- Rok 2020 pod wieloma względami był przełomem na gospodarczym rynku. Dynamiczne zmiany odczuwali zarówno sami konsumenci jak i podmioty gospodarcze z niemal wszystkich branż. Od dawna nie mieliśmy do czynienia z tak wieloma wyzwaniami wewnętrznymi i globalnymi. Jednak – wielka branża danych zaliczyła znaczną bezwładność wobec zaistniałych warunków, która dużymi krokami przechodzi także w 2021 r. Jak wyglądają jej dalsze perspektywy? W tym artykule zebraliśmy spostrzeżenia, refleksje i prognozy dotyczące tego, co może nadejść. Czy Big Data w 2021 może sporo namieszać w świecie IT? Przekonajmy się!
- Cięcia kosztów pogłębią przepaść analityczną?
- Analityka wspomagana sztuczną inteligencją – kto na tym zyska?
- Platformy danych dla każdego
- Jedno pojedyncze zapytanie SQL dla wszystkich danych?
- Nowy wymiar analityki – analityka emocjonalna
- Przyszłość analityki prognostycznej
Rok 2020 pod wieloma względami był przełomem na gospodarczym rynku. Dynamiczne zmiany odczuwali zarówno sami konsumenci jak i podmioty gospodarcze z niemal wszystkich branż. Od dawna nie mieliśmy do czynienia z tak wieloma wyzwaniami wewnętrznymi i globalnymi. Jednak – wielka branża danych zaliczyła znaczną bezwładność wobec zaistniałych warunków, która dużymi krokami przechodzi także w 2021 r. Jak wyglądają jej dalsze perspektywy? W tym artykule zebraliśmy spostrzeżenia, refleksje i prognozy dotyczące tego, co może nadejść. Czy Big Data w 2021 może sporo namieszać w świecie IT? Przekonajmy się!
Cięcia kosztów pogłębią przepaść analityczną?
Z doświadczeń w 2020 roku wiemy na pewno, że „podział analityczny” będzie stale się pogarszał. Wiele firm było zmuszonych do inwestowania w analitykę z powodu pandemii, podczas gdy inne zostały zmuszone do cięcia wszystkiego, co nie było dla nich tak krytyczne, aby się utrzymać. Oznacza to, że w 2021 r. przepaść analityczna jeszcze się pogłębi, a trend ten będzie się utrzymywał przez wiele lat. Bez wątpienia zwycięzcy i przegrani w każdej branży będą nadal definiowani przez tych, którzy wykorzystują analitykę i tych, którzy jej nie wykorzystują. Coraz więcej systemów ERP posiada mocno rozwinięty moduł analityczny, który bez wątpienia można wykorzystać w biznesie, bez potrzeby inwestowania dodatkowych środków w zewnętrzne systemy BI.
Prawdopodobnie, minęły już czasy fragmentarycznych rozwiązań analitycznych i raportowych, które spełniają niszowe przypadki zastosowań biznesowych. To jest niezrównoważone. Firmy nie mogą mieć wysoce wydziałowych wdrożeń analitycznych, które mają wpływ na lokalne rozwiązywanie problemów i większe firmy, nie widząc pełnych korzyści. Ta obecna sytuacja zmieni się w sytuację, w której analiza będzie prowadzona na wszystkich danych, do których firma ma dostęp, a możliwości tej analizy będą wdrażane wspólnie przez różne grupy interesów o różnych umiejętnościach (np. data science, liderzy biznesowi) i z pełnym ukierunkowaniem na operacyjną analizę w czasie zbliżonym do rzeczywistego.
Analityka wspomagana sztuczną inteligencją – kto na tym zyska?
