคราะห์ข้อมูลและผู้มีอำนาจตัดสินใจได้ ยกตัวอย่าง Amazon: ยักษ์ใหญ่ค้าปลีกออนไลน์ใช้กลยุทธ์การกำหนดราคาที่ชาญฉลาดซึ่งทำลายคู่แข่งหลายรายด้วยการขายสินค้าจำนวนมากในราคาที่ถูกที่สุดและเสนอส่วนลดจำนวนมาก เป็นที่ทราบกันดีว่า Amazon เปลี่ยนแปลงราคาผลิตภัณฑ์มากกว่า 2.5 ล้านครั้งต่อวัน ซึ่งต่างจาก Walmart หรือ Best Buy ที่เปลี่ยนราคาผลิตภัณฑ์ของตนอย่างคร่าวๆ 50000 วันละครั้ง สิ่งนี้จะเกิดขึ้นไม่ได้หากไม่มีข้อมูลที่เป็นประชาธิปไตยของผู้ค้าปลีกและการตัดสินใจแบบกระจายศูนย์สำหรับคนที่ทำงานในพื้นที่และแผนกต่างๆ ด้วยค่าที่เป็นไปได้ทั้งหมดที่ซ่อนอยู่ภายในข้อมูล จึงไม่น่าแปลกใจที่องค์กรต่างๆ กำลังมองหาวิธีที่จะใช้ประโยชน์จากข้อมูลของตนอย่างมีประสิทธิภาพ วิธีหนึ่งในการทำเช่นนี้คือการล้าง แปลง และสร้างแบบจำลองข้อมูลสำหรับการแสดงภาพและการวิเคราะห์ ซึ่งต้องใช้ความร่วมมือกับนักวิเคราะห์ข้อมูลและผู้ดูแลระบบฐานข้อมูล แม้ว่าระบบนี้จะทำงานได้ในระดับหนึ่ง แต่จะสร้างปัญหาคอขวดที่ผู้นำธุรกิจและนักยุทธศาสตร์ต้องรอข้อมูล ในระหว่างนั้นพวกเขาอาจพลาดโอกาสในการเพิ่มรายได้ ผลิตภาพ คุณภาพ ฯลฯ เป็นไปได้มากขึ้น ยาวนานขึ้น กลยุทธ์ระยะคือการทำให้ข้อมูลเป็นประชาธิปไตยและใช้ประโยชน์จากเครื่องมือวิเคราะห์ที่เป็นมิตรต่อผู้ใช้ ดังนั้นทีมจึงสามารถเข้าถึงข้อมูลที่จำเป็นเมื่อพวกเขาต้องการสร้างแบบจำลองของตนเอง ผู้จำหน่ายข่าวกรองธุรกิจและการวิเคราะห์นำเสนอเครื่องมือที่หลากหลาย—ขับเคลื่อนโดยปัญญาประดิษฐ์, แมชชีนเลิร์นนิง และความสามารถในการวิเคราะห์เชิงคาดการณ์— ที่สามารถทำให้การวิเคราะห์ข้อมูลง่ายขึ้นและทำให้เป็นอัตโนมัติ เพื่อให้ผู้ปฏิบัติงานที่มีความรู้สามารถเป็นนักวิทยาศาสตร์ด้านข้อมูลและมีส่วนร่วม แสดงภาพ และสำรวจข้อมูลอย่างกระตือรือร้น แสวงหาแนวทางแก้ไขปัญหาประจำวัน (rifonenkoIvan/Shutterstock) อุปสรรคในการทำให้ข้อมูลเป็นประชาธิปไตย แม้จะมีประโยชน์มากมายจาก Data Democratization Inc. รายงานว่าโดยเฉลี่ยแล้ว 60 ถึง 36 เปอร์เซ็นต์ของข้อมูลขององค์กรไม่ได้รับการวิเคราะห์เนื่องจากเหตุผลอย่างน้อยหนึ่งข้อ: วัฒนธรรมข้อมูลที่ล้าสมัยและการต่อต้านการย้ายออกจากวิธีการวิเคราะห์ข้อมูลแบบเดิม: วัฒนธรรมองค์กรเป็นอุปสรรคที่ใหญ่ที่สุดต่อประชาธิปไตยของข้อมูล หลายองค์กรต้องการให้ทีมวิเคราะห์ข้อมูลแบบรวมศูนย์สร้างรายงานสำหรับทีมปฏิบัติงาน ซึ่งอาจนำไปสู่ความล่าช้าในการตัดสินใจ เนื่องจากทีมปฏิบัติงานมักจะต้องรอให้นักวิเคราะห์วิเคราะห์ข้อมูล แม้ว่าสิ่งนี้จะยอมรับได้สำหรับปัญหาที่ซับซ้อน แต่ความล่าช้าดังกล่าวสามารถหลีกเลี่ยงได้สำหรับปัญหาที่ซับซ้อนน้อยกว่า หากข้อมูลถูกทำให้เป็นประชาธิปไตยและกระจายอำนาจ ด้วยการทำให้เป็นประชาธิปไตยของข้อมูล ข้อมูลจะถูกนำมาใช้อย่างง่ายดายโดยทีมงานหน้าที่ซึ่งได้รับอำนาจในการตัดสินใจแบบวันต่อวันและควบคุมการดำเนินงานของพวกเขาได้มากขึ้น ความเชื่อที่หยั่งรากลึกว่าการวิเคราะห์ข้อมูลเป็นทักษะเฉพาะ: ด้วยการถือกำเนิดของปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง แนวคิดที่ว่าการวิเคราะห์ข้อมูลเป็นงานเฉพาะทางจึงล้าสมัย กรอบงานการทำให้เป็นประชาธิปไตยของข้อมูลที่ประสบความสำเร็จไม่จำเป็นต้องมีการเข้ารหัสที่กว้างขวางหรือทักษะทางคณิตศาสตร์ขั้นสูงอีกต่อไป สามารถมอบหมายงานหนักไปยังเครื่องมือวิเคราะห์ข้อมูลได้อย่างง่ายดาย ดังนั้น ผู้ปฏิบัติงานที่มีความรู้สามารถมุ่งเน้นไปที่การสร้างข้อมูลเชิงลึกเฉพาะที่อาจพลาดไปหากการวิเคราะห์ข้อมูลได้รับมอบหมายหรือว่าจ้างให้หน่วยงานภายนอก ขาดนโยบายการรักษาความปลอดภัยของข้อมูลและความเป็นส่วนตัว: จาก Microsoft ไปจนถึง Estée Lauder ไม่มีองค์กรใดรอดพ้นจากภัยคุกคามด้านความปลอดภัยหรือการรั่วไหลของข้อมูล ใน 2020 เพียงแห่งเดียว บันทึก พันล้านรายการถูกบุกรุกเนื่องจากการละเมิดข้อมูล ความกังวลด้านความปลอดภัยได้บังคับให้องค์กรยังคงสงสัยเกี่ยวกับการทำให้ข้อมูลเป็นประชาธิปไตยในหมู่บุคลากรของตน การใช้กรอบงานการทำให้เป็นประชาธิปไตยของข้อมูลที่ประสบความสำเร็จนั้นเกี่ยวข้องกับการสร้างหรืออัปเดตนโยบายการรักษาความปลอดภัยของข้อมูลและนโยบายการกำกับดูแลข้อมูลของบริษัท ด้วยระเบียบว่าด้วยการคุ้มครองข้อมูลทั่วไปและเฟรมเวิร์กความเป็นส่วนตัวอื่นๆ ที่คล้ายคลึงกันที่ประกาศใช้ทั่วโลก ถึงเวลาแล้วที่องค์กรต้องประเมินนโยบายการกำกับดูแลข้อมูลใหม่ ฝึกอบรมพนักงาน และใช้ประโยชน์จากการวิเคราะห์ข้อมูล ความกังวลเกี่ยวกับการบิดเบือนความจริงและความซ้ำซ้อนของข้อมูล: ความกังวลที่ใหญ่ที่สุดสองประการที่ผู้มีอำนาจตัดสินใจทำให้เกิดภัยพิบัติคือการบิดเบือนความจริง (ผู้ใช้ที่ไม่ได้ใช้เทคนิคสร้างสมมติฐานที่ไม่ถูกต้อง) และการทำซ้ำ (ผู้ใช้จำนวนมากเกินไปที่สร้างไฟล์ที่ซ้ำกันและการเติมฐานข้อมูลอย่างรวดเร็ว) เพื่อให้แน่ใจว่าข้อมูลจะไม่ซ้ำซ้อนหรือนำเสนออย่างไม่ถูกต้อง