[ad_1]

در سال 2016 ، شرکت Dell Technologies اولین نظرسنجی تحول دیجیتال (DT Index) ما را برای ارزیابی بلوغ دیجیتالی مشاغل در سراسر جهان سفارش داد. از آن زمان ، ما هر دو سال یکبار این نظرسنجی را برای پیگیری بلوغ دیجیتالی کسب و کار سفارش می دهیم.

سام گروکوت معاون ارشد بازاریابی تجاری در Dell Technologies استبه

سومین مشارکت ما از شاخص DT ، که در سال 2020 (سال همه گیری) راه اندازی شد ، نشان داد که “ازدحام داده ها / ناتوانی در استخراج اطلاعات از داده ها” سومین مانع بزرگ برای تغییر است ، در مقایسه با مکان یازدهم در سال 2016 یک جهش بزرگ است. از پایین به نزدیک بالای موانع تحول دیجیتال.

این یافته ها به یک پارادوکس عجیب و غریب اشاره می کند – داده ها می توانند مانع شماره یک تحول کسب و کار شوند. در حالی که همچنین بزرگترین دارایی آنها است. برای کسب اطلاعات بیشتر در مورد علت وجود این پارادوکس و مکانهایی که مشاغل به بیشترین کمک نیاز دارند ، ما مطالعه ای را از مشاوره Forrester Consulting سفارش کردیم تا عمق بیشتری پیدا کند.

مطالعه به دست آمده ، بر اساس نظرسنجی از 4036 مدیر ارشد مسئول استراتژی داده شرکت های آنها ، با عنوان: کشف چالش های داده ای که بر تجارت در سراسر جهان تأثیر می گذارد،، در حال حاضر برای خواندن در دسترس است

صادقانه بگویم ، این مطالعه نگرانی های ما را تأیید می کند: در طول یک دهه ، بسته به میزان آمادگی کسب و کار برای داده ها ، داده ها برای بسیاری از شرکت ها به عنوان یک بار و یک مزیت تبدیل شده است.

در حالی که فارستر چندین پارادوکس از داده ها را که امروزه مانع تجارت می شوند شناسایی کرد ، سه تناقض اصلی برای من ظاهر شد.

1. تناقض ادراک

دوسوم پاسخ دهندگان می گویند که تجارت آنها توسط داده ها اداره می شود و می گویند “داده ها منبع حیاتی سازمان آنها است.” اما تنها 21 درصد می گویند که آنها داده ها را به عنوان سرمایه تلقی می کنند و استفاده از آنها را در تجارت امروز اولویت بندی می کنند.

واضح است که در اینجا وقفه ای وجود دارد. برای شفافیت بیشتر ، فارستر اندازه گیری عینی از آمادگی داده های تجاری ایجاد کرده است (شکل را ببینید).

نتایج نشان می دهد که 88 درصد از شرکت ها هنوز فناوری و فرآیندهای داده و / یا فرهنگ و مهارت های داده خود را توسعه نداده اند. در حقیقت ، تنها 12 of از شرکت ها به عنوان قهرمان داده ها شناخته می شوند: شرکت هایی که به طور فعال در هر دو زمینه (فناوری / فرایند و فرهنگ / مهارت) مشارکت دارند.

2. تناقض “خواستن بیش از توان خود”

این نظرسنجی همچنین نشان می دهد که مشاغل به داده های بیشتری احتیاج دارند اما در حال حاضر داده های زیادی ندارند: 70 درصد می گویند که آنها سریعتر از آنچه که می توانند تجزیه و تحلیل کنند و از آنها استفاده می کنند ، جمع آوری می کنند ، اما 67 درصد می گویند که آنها دائماً به داده های بیشتری نسبت به قابلیت های فعلی خود نیاز دارند. پیشنهاد.

اگرچه این یک پارادوکس است ، اما وقتی به مطالعه به طور کلی نگاه کنید ، چندان شگفت آور نیست ، مانند سهم شرکت هایی که هنوز در سطح اتاق هیئت مدیره از داده ها حمایت نکرده اند و به استراتژی فناوری اطلاعات بازگشتند که نمی تواند مقیاس پذیر باشد (مانند پیچ و مهره برای چند حوضچه داده).

پیامدهای این تناقض عمیق و گسترده است. شش شرکت از 10 شرکت با سیلوهای داده مشکل دارند. 64 of از پاسخ دهندگان شکایت دارند که آنقدر داده دارند که نمی توانند الزامات امنیتی و رعایت آنها را برآورده کنند و 61 say می گویند تیم های آنها قبلاً از داده هایی که دارند غرق شده اند.

3. پارادوکس “تماشا بدون انجام”

در حالی که اقتصادها در طول همه گیری آسیب دیدند ، بخش تقاضا به سرعت رشد کرد و موج جدیدی از شرکتهای مبتنی بر داده را که برای آنچه استفاده می کنند پرداخت می کنند و فقط از آنچه مورد نیاز است استفاده می کنند-قطعاً از داده هایی که تولید و تجزیه و تحلیل می کنند.

اگرچه این شرکت ها در حال ظهور هستند و بسیار خوب عمل می کنند ، اما هنوز نسبتاً کوچک هستند. تنها 20 درصد از مشاغل بیشتر برنامه ها و زیرساخت های خود را به عنوان یک سرویس به مدل منتقل کرده اند-اگرچه بیش از 6 نفر از هر 10 نفر معتقدند که یک مدل به عنوان خدمات به شرکت ها اجازه می دهد تا انعطاف پذیرتر ، در مقیاس وسیع و بدون مشکل برنامه ها را ارائه دهند. به

دستیابی به موفقیت با هم

این مطالعه هشداردهنده است ، اما امیدی در افق وجود دارد. مشاغل به دنبال تجدید نظر در استراتژی های داده چند ابر خود با حرکت به یک مدل داده به عنوان سرویس و خودکارسازی فرایندهای داده با یادگیری ماشین هستند.

البته ، آنها باید کارهای زیادی برای شارژ پمپ های توزیع داده انجام دهند. با این حال ، راهی برای پیشرفت وجود دارد که ابتدا زیرساخت فناوری اطلاعات خود را ارتقا دهید تا بتوانند داده ها را در جایی که زندگی می کند ، جمع آوری کنند. این شامل نزدیک کردن زیرساخت ها و برنامه های تجاری به جایی است که داده ها باید ضبط ، تجزیه و تحلیل و تأثیرگذاری شوند ، در حالی که از رشد داده ها در حالی که یک مدل چند ابر سازگار را حفظ می کنید اجتناب می کنید.

دوم ، با بهینه سازی خطوط لوله داده به طوری که داده ها بتوانند آزادانه و ایمن با رشد از AI / ML حرکت کنند. و سوم ، توسعه نرم افزار برای ارائه تجربه شخصی و یکپارچه که مشتریان مشتاق آن هستند.

حجم خیره کننده داده ، تنوع و سرعت ممکن است برتر به نظر برسد ، اما با تکنولوژی ، فرایندها و فرهنگ مناسب ، مشاغل می توانند جانور داده را رام کنند ، با آن نوآوری کرده و ارزش جدیدی ایجاد کنند.

برای کسب اطلاعات بیشتر در مورد مطالعه ، به www.delltechnologies.com/dataparadox مراجعه کنید.

این محتوا توسط Dell Technologies تولید شده است. نوشته شده توسط MIT Technology Review.

[ad_2]

منبع: unbox-khabar.ir

ایندکسر