Rozszerzona analityka i samoobsługa staną się bardziej pożądane ze względu na rozproszoną siłę roboczą i głód informacji. W odpowiedzi, tradycyjna analityka będzie coraz bardziej zakłócana przez systemy integracyjne. Wzrost rozproszonej siły roboczej spowoduje większe zapotrzebowanie na rozszerzoną analitykę, w ramach której użytkownik indywidualny będzie prowadzony przez proces tworzenia zapytań w celu uzyskania natychmiastowych odpowiedzi na pytania dotyczące danych. Obserwujemy zbieżność analityków i SI w dwóch obszarach – na poziomie infrastruktury i na poziomie analityków. Ludzie zaczynają zdawać sobie sprawę, że mają różne dane, które dostarczają dane dla silnika analitycznego i budują inny stos dla ML. Zamiast dwóch całkowicie odrębnych stosów widzimy ich rozbieżność w infrastrukturę, która jest łatwiejsza w utrzymaniu, przy jednoczesnym zapewnieniu, że te same dane są wykorzystywane do zasilania obu silników. Druga rozbieżność nastąpi w odniesieniu do „głodu” informacji i wypełnienia luki w odpowiedzi na pytania zadawane za pomocą danych. Tradycyjna analityka zacznie być coraz bardziej zakłócana przez SI. Platformy (takie jak Tableau, Power BI, itp.) zaczną być wypierane przez boty i wirtualnych asystentów, którzy będą mieć charakter konwersacyjny. Widzimy to jako pchnięcie do zautomatyzowania wszystkiego w taki sposób aby było bezobsługowe.
Sztuczna inteligencja (SI) to systemy lub maszyny, które naśladują ludzką inteligencję podczas wykonywania zadań i mogą się sukcesywnie poprawiać na podstawie zbieranych informacji. Przykładami SI są:
- Chatboty posługują się sztuczną inteligencją, aby szybciej klasyfikować problemy klientów i udzielać trafniejszych odpowiedzi.
- Inteligentni asystenci używają SI do analizowania informacji o znaczeniu newralgicznym z dużych zbiorów danych tekstowych w celu ulepszenia planowania.
- Silniki rekomendacji dostarczają automatyczne propozycje programów telewizyjnych na podstawie nawyków telewidzów.
W sztucznej inteligencji chodzi bardziej o proces i możliwości super-wspomaganego myślenia i analizy danych niż o konkretny format czy funkcję. SI kojarzy się z funkcjonalnymi, humanoidalnymi robotami podbijającymi świat, lecz sztuczna inteligencja nie ma na celu zastąpienia ludzi. Ma istotnie zwiększyć ludzkie możliwości i efekty. To kwalifikuje ją do najbardziej wartościowych aktywów przedsiębiorstwa.
Platformy danych dla każdego
Linie pomiędzy IT a innymi działami, szczególnie w zakresie danych i analizy, będą się nadal zacierać. Dane i analiza mają potencjał, by osiągać niezwykle pozytywne i znaczące wyniki biznesowe, a gdy to nastąpi, często dochodzi do intensywnej współpracy w różnych obszarach funkcjonalnych, ponieważ każdy z nich jest w pewnym stopniu odpowiedzialny za sukces podejścia analitycznego. Obszary takie jak zarządzanie danymi, znajomość danych, otwarte platformy danych, integracja i wykorzystanie danych w różnych częściach przedsiębiorstwa umożliwią użytkownikom biznesowym wykonywanie zadań tradycyjnie zarezerwowanych dla zespołów IT, a dane generowane przez jednostki biznesowe będą przekazywane do platform, którymi zarządza IT. To – w połączeniu z brakiem specjalistów zajmujących się danymi i analityków – oznacza również, że platformy danych staną się bardziej płynne i łatwe do wdrożenia, dzięki czemu wszystkie części organizacji będą mogły je wykorzystać.
W ubiegłych latach znajomość pakietu Microsoft Office w swoim życiorysie mogło uczynić z ciebie dobrego kandydata do pracy, ale dekadę później była to umiejętność, którą uznano za oczywistą. Dziś znajomość języka SQL może Cię wyróżnić, ale co się stanie w najbliższych latach?