องค์กรควรปรับใช้การควบคุมการเข้าถึงแบบละเอียด เช่น อ่าน-เขียน อ่านอย่างเดียว การเขียนรายงาน การเจาะลึก และการควบคุมการส่งออก ตามบทบาทงานของผู้ใช้ ลำดับชั้นการทำงาน และอื่นๆ ความต้องการ. (metamorworks/Shutterstock) ทีมไอทีในฐานะ Gatekeepers of Data Truth ได้รับการบอกกล่าว องค์กรต่าง ๆ ตระหนักดีถึงประโยชน์ของการวิเคราะห์ข้อมูลอย่างเต็มที่ หลายคนแค่ระวังความเสี่ยงที่เกี่ยวข้องกับการให้ข้อมูลองค์กรฟรีแก่พนักงาน สิ่งที่องค์กรต้องการคือโซลูชันง่ายๆ ที่ช่วยให้ผู้ใช้สามารถดู โต้ตอบ วิเคราะห์ และดูดซับข้อมูลจากข้อมูลได้อย่างปลอดภัยโดยไม่ต้องเคลื่อนย้ายข้อมูล ตามเนื้อผ้า ทีมไอทีได้รับมอบหมายให้ปรับใช้ บำรุงรักษา และอัปเดตแอปพลิเคชันและบริการทางธุรกิจ แต่ด้วยการถือกำเนิดของ Web 2.0 ทีมไอทีได้พัฒนาเพื่อจัดการข้อมูลและบริการของแอปพลิเคชันที่ต้องเผชิญกับลูกค้า อันที่จริงแล้ว พวกเขากลายเป็นผู้เฝ้าประตูข้อมูลในองค์กรโดยพื้นฐานแล้ว สิ่งนี้ทำให้ทีมไอทีเป็นผู้สมัครที่เหมาะสมที่สุดในการอำนวยความสะดวกในการทำให้ข้อมูลเป็นประชาธิปไตย ทีมเหล่านี้ควรรับผิดชอบในการรักษาแหล่งข้อมูลความจริงเพียงแหล่งเดียว จัดหาเครื่องมือที่เหมาะสมสำหรับการวิเคราะห์ข้อมูล และสร้างกระบวนการกระจายข้อมูลที่ปลอดภัยซึ่งสอดคล้องกับนโยบายการกำกับดูแลข้อมูลและข้อบังคับการปฏิบัติตามข้อกำหนดที่องค์กรโดยรวมกำหนด การนำข้อมูลไปใช้ให้เกิดประโยชน์ เนื่องจาก BI และเครื่องมือวิเคราะห์ยังคงปรับปรุงข้อเสนอของตนอย่างต่อเนื่องด้วยการวิเคราะห์เพิ่มเติมและระบบอัตโนมัติ ธุรกิจสามารถคาดหวังว่าจะได้รับข้อมูลเชิงลึกมากขึ้นซึ่งสามารถนำมาใช้เพื่อเพิ่มรายได้ได้อย่างมากในขณะที่ลดต้นทุนการดำเนินงาน นี่คือเหตุผลที่องค์กรควรให้ความสำคัญกับการทำให้ข้อมูลเป็นประชาธิปไตย ด้านล่างนี้คือแนวทางสี่ขั้นตอนในการทำให้ข้อมูลเป็นประชาธิปไตยสำหรับผู้ปฏิบัติงานที่มีความรู้ภายในองค์กรของคุณ สร้างแหล่งความจริงเพียงแหล่งเดียว ข้อมูลขององค์กรมักจะถูกจัดเก็บในแอปพลิเคชันและชั้นฐานข้อมูลหลายชั้น สร้างแหล่งจัดเก็บข้อมูลที่เชื่อถือได้เพียงแหล่งเดียว ซึ่งมีผู้ดูแลระบบที่เลือกเพียงไม่กี่รายเท่านั้นที่มีสิทธิ์ทำการเปลี่ยนแปลง การสร้างแหล่งข้อมูลหลักนี้อาจเป็นสิ่งที่ท้าทายและควรดำเนินการโดยการรวมข้อมูลจากแหล่งต่างๆ เมื่อเวลาผ่านไป แทนที่จะทำพร้อมกันทั้งหมดในครั้งเดียว เลือก Data Democratization Model ในการทำให้ข้อมูลเป็นประชาธิปไตยในวงกว้าง