Budowanie wydajnej organizacji danych i sztucznej inteligencji

W związku z Kostki danych





CxO i zarządy zdają sobie sprawę, że zdolność ich organizacji do generowania praktycznych spostrzeżeń z danych, często w czasie rzeczywistym, ma największe znaczenie strategiczne. Jeśli pojawiły się jakiekolwiek wątpliwości w tej kwestii, przyspieszona ucieczka konsumentów do technologii cyfrowej w minionym kryzysowym roku je rozwiała. Aby pomóc im stać się napędzanymi danymi, firmy wdrażają coraz bardziej zaawansowane technologie oparte na chmurze, w tym narzędzia analityczne z funkcjami uczenia maszynowego (ML). Jednak to, co zapewnią te narzędzia, będzie miało ograniczoną wartość bez obfitych, wysokiej jakości i łatwo dostępnych danych.

Budowanie wydajnej organizacji danych i sztucznej inteligencji

W tym kontekście efektywne zarządzanie danymi jest jednym z fundamentów organizacji opartej na danych. Jednak zarządzanie danymi w przedsiębiorstwie jest bardzo złożone. Wraz z pojawianiem się nowych technologii danych rośnie obciążenie starszych systemów i silosów danych, chyba że można je zintegrować lub wydzielić.



Fragmentacja architektury jest problemem dla wielu dyrektorów ds. danych (CDO) nie tylko z powodu silosów, ale także różnorodności narzędzi lokalnych i opartych na chmurze, z których korzysta wiele organizacji. Wraz z niską jakością danych, problemy te łączą się, co pozbawia platformy danych organizacji — oraz obsługiwane przez nie modele uczenia maszynowego i analizy — szybkości i skali potrzebnej do osiągnięcia pożądanych wyników biznesowych.

Aby zrozumieć, w jaki sposób zarządzanie danymi i technologie, na których się opiera, ewoluują w obliczu takich wyzwań, MIT Technology Review Insights przebadało 351 dyrektorów CDO, dyrektorów ds. analityki, dyrektorów ds. informacji (CIO), dyrektorów ds. technologii (CTO) i innych starszych liderów technologii. Przeprowadziliśmy również wywiady pogłębione z kilkoma innymi starszymi liderami technologii. Oto kluczowe ustalenia:

  • Tylko 13% organizacji przoduje w realizacji swojej strategii dotyczącej danych. Ta wyselekcjonowana grupa osób o wysokich osiągnięciach zapewnia wymierne wyniki biznesowe w całym przedsiębiorstwie. Odnoszą sukces dzięki dbałości o podstawy dobrego zarządzania danymi i architektury, które umożliwiają im demokratyzację danych i czerpanie wartości z uczenia maszynowego.
  • Współpraca oparta na technologii tworzy działającą kulturę danych. CDO, z którymi przeprowadzono wywiady w ramach badania, przypisują dużą wagę demokratyzacji analityki i możliwości ML. Przeniesienie ich na brzeg dzięki zaawansowanym technologiom przetwarzania danych pomoże użytkownikom końcowym w podejmowaniu bardziej świadomych decyzji biznesowych — cech charakterystycznych silnej kultury danych.
  • Wpływ biznesowy ML jest ograniczony przez trudności w zarządzaniu całym cyklem życia. Skalowanie przypadków użycia ML jest niezwykle skomplikowane dla wielu organizacji. Największym wyzwaniem, zdaniem 55% respondentów, jest brak centralnego miejsca do przechowywania i odkrywania modeli ML.
  • Przedsiębiorstwa poszukują platform natywnych dla chmury, które obsługują zarządzanie danymi, analitykę i uczenie maszynowe. Najważniejsze priorytety organizacji w zakresie danych w ciągu najbliższych dwóch lat dzielą się na trzy obszary, wszystkie wspierane przez szersze zastosowanie platform chmurowych: usprawnienie zarządzania danymi, udoskonalenie analizy danych i ML oraz rozszerzenie wykorzystania wszystkich typów danych korporacyjnych, w tym danych strumieniowych i nieustrukturyzowanych .
  • Otwarte standardy to najwyższe wymagania przyszłych strategii architektury danych. Gdyby respondenci mogli zbudować nową architekturę danych dla swojej firmy, najważniejszą przewagą nad istniejącą architekturą byłoby większe przyjęcie standardów open source i otwartych formatów danych.

Pobierz pełny raport.



Ta treść została stworzona przez Insights, dział zajmujący się treściami niestandardowymi MIT Technology Review. Nie została napisana przez redakcję MIT Technology Review.

ukryć