Wraz ze wzrostem znajomości danych, umiejętności analityczne staną się normą dla wszystkich specjalistów biznesowych i zaczną znikać z życiorysów kandydatów. Weszliśmy w kolejną falę analityków, a wraz z nią oczekiwanie, że użytkownicy biznesowi mogą wchodzić w interakcje z danymi bez pomocy eksperta. Bardzo szybko, jeśli nie jesteś w stanie połączyć twardych danych z kontekstem biznesowym w celu zdefiniowania i realizacji strategii, będziesz walczył o stanowisko pracy. Idealnym kandydatem na biznes w 2021 roku i później będzie osoba, która potrafi zarówno rozumieć dane, jak i mówić o nich – ponieważ za kilka krótkich lat znajomość danych będzie czymś, czego pracodawcy będą wymagać i oczekiwać. Ci, którzy chcą iść do przodu, nabywają tą wiedzę już teraz.
Organizacje na całym świecie eskalują wykorzystanie systemów analitycznych, ale są zmuszone do tworzenia platform danych zdarzeń, które są w stanie przeprowadzić analizę danych w czasie rzeczywistym. W 2021 r. organizacje będą wymagały inteligentnych platform danych, które będą mogły wykorzystywać dane statyczne i strumieniowe z różnych źródeł w dowolnym formacie, wielkości i prędkości; analizować dane (wzbogacać i mapować) w locie; oraz dostarczać dane do systemów, urządzeń i aplikacji w sposób bezpieczny i w czasie rzeczywistym.
Jedno pojedyncze zapytanie SQL dla wszystkich danych?
Droga do przodu opiera się nie tylko na automatyzacji, ale także na tym, jak szybko i szeroko można sprawić, aby dane analityczne były dostępne i współdzielone. Analityka daje Ci jasny obraz tego, jakie powinny być Twoje kolejne kroki, aby klienci i pracownicy byli zadowoleni, a nawet ratowali życie. Zarządzanie danymi nie jest już luksusem, ale koniecznością. Jeśli uda Ci się wyeliminować złożoność lub koszty zarządzania danymi, będziesz bardzo skuteczny. Ostatecznie, zwycięzca zajmie się złożonością i kosztami zarządzania danymi, a obciążenie pracą zostanie ujednolicone, dzięki czemu będziesz mógł napisać jedno zapytanie SQL, aby zarządzać i uzyskać dostęp do wszystkich obciążeń w wielu bazach danych.
Nowy wymiar analityki – analityka emocjonalna
Możliwości AI i analityki były w przeszłości zapewniane przez różne platformy/zespoły. Z biegiem lat obserwujemy, że platforma jest zbieżna, a zespół AI jest bardziej skoncentrowany na stronie algorytmicznej, podczas gdy zespoły platform AI i analityki połączyły się, aby zapewnić infrastrukturę oprogramowania zarówno dla przypadków analitycznych, jak i przypadków wykorzystania AI.
Emocje są kluczowym czynnikiem wpływającym na zachowania klientów i mają duży wpływ na lojalność wobec marki. Dlatego też coraz bardziej przydatne dla firm jest znalezienie sposobu na zmierzenie emocji klientów podczas podejmowania decyzji. Analityka emocjonalna skupia się na badaniu i rozpoznawaniu pełnej gamy ludzkich emocji, która obejmuje nastrój, postawę i osobowość. Wykorzystuje modele predykcyjne i AI/ML do analizy ludzkich ruchów, wyborów słów, tonów głosu i wyrazu twarzy. Analizy emocjonalne mogą pomóc firmom zbudować bardziej całościowy profil klienta, zrozumieć, jak wpływać na emocje i rozwijać dostosowane do indywidualnych potrzeb produkty i usługi. Analiza nastrojów na temat produktów i usług, w różnych regionach geograficznych, sieciach społecznościowych i na stronach internetowych, pozwala firmom lepiej zrozumieć i poprawić poziom zadowolenia klientów. Korzystając z analizy emocjonalnej, firmy mogą lepiej zrozumieć, jak ich marketing i usługi wpływają na emocje, aby zapewnić bardziej pozytywne doświadczenia klientów.