คุณต้องมีโมเดลที่ยืดหยุ่นและปรับให้เข้ากับนโยบายการกำกับดูแลและการปฏิบัติตามข้อกำหนดขององค์กรของคุณได้ โมเดลทั่วไปบางส่วน ได้แก่ โมเดลเสรีที่ผู้ใช้ในองค์กรได้รับสิทธิ์เข้าถึงข้อมูลของบริษัทที่ไม่ใช่ส่วนบุคคลทั้งหมดอย่างสมบูรณ์ ผู้ใช้จะได้รับการฝึกอบรมอย่างเพียงพอเกี่ยวกับเครื่องมือวิเคราะห์ข้อมูลและสอนการกำกับดูแลข้อมูลและกฎการปฏิบัติตาม (Ico-Maker/Shutterstock) โมเดลอนุรักษ์นิยมที่ผู้ใช้แต่ละรายได้รับการเข้าถึงข้อมูลดิบที่แบ่งกลุ่มตามคำร้องขอ ในรูปแบบนี้ ผู้ใช้ต้องได้รับการอนุมัติจากทีมข้อมูลหรือทีมไอทีเพื่อเข้าถึงข้อมูล โมเดลนี้มักจะนำมาใช้โดยองค์กรที่สามารถเข้าถึงข้อมูลลูกค้าที่สำคัญอย่างยิ่ง เช่น สำนักงานกฎหมายและองค์กรทางการเงิน โมเดล POC ที่สมาชิกหนึ่งคนจากแต่ละทีมหลักในองค์กรถูกกำหนดให้เป็นจุดติดต่อ (POC) ในส่วนที่เกี่ยวกับการเข้าถึงและการวิเคราะห์ข้อมูล สมาชิกเหล่านี้ได้รับมอบหมายให้ดูแลความปลอดภัยในการเข้าถึงข้อมูลสำหรับสมาชิกในทีมที่เหลือ รวมทั้งดูแลให้ผู้ใช้ใช้ข้อมูลอย่างถูกต้อง POC ได้รับการฝึกอบรมให้ทำงานด้วยและรับรองความปลอดภัยของข้อมูล ดังนั้น POC จึงไม่ค่อยมีทักษะการวิเคราะห์ข้อมูลเฉพาะทาง โมเดลไฮบริดที่แต่งตั้งผู้เชี่ยวชาญด้านข้อมูลที่มีทักษะให้กับแต่ละทีมหลัก และได้รับมอบหมายให้ทำหน้าที่เป็นผู้ประสานงานระหว่างข้อมูลกับสมาชิกของแต่ละทีม ผู้เชี่ยวชาญด้านข้อมูลเหล่านี้ช่วยสมาชิกในทีมวิเคราะห์ข้อมูลและให้แน่ใจว่าจะไม่ถูกทำซ้ำหรือนำไปใช้ในทางที่ผิด รับ ตั้งค่า และแจกจ่ายเครื่องมือวิเคราะห์ข้อมูล เครื่องมือวิเคราะห์แบบบริการตนเองช่วยให้ผู้ใช้มือใหม่สามารถสร้างรายงานและรับข้อมูลเชิงลึกที่นำไปดำเนินการได้ในไม่กี่คลิกโดยไม่ต้องขอความช่วยเหลือจากผู้เชี่ยวชาญ บางตัวมีคุณสมบัติการกำกับดูแลข้อมูลในตัวและการควบคุมความปลอดภัยที่ช่วยให้มั่นใจว่าข้อมูลจะพร้อมใช้งานแต่ยังคงปลอดภัย การลงทุนในเครื่องมือวิเคราะห์แบบบริการตนเองจะเชื่อมช่องว่างระหว่างข้อมูลกับคนในองค์กรของคุณ ทำให้พวกเขาสามารถแก้ไขปัญหาและค้นพบโอกาสได้ด้วยตนเอง ให้อำนาจแก่ผู้ใช้ในการเข้าถึงข้อมูลด้วยการควบคุมการเข้าถึงแบบละเอียด ขั้นตอนสุดท้ายในการทำให้ข้อมูลเป็นประชาธิปไตยคือการให้ผู้ใช้เข้าถึงชุดข้อมูลที่เกี่ยวข้องกับหน้าที่ของตน ไม่ว่าคุณจะเลือกรูปแบบประชาธิปไตยแบบใด สิ่งสำคัญคือต้องตรวจสอบให้แน่ใจว่าข้อมูลมีความปลอดภัยและไม่ซ้ำซ้อนหรือบิดเบือนความจริง