[ad_1]
مت بیکر، معاون ارشد استراتژی شرکت در Dell Technologies میگوید، اما مقدار مناسب داده، تمیز و بهدرستی منتشر شده، میتواند عطش کسبوکار را برای بینش برطرف کند، رشد آن را تقویت کند و آن را به سمت موفقیت سوق دهد. مانند آب، داده ها خوب یا بد نیستند. سوال این است که آیا برای این منظور مفید است؟ بیکر میگوید: «تراز کردن صحیح دادهها، به روشی فراگیر، با یک قالب رایج، دشوار است. باید به نحوی تمیز و سازماندهی شود تا بتوان آن را به اندازه کافی قابل استفاده، ایمن و قابل اعتماد کرد تا نتایج خوبی به دست آورد.
بر اساس مطالعه ای که اخیراً بر روی بیش از 4000 تصمیم گیرنده انجام شده است که توسط شرکت Forrester Consulting از طرف Dell Technologies انجام شده است، بسیاری از سازمان ها غرق در داده ها هستند. در طول سه سال گذشته، 66 درصد شاهد افزایش حجم دادههایی بودهاند که تولید میکنند. -گاهی اوقات دو یا حتی سه برابر می شود – و 75٪ می گویند که تقاضا برای داده در سازمان آنها نیز افزایش یافته است.
شرکت تحقیقاتی IDC تخمین می زند که جهان در سال 2020 64.2 زتابایت داده تولید کرده است و این رقم در سال 23 درصد در حال رشد است. یک زتابایت یک تریلیون گیگابایت است – برای در نظر گرفتن این موضوع، این فضای ذخیره سازی برای 60 میلیارد بازی ویدیویی یا 7.5 تریلیون آهنگ MP3 کافی است.
مطالعه Forrester نشان داد که 70 درصد از رهبران کسبوکار سریعتر از آنچه که میتوانند آنها را تجزیه و تحلیل کرده و به طور مؤثر استفاده کنند، دادهها را جمعآوری میکنند. اگرچه مقامات حجم وسیعی از داده ها را در اختیار دارند، اما بینش یا ابزاری برای استخراج ارزش از آن ندارند – چیزی که بیکر آن را پارادوکس “دریانورد باستانی” می نامد، ویژگی معروف شعر حماسی ساموئل تیلور کولریج، “آب، آب همه جا و”. بعد از خط یک قطره برای نوشیدن نیست.”
جریان های داده به سیل داده تبدیل می شوند
به راحتی می توان فهمید که چرا حجم و پیچیدگی داده ها به سرعت در حال افزایش است. هر اپلیکیشن، گجت و تراکنش دیجیتالی یک جریان داده تولید میکند و آن جریانها با هم جریان مییابند تا جریانهای داده بیشتری تولید کنند. بیکر چشم انداز آینده احتمالی را در خرده فروشی آجر و ملات ارائه می دهد. یک اپلیکیشن وفاداری روی تلفن مشتری، بازدید او از فروشگاه لوازم الکترونیکی را ردیابی می کند. این برنامه از یک دوربین یا حسگر مجاورت بلوتوث استفاده میکند تا بفهمد کجاست و به اطلاعات موجود خردهفروش در مورد جمعیتشناسی مشتری و رفتار خرید قبلی آن ضربه میزند تا پیشبینی کند که چه چیزی میخرد. همانطور که او در یک راهروی ویژه قدم میزند، برنامه پیشنهاد ویژهای در مورد کارتریجهای جوهر برای چاپگر مشتری یا یک کنترلکننده پیشرفته برای جعبه بازی او ایجاد میکند. یادداشت هایی را ارائه می دهد که منجر به فروش می شود، دفعات بعدی را به یاد می آورد و مکالمات زیادی را به انبوه رو به رشد فروش و داده های تبلیغاتی خرده فروش اضافه می کند، که سپس می تواند خریداران دیگر را با هدف گذاری هوشمند جذب کند.
انبوه داده های قدیمی اغلب به پیچیدگی اضافه می شود. بسیاری از سازمان ها لوکس ساختن یک سیستم داده از ابتدا را ندارند. بیکر میگوید، ممکن است سالها دادههای انباشتهای داشته باشند که باید پاکسازی شوند تا «قابل شرب» شوند. حتی چیزی به سادگی تاریخ تولد مشتری را می توان در قالب های مختلف و ناسازگار ذخیره کرد. ضرب این “آلودگی” در صدها فیلد داده و بدست آوردن داده های تمیز و مفید ناگهان غیرممکن به نظر می رسد.
بیکر میگوید، اما دور انداختن دادههای قدیمی به معنای کنار گذاشتن بینشهای بالقوه ارزشمند است. به عنوان مثال، داده های تاریخی در مورد سطوح انبار و الگوهای سفارش مشتری می تواند برای شرکتی که تلاش می کند زنجیره تامین کارآمدتری ایجاد کند، مهم باشد. قابلیتهای Extract، Transform، Load پیشرفته – که برای سازماندهی و سازگار کردن منابع داده مختلف طراحی شدهاند – ابزارهای ضروری هستند.
دانلود گزارش کامل.
برای کسب اطلاعات بیشتر، در پادکست Business Lab به Jen Savadra و Jen Felch گوش دهید که چگونه شرکتها روند جدید کار از هر کجا را در دنیای پس از همهگیری متعادل میکنند. بعلاوه، از جان روز در مورد هدایت نوآوری از طریق عملیات در پادکست Business Lab بشنوید.
این محتوا توسط Insights، بازوی محتوای سفارشی MIT Technology Review تولید شده است. این توسط تحریریه MIT Technology Review نوشته نشده است.
[ad_2]