صنعت هوش تجاری مدت‌هاست که آینده‌ای را وعده داده است که در آن مدیران می‌تواند از داده‌ها برای اتخاذ تصمیمات تجاری هوشمندانه‌تر استفاده کند. اگرچه این وعده همچنان برای اکثر شرکت‌ها دور از دسترس است، صنعت طی چند دهه گذشته مسیر طولانی را طی کرده است، و ما معتقدیم که در آستانه نسل جدیدی از BI هستیم که در نهایت این وعده را به واقعیت تبدیل خواهد کرد.
ما با Gen One ( BI )- داده‌های داخلی و پروژه‌های گزارش‌دهی مبتنی بر فناوری اطلاعات سنگین – شروع شد که هم برای تیم‌های فناوری اطلاعات و هم برای کاربران نهایی سنگین بود. در حالی که دست و پا گیر بود و نیاز به سرمایه گذاری‌های سنگین داشت، چند شرکت بر آن موانع غلبه کردند و از مزایای بزرگی بهره بردند که جرقه‌ای را برای تحلیل‌ها روشن کرد.
در مرحله بعد، وارد عصر دموکراتیزه کردن داده‌ها و سلف سرویس یا BI “Gen Two” شدیم که با قرار دادن قدرت ابزارهای تجزیه و تحلیل در دستان کاربران تجاری، بر مصرفی‌تر کردن داده ها، استفاده آسان و در دسترس‌تر تمرکز داشت. اگرچه سازمان‌های بیشتری Gen Two BI را پذیرفتند و مجوزهای بیشتری نسبت به همیشه صادر کردند، نقص اساسی این نسل تمرکز آن بر داشبورد و خود تجزیه و تحلیل بود.
از کاربران تجاری خواسته شد که تحلیلگر شوند و از جریان کاری روزانه خود خارج شوند تا داشبوردهایی را برای استفاده از داده‌ها بسازند یا پیدا کنند. نتیجه این است که با افزایش حجم و پیچیدگی داده‌ها، پذیرش تجزیه و تحلیل داده‌ها همچنان به یک چالش ادامه می‌دهد، و تنها 24 درصد از شرکت‌ها ادعا می‌کنند که یک سازمان مبتنی بر داده ایجاد کرده‌اند که کاهش واقعی نسبت به سال‌های گذشته است!
زمان نسل سوم BI فرا رسیده است.نسل سوم چه شکلی است؟
تجزیه و تحلیل در هوش تجاری
هوش تجاری بر اساس فرهنگ داده قدیمی ساخته شده است که به کارشناسان فنی متکی است. در روزهای اولیه گزارش، آن کارشناسان فناوری اطلاعات نامیده می‌شدند. با تکامل فناوری و آسان‌تر شدن ابزارها، پیشرفت BI به گزارش‌ها و داشبوردهایی که توسط کارشناسان جدید – تحلیلگران ارائه می‌شد، منتقل شد. این امر تجزیه و تحلیل‌ها را در دسترس‌تر می‌کند، اما هنوز اطلاعات بینش داده‌های سلف سرویس را در سراسر تجارت به واقعیت تبدیل نمی‌کند.
این فرآیند مخرب و ناکارآمد است و اغلب باعث می‌شود کاربران آن را به طور کامل حذف کنند. داشبوردها فرآیندهای تجزیه و تحلیل داخلی ندارند. آنها اطلاعات را به اشتراک می گذارند، اما اقدامات توصیه شده را در لحظه مناسب یا در جریان کاری تصمیم گیرندگان ارائه نمی دهند. متخصصان کسب و کار دقیقاً همین را می خواهند: آنها یک پاسخ نهایی و توصیه هایی در مورد کارهای بعدی می خواهند.
