Datavärldens oändlighetshandske

| “Jag är oundviklig” - Thanos

Missförstå oss inte. Vi pratar inte om att Thanos kommer att hota er organisations data med en "Snap". Men vad är oundvikligt? Vi skulle säga att det är varje organisations önskan att vara datadriven.

Med Infinity-stenarna av data avser vi att visa dig detsamma – hur du som datadriven organisation kan vara tillräckligt kraftfull för att ha kraftfull kontroll över alla aspekter av din organisation för att effektivisera beslutsfattandet.

" Forskning visar att datadrivna organisationer har 162 % större sannolikhet att avsevärt överträffa sina intäktsmål än sina eftersläpande motsvarigheter."

Men vad behöver du? Det här är en komplicerad fråga som bara kan besvaras efter att man känner till saker som organisationens nuvarande infrastruktur, analyskrav, framtidsplaner och mycket mer. Men låt oss för tillfället hålla oss till några få ämnen, som, i likhet med Infinity-stenarna, representerar en funktion, som i sig är kraftfull som en fristående. Men att kombinera den ena med den andra skulle ge användaren maximal potential av dem.

| Kraftstenen ger sin innehavare mycket energi – den sortens energi som du skulle kunna använda för att förstöra en hel planet.

Det är mycket energi. Men låt oss bryta ner det till grunden. Hur hittar vi energin vid dess råa källa? Eftersom vi inte pratar om "energi" utan om data här, hur man hittar datan och utnyttjar dess kraft.

För oss är det datahantering och infrastruktur som utgör grunden för dataenergi. Det är det som ger data kraften och möjligheten att användas. Med val som lokal datalagring, molnlagring och hybrid datalagring, tillsammans med valet att ha ett datalager eller en datasjö eller båda, finns det alltid mycket att tänka på och ifrågasätta innan man skaffar sig styrkan.

För att göra detta måste du förstå fördelarna med Data Warehouse som en tjänst, överväga att ha en enhetlig data warehouse- och data lake-arkitektur, eller utnyttja DevOps-funktioner. Men innan dess kan du behöva överväga:

• Hur kommer informationen att användas?

• Skulle du planera för data science-kompetenser?

• Vilken är den befintliga infrastrukturen baserad på i organisationen?

• Definiera visionen och värdet av datastyrning

• Kartläggning av intressenter och ansvarsområden

| ”Själen har en speciell plats bland Infinity Stones. Man kan säga att den har en viss visdom” - Röd Skull till Thanos

Vad är en organisations själ? Vissa skulle säga datan, vissa skulle säga människorna, vissa skulle säga värderingarna. Men för en "datadriven" organisation skulle själen vara datan, eftersom hela processen att bestämma vilken data som ska samlas in, vilken data som ska användas, hur den ska lagras och hur den ska användas kretsar kring data.

Och det första steget i denna resa, som är vår själssten, är dataanalys (efter att ha bestämt sig för datainfrastruktur, dvs. ett datalager eller en sjö). Detta steg innebär att bestämma vilken typ och vilket stadium av analys organisationen ska befinna sig i: deskriptiv, diagnostisk, prediktiv, preskriptiv och kognitiv analys.

De flesta användningsfall inom analys är specifika för en viss bransch, så jag skulle inte gå in på det. Men generellt sett kan man använda tidigare data för att hitta användbara insikter, använda data för att förbättra processer eller till och med identifiera intäktskällor eller kostnadsställen. Innan du ger dig in i dataanalys kan du därför behöva tänka på:

• Vilka problem vill du lösa?

• Är era anställda utbildade för att hantera förändringen eller plattformarna?

• Har ni formulerat standardoperationsförfarandet eller processen för att implementera dataanalys?

• Vilken teknik används och hur kom ni fram till den?

| ”Kuben är en dörröppning till andra änden av rymden.” - Hawkeye

Rymdsten ger användaren makt över utrymmet. Vad skulle utrymmet egentligen vara för en organisation? De flera hierarkerna, divisionerna, affärsenheterna eller till och med flera produkt-SKU:er? Oavsett vad du väljer finns det ett verktyg som låter dig bryta ner data i lager och även visa den som en enda konsoliderad rapport. Inga överraskningar här, det är Business Intelligence.

Med rätt BI-implementering ger du användarna möjligheten att skapa en dörröppning mellan data och användare på ett sätt som alla förstår. Självbetjänande BI med interaktiva dashboards, rapportering och analysprocesser gör det enkelt även för icke-dataanvändare.

Business Intelligence är användbart för att ha en effektiv rapporteringsmekanism som låter användarna bestämma nivåerna för delning av rapporter och säkerheten för datadelning, vilket också gör styrningen enklare. Några av de frågor att tänka på innan du bestämmer dig för rätt BI-verktyg för din organisation är:

• Hur många olika datakällor ska integreras för analys?

