بر طبق تحقیقات گارتنر، ۸۷% از سازمان‌ها از تحلیل داده و یا سامانه هوش تجاری نابالغ استفاده می‌کنند؛ این مساله باعث ایجاد چالش بزرگی برای سازمان‌هایی می‌شود که می‌خواهند ارزش داده‌هایشان را بالا ببرند و یا از تکنولوژی‌های تحلیلی جدید مثل یادگیری ماشین استفاده کنند.

این سازمان‌ها از نظر دسته بندی‌ای که گارتنر برای تحلیل داده و IT در نظر گرفته است، در گروه کسب و کارهای ابتدایی یا فرصت‌ گرا طبقه‌بندی می‌شوند. این دسته از نظر گارتنر از سیستم هوش تجاری‌ای استفاده می‌کند که اساسا بر مبنای تحلیل‌های مبتنی بر صفحه گسترده (مانند گزارش‌گیری در اکسل) است. سازمان‌های متعلق به گروه فرصت‌ گرا کسب و کارهایی هستند که از هر واحد سازمان به طور مجزا درخواست می‌کنند تا تحلیل‌ها و گزارش‌هایی را که برای تصمیم گیری نیاز دارد، خودش به طور مستقل آماده کند که در این رویکرد، هیچ رهبری و دستورالعمل مرکزی‌ای وجود ندارد.Melody Chien، تحلیلگر داده ارشد موسسه گارتنر، می‌گوید: “استفاده از سامانه ‌هوش تجاری نابالغ یا سنتی مانعی بزرگ در مقابل رهبرانی است که قصد دارند هوش تجاری سازمان را مدرنیزه کنند. این موضوع هم‌چنین تاثیر منفی‌ای روی جریان کار تحلیل داده می‌گذارد.”

به گفته خانم Chien، سازمان‌هایی با بلوغ پایین هوش تجاری ویژگی‌های مشترکی دارند که سرعت گسترش BI را کاهش می‌دهد. از جمله این ویژگی‌ها می‌توان به موراد زیر اشاره کرد:
زیرساخت‌های ابتدایی یا قدیمی IT، همکاری محدود بین واحد فناوری اطلاعات و کاربران سامانه هوش تجاری، داده‌هایی که ارتباطی با خروجی کسب وکار ندارند، هوش تجاری‌ای که عملکرد آن فقط به گزارش‌گیری محدود شده است و گلوگاه‌هایی که توسط گروه IT به علت ساخت دیتابیس‌ها و طراحی مدل هوش تجاری ایجاد شده است.

خانم Chien باور دارد که سازمان‌ها با بلوغ پایین می‌توانند از موفقیت سازمان‌های بالغ درس بگیرند. اگر چرخ را دوباره اختراع نکنند و همان اشتباهات را دوباره تکرار نکنند، تحلیل‌گران داده در سازمان‌های با بلوغ پایین می‌توانند بیشترین استفاده را از منابع فعلی خود برای سرعت بخشیدن به استقرار هوش تجاری مدرن و شروع پیشرفت به سطح بالاتری از هوش تجاری ببرند. گارتنر می‌گوید چهار مرحله وجود دارد که تحلیل‌گران ارشد داده می‌توانند در زمینه‌های استراتژی، مردم، مدیریت و فناوری دنبال کنند تا توانایی سازمان‌های برای تأثیر بیشتر در صنعت تکامل یابد:

 

  1. استراتژی تحلیل داده جامع و چشم‌انداز روشن داشته باشید

 

سازمان‌های با بلوغ پایین در هوش تجاری، اغلب با کمبود داده و استراتژی‌های تحلیل آن در سطح شرکت مواجه می‌شوند. در این کسب وکارها هر واحد سازمان خودش پروژه‌های تحلیل داده را به‌صورت جداگانه انجام می‌دهد، که نتیجه آن وجود سیستم‌‌های جزیره‌ای و فرآیندهای ناسازگار می‌شود.

تحلیل‌گران ارشد داده باید برای توسعه یک استراتژی جامع BI با مدیران IT و رهبران کسب وکار هماهنگ شوند. آنها همچنین باید استراتژی را به عنوان یک فرآیند پویا و ادامه‌دار ببینند، طوری‌که بتوانند هرگونه تغییر در کسب وکار یا بازار را تحت نظر داشته باشند.

 

  1. ایجاد ساختار سازمانی انعطاف‌پذیر، بهره بردن از منابع تحلیلی و آموزش مداوم تحلیل داده

 

کسب وکارها باید کارکنان، مهارت‌ها و ساختارهای کلیدی را در اختیار داشته باشند تا توانمندی‌هایشان را از این طریق توسعه دهند. آنها باید نیازهای آینده را پیش‌بینی کنند و اطمینان حاصل کنند که نیروی انسانی با مهارت‌های مناسب را برای پاسخگویی به آن‌ها در اختیار دارند، توسعه یافته‌اند یا به عنوان سازمانی قابل اتکا در زمینه تحلیل داده و استراتژی‌های تحلیلی شناخته می‌شوند.

توانایی تحلیل داده به صورت درون سازمانی در کسب وکارها محدود است؛ بنابراین تحلیلگران ارشد داده باید با ایجاد تیم‌های متخصص هوش تجاری به صورت مجازی، برای دست یافتن به مدل صحیح تحلیل داده بکوشند.

 

  1. برنامه حاکمیت داده را اجرا کنید

 

اکثر سازمان‌هایی که هوش تجاری در آن‌ها به بلوغ نرسیده است، برنامه‌ای رسمی برای حاکمیت داده در دست ندارند. ممکن است در مورد آن فکر کرده باشند و اهمیت آن را درک کنند، اما نمی دانند از کجا شروع کنند. تحلیلگران ارشد داده می توانند حاکمیت داده را، قاعده‌ی بازی بدانند. این قوانین می تواند اهداف کسب وکار را پشتیبانی کنند و همچنین سازمان را قادر سازند تا فرصت‌ها و خطرات موجود در فضای دیجیتال را متعادل کند. حاکمیت داده همچنین چارچوبی است که حقوق تصمیم گیری و حوزه اختیارات را که باید در تحلیل داده اعمال شود، توصیف می کند.

 

  1. پلتفرم تحلیل داده یکپارچه‌ای داشته باشید که طیف گسترده‌ای از کاربردها را پشتیبانی کند

 

سازمان‌هایی که هوش تجاری در آن‌ها به بلوغ نرسیده است اغلب زیرساخت‌های ابتدایی IT دارند. سیستم‌های هوش تجاری آن‌ها سنتی‌تر و مبتنی بر گزارش‌گیری هستند، در همان سیستم‌های ERP جاسازی شده‌اند و یا ابزارهای گزارش‌گیری ساده‌ای هستند که از کاربردهای محدودی پشتیبانی می‌کنند.

برای رسیدن به بلوغ هوش تجاری، تحلیلگران ارشد داده باید از سیستم‌های تحلیل داده یکپارچه استفاده کنند که زیرساخت‌های فعلی آنها را گسترش داده و شامل فناوری‌های تجزیه و تحلیل مدرن است.

 

 

نتایج نظرسنجی ارائه شده در این مطلب براساس ۸۱۳ پاسخ جمع آوری شده از Gartner’s IT Score برای تجزیه و تحلیل داده از اکتبر ۲۰۱۷ تا ژوئن ۲۰۱۸ است.

 

منبع