Przyszłość analityki prognostycznej
Uzyskanie właściwej analizy produktu jest trudne. Każda interakcja skutkuje stosem danych, a przekopanie się przez nie w celu znalezienia tej „igły w stogu siana” wymaga dużego wysiłku, dyscypliny i czasu, aby to osiągnąć. Te bariery wejścia oznaczają, że analiza danych jest często ograniczona do firm, które dysponują odpowiednimi zasobami, przepustowością i wiedzą, aby zrobić to właściwie. Ale jest to również dyscyplina, która nabiera coraz większego znaczenia – jeszcze przed pandemią interakcje konsumentów z markami odbywały się na ogół na platformach cyfrowych, a teraz są one tam niemal wyłącznie. Istnieje niezliczona ilość informacji, które mogą wyjaśnić zwrot z inwestycji w każdą interakcję, a bez wątpienia niektóre z nich mogą zmieniać przebieg gry. Ale, szczerze mówiąc, jesteśmy ludźmi i jeśli będziemy musieli ciężko pracować, aby wydobyć z czegoś wartość, będziemy mieli mniejsze szanse, aby robić to konsekwentnie. Dlatego też w 2021 roku analitycy przejdą od gry reaktywnej – zbierającej dane, które analitycy muszą następnie przeszukać, aby znaleźć te spostrzeżenia – do gry proaktywnej, łączącej zespoły bezpośrednio z tymi momentami które inspirują do natychmiastowego i świadomego działania.
Dalszy rozwój analityki prognostycznej będzie kształtował przyszłość firm, które przyjmą VSM. W ostatnich latach platformy zarządzania strumieniami wartości (VSM) poprawiły sposób, w jaki organizacje rozwijają oprogramowanie, ale to, co naprawdę wysunie się na pierwszy plan w 2021 roku, to fakt, że analiza predykcyjna VSM będzie kształtować wiedzę organizacji i prognozowanie tego, czego potrzebują ich klienci.
Mapowanie strumienia wartości (ang. Value Stream Mapping) jest to graficzne narzędzie, które pozwala zobrazować i zanalizować ważne elementy procesów produkcyjnych oraz daje możliwość poprawy ciągłości procesów przepływu materiału i informacji w lean manufacturing. Dzięki tej technice można wykluczyć czynności zbędne w procesie produkcyjnym, a co więcej możemy dostosować proces do poziomu zamówień klienta. Wyjściowym parametrem jest takt, który wynika z zapotrzebowania klienta na produkty oraz określa czas realizacji następnych etapów procesu.
Potrzeba wglądu w proces dostarczania oprogramowania zwiększy zdolność do podejmowania świadomych decyzji w oparciu o ten wgląd i stanie się wyróżnikiem dla firm, które polegają na oprogramowaniu. W przyszłości firmy będą musiały korzystać z platform VSM, jeśli chcą stać się graczami w dziedzinie oprogramowania. Ale to będzie lepsza widoczność i wykorzystanie analizy prognostycznej, iż VSM zapewnia, że pozwoli to firmom zrozumieć, że technologia i produkty mają największe znaczenie dla ich klientów. Znaczenie widoczności wskazuje również na witalność gromadzenia danych. Podczas gdy wiele firm mówi o widoczności, nie rozmawiają one o tym, co jest potrzebne z punktu widzenia danych. Zbieranie danych wymaga wspólnego modelu danych w całym strumieniu wartości. Jeśli zależy Ci na widoczności, zdolności do szybkiego rozwiązywania problemów i mierzenia wartości, którą dostarczasz, zawsze chodzi o udowodnienie, że wiesz, jak to zrobić, i przekonanie do tego, jak można zainwestować w tę wizję. Platformy VSM zapewnią wyraźne korzyści dla tych, którzy zdecydują się z nich korzystać dzięki sile decyzji napędzanych danymi.
Trackbacki/Pingbacki