• Skulle ni behöva att plattformen erbjuder publik, privat, hybridmoln eller lokal tillgänglighet?

• Har den inbyggda AI- och ML-funktioner eller måste den implementeras separat?

• Vilka offentliga och dokumenterade API:er finns tillgängliga för att anpassa och integrera applikationer?

| Tidsstenen ger sin ägare möjligheten att spola tillbaka eller snabbspola tiden framåt.

Tid – det är ett knepigt koncept, eller hur? Jag går inte in på fysiken, men det är ett svårt koncept att manipulera och tänka på. Men det finns flera sätt att se på det ur ett dataperspektiv. Ett sätt kan vara beräkningskraften hos de algoritmer du skriver och att bestämma vilken algoritm som skulle vara bäst lämpad för data, som logistisk regression kontra slumpmässig skog etc., vilket skulle falla under området datavetenskap eller avancerad analys.

Ett annat liknande koncept skulle vara prediktiv analys. Det handlar om att använda historiska data för att göra förutsägelser om framtiden med hjälp av statistisk modellering, maskininlärning och datautvinning. Några exempel på detta är bedrägeriprediktion, churn-prediktion med anställda, identifiering av produktrekommendationer etc.

Även om användningsfallen kan vara branschspecifika är ett vanligt krav oavsett bransch att man har kapaciteten, dvs. Data Lake-infrastruktur, data scientists, specifika programvarukrav etc., innan implementeringen av Advanced Analytics . Några av de få saker att tänka på när det gäller data science-kapacitet är:

• Behöver ni några ytterligare infrastruktur- och datakrav utöver de befintliga?

• Vilken nivå av ML- och AI-kapacitet krävs?

• Behöver du förståelse för NLP eller NLU?

• Baserar du din analys på öppen källkodsprogramvara eller licensierad programvara? Har dina användare möjlighet att arbeta med dem?

| "Verkligheten är ofta en besvikelse. Det vill säga, det var den. Nu kan verkligheten vara vad jag vill." - Thanos

Tekniskt sett är verkligheten inte alltid en besvikelse. Men ibland betyder det bara att du är underförberedd. Men hur kan du förstå de många möjligheterna och planera för dem? Efterfrågeplanering, kapacitetsplanering etc. kan göras, men hur kan du vara säker på att verkligheten blir som planerat, och det är här scenarioplanering kommer in i bilden.

En sådan planeringsplattform, som Anaplan, kan göra det möjligt att se flera scenarier i en enda vy. Det du kan göra är att titta på alla möjligheter och välja en verklighet som passar dig bäst. Den kan också hjälpa dig att integrera flera informationskällor med dess integratorer, API:er och kopplingar.

Det bästa är att de kan anpassas och utformas enligt din organisations hierarki eller datakrav och flera scenarier kan planeras därefter. Några saker att tänka på när du funderar på en EPM som Anaplan är:

• Vilka datapunkter måste integreras? Hur snabbt bör data uppdateras?

• Vill du ha flera projekt integrerade under flera affärsenheter?

• Vilka är de viktigaste parametrarna du vill hålla koll på?

• Vilka hierarkinivåer vill du ha i beslutsprocessen?

| Tankestenen. Det är en av de sex oändlighetsstenarna, den största kraften i universum, oöverträffad i sina destruktiva förmågor. - Thor

Tankar är komplicerade och oftast underrepresenterade. Det är detta vi vill prata om med tankestenen – att förstå organisationens "tankar". En färdplan för vilken som helst av ovan nämnda tjänster kan göras, presenteras och förklaras. Men vad är det viktigaste? Implementeringen och förändringsledningen.

Att omvandla de genererade insikterna till något handlingsbart och få människor att arbeta med dem är den faktiska uppgiften. En av anledningarna till att företag misslyckas med sina initiativ är bristande användaranpassning, dvs. att de inte vidareutbildar eller omskollar för att passa de föränderliga initiativen, och även bristande engagemang från ledningen.

Prata därför med personalen innan hela implementeringsprocessen och se till att de är okej med förändringen. Annars kommer personalen att återgå till sina gamla rapporterings- eller analysprocesser och lämna hela implementeringen i spillror. Några viktiga saker att tänka på är:

• Vilken utbildningsnivå behövs för att användarna ska kunna implementera den nya tekniken?

• Vilken styrningsmekanism finns på plats för att säkerställa ett effektiviserat genomförande?

• Har implementeringen en återkopplingsslinga i mekanismen?

Knäpp loss!

Kombinera kraften hos flera stenar för att bli den - datadrivna organisationen, eller använd kraften hos en enda för att bemästra ett element. Underskatta bara inte kraften i data.

Friskrivning: Alla seriefigurer och idéer som nämns här, samt relaterade bilder som används, tillhör Marvel Comics exklusiva egendom. Några av de referenser som använts kommer från Marvel Cinematic Universe och denna gång från artikeln .