آنها ترجیح می‌دهند داده‌ها و بینش‌های عملی را در مواردی که به راحتی قابل هضم هستند در مقابل نیاز به جستجو برای یافتن پاسخ در داشبوردها و گزارش‌ها داشته باشند. و حقیقت این است که آنها در حال کاوش هستند. داشبوردها اغلب برای پاسخگویی به سوالات متعدد بسیار گسترده هستند، سفارشی کردن آنها بسیار دشوار است، و صادقانه بگویم، بینش بسیار زیادی دارند.
برای پیشرفت تجزیه و تحلیل، باید داشبوردها را گسترش دهیم یا اطلاعات شخصی سازی شده را به تصمیم گیرندگان بیشتری ارائه کنیم. در واقع، گارتنر پیش‌بینی می‌کند که «داشبوردها با بینش‌های خودکار، موبایلی و پویا که برای نیازهای کاربر سفارشی شده و به آنها تحویل داده می‌شوند، جایگزین می‌شوند. این دانش بینش را از تعداد انگشت شماری متخصص داده به هر کسی در سازمان منتقل می‌کند.
فناوری نامرئی بودن
کلمه کلیدی در پیش بینی گارتنر در بالا، اتوماسیون است. ما نمی توانیم در مورد حرکت فراتر از داشبورد صحبت کنیم بدون اینکه نقش هوش مصنوعی را در این مرحله بعدی تجزیه و تحلیل بازی کند. پیشرفت‌های هوش مصنوعی به این معنی است که اکنون می‌توانیم کل انبارهای داده را در چند ثانیه اسکن کنیم، به سخت‌ترین سؤالات تحلیلی پاسخ دهیم و تغییرات معنی‌دار داده‌ها را در زمان واقعی دنبال کنیم. و ما می توانیم همه این کارها را بدون تماس با متخصصان انجام دهیم.
نسل‌های قبلی BI به ما فناوری‌هایی مانند بصری‌سازی داده‌ها برای قابل فهم‌تر کردن داده‌ها، ابر برای فعال کردن دسترسی از هر مکان یا هر دستگاهی و چارچوب‌های توسعه‌پذیر را به ما می‌داد تا بتوانیم داده‌ها را در برنامه‌های دیگر embeddکنیم. امروزه، وقتی آن فناوری را با هوش مصنوعی ترکیب می‌کنیم، می‌توانیم اطلاعات بینش داده را استخراج کنیم و آنها را در CRM، برنامه‌های تجاری سفارشی و غیره embeddکنیم.
نتیجه نهایی
روانشناسان تخمین می‌زنند که ما روزانه به طور متوسط 35000 تصمیم می‌گیریم. به عنوان مصرف کننده، ما بسیاری از این تصمیمات را با کمک تجزیه و تحلیل داده‌ها می‌گیریم، حتی اگر متوجه آن نباشیم. ما برای اطلاعاتی در مورد الگوهای ترافیک، اهداف ورزشی، عادات هزینه‌های مالی و موارد دیگر به دستگاه‌های هوشمند خود مراجعه می‌کنیم. در عصر اقدام، بینش‌های ناشی از تجزیه و تحلیل و هوش مصنوعی دیگر یک تجمل نیست، بلکه یک ضرورت برای دستیابی به مزیت‌های رقابتی، چه در برنامه‌ها و جریان‌های کاری با کارمند یا مشتری است.
بسیاری از مشاغل در حال حاضر از این نسل جدید BI استفاده می‌کنند.
به عنوان مثال جنرال الکتریک را در نظر بگیرید که تجزیه و تحلیل را در نرم افزار زمان‌بندی خود برای بیش از 150 بیمارستان embedd کرده است.یا Air Canada که صدها گیگابایت داده در مورد KPIهای مرتبط با ایمنی دارد. آنها هوش مصنوعی و تجزیه و تحلیل را در فرآیندهای ایمنی شرکتی برای کارکنان خود ادغام کرده‌اند تا بتوانند قطعات هواپیما را قبل از از کار افتادن قطعه علامت گذاری و جایگزین کرد.
بدون دیدگاه