สิ่งนี้สามารถทำได้โดยให้ผู้ใช้เข้าถึงข้อมูลด้วยการควบคุมการเข้าถึงแบบละเอียด เช่น อ่านอย่างเดียว อ่าน-เขียน การเขียนรายงาน การเจาะลึก และการส่งออก ด้วยการให้สิทธิ์การเข้าถึงแก่ผู้ใช้ พวกเขาจะมีอิสระในการสำรวจและจัดการข้อมูลโดยไม่ต้องสงสัยว่าข้อมูลนั้นถูกต้องหรือไม่ หรือกังวลเกี่ยวกับการลบหรือแก้ไขโดยไม่ได้ตั้งใจ ทำให้พวกเขาเรียนรู้เพิ่มเติมจากข้อมูลของตนโดยไม่ทำให้ข้อมูลสมบูรณ์ตกอยู่ในความเสี่ยง เมื่อผู้ใช้เข้าถึงข้อมูลได้ พวกเขาจะใช้งานหรือไม่ การปรับใช้เครื่องมือวิเคราะห์แบบบริการตนเองและการให้ผู้ใช้เข้าถึงข้อมูลเป็นเรื่องง่าย อย่างไรก็ตาม การสร้างวัฒนธรรมที่ขับเคลื่อนด้วยข้อมูลนั้นไม่ง่ายอย่างที่คิด โดยที่ผู้ใช้หันไปใช้ข้อมูลแทนสัญชาตญาณในการตัดสินใจ ซึ่งทำให้องค์กรต่างๆ มีหน้าที่ในการทำให้ข้อมูลเป็นรากฐานที่สำคัญของการแก้ปัญหาและการตัดสินใจ ด้วยระบบอัตโนมัติที่จัดการงานไอทีจำนวนมากที่ซ้ำซ้อน ในที่สุดทีมไอทีก็อยู่ในฐานะที่จะมีส่วนสนับสนุนอย่างแข็งขันต่อการดำรงชีวิตและการเติบโตขององค์กร ทีมไอทีซึ่งเหมาะสมที่สุดที่จะทำหน้าที่เป็นผู้เฝ้าประตูข้อมูลภายในองค์กร สามารถจัดการงานในการรักษาข้อมูลและสร้างกระบวนการทำให้ข้อมูลเป็นประชาธิปไตยที่ปลอดภัยซึ่งสอดคล้องกับนโยบายและกฎการกำกับดูแลข้อมูลขององค์กร ในทางกลับกัน แนวทางจากบนลงล่างกับผู้บริหารและผู้นำ C-suite ที่ผลักดันการตัดสินใจที่ขับเคลื่อนด้วยข้อมูลโดยอิสระ รวมกับประชาธิปไตยของข้อมูลสามารถไปได้ไกล เกี่ยวกับผู้แต่ง: Sailakshmi Baskaran เป็นที่ปรึกษาด้านผลิตภัณฑ์ที่ ManageEngine แผนกการจัดการด้านไอทีของ Zoho Corporation ในบทบาทปัจจุบันของเธอ เธอเป็นหัวหอกในกิจกรรมทางการตลาดสำหรับ Analytics Plus ซึ่งเป็นแพลตฟอร์มการวิเคราะห์ขั้นสูงของ ManageEngine เธอมุ่งเน้นที่การทำความเข้าใจข้อกำหนดด้านการวิเคราะห์และการรายงานด้านไอทีขององค์กร และการอำนวยความสะดวกโปรแกรมการวิเคราะห์แบบผสมผสานเพื่อช่วยให้ลูกค้าได้รับข้อมูลเชิงลึกทางธุรกิจที่ชาญฉลาด ติดตามเธอที่ LinkedIn และ Twitter รายการที่เกี่ยวข้อง: Data Mesh ปรากฏขึ้นเพื่อแสวงหา Data Harmony เพื่อให้ได้ Data Literacy: ธุรกิจต้องเรียนรู้ ABCs Master Data Management ใหม่: สามเส้นทางสู่การสร้างโครงการที่ประสบความสำเร็จและมีความเสี่ยงต่ำ

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button