Некоторые вещи не меняются даже во время пандемии. Как и в предыдущие годы, в Состояние ИТ-директора в 2021 г. Согласно опросу, из 1062 опрошенных ИТ-руководителей многие выбрали «анализ данных / бизнес-аналитику» в качестве технологической инициативы №1, которая, как ожидается, приведет к инвестициям в ИТ.

К сожалению, аналитические инициативы редко бывают такими же успешными, когда дело доходит до удовлетворения заинтересованных сторон.

В прошлом году ИТ-директор Мэри К. Пратт предложила отличный анализ почему инициативы по анализу данных до сих пор терпят неудачу, включая некачественные или разрозненные данные, расплывчатые, а не целевые бизнес-цели и неуклюжие универсальные наборы функций. Но ряд свежих подходов и технологий снижает вероятность подобных ошибок.

В этом пакете статей от ИТ-директор, Computerworld, ОГО, InfoWorld, а также Сетевой мир, вы найдете советы и примеры, которые помогут убедиться, что ваши собственные аналитические усилия приносят пользу. Эти инициативы, как правило, напоминают проекты разработчиков – даже когда задействованы коммерческие продукты – и имеют те же четко определенные цели и повторяющиеся циклы, которые определяют успешные результаты разработки программного обеспечения.

Чтобы получить общую картину, начните с учебника InfoWorld «Как добиться успеха с помощью аналитики данных»Автора Боба Виолино. В этой четко написанной статье Виолино охватывает все основы: создание аналитических центров передового опыта; преимущества решений самообслуживания (например, Tableau или же Power BI); захватывающие возможности для машинное обучение; и переход к решениям облачной аналитики. Виолино расширяет этот последний пункт во второй статье, на этот раз для ИТ-директора: «Аналитика в облаке: основные проблемы и способы их преодоления. » По его наблюдениям, масштабируемость облака и обилие инструментов аналитики могут быть непреодолимыми, но перенос больших объемов данных компании в облако и обеспечение их безопасности может оказаться тяжелым приключением.

Новые технологии неизменно сопряжены с новыми рисками. Никакой прогресс не оказал более значительного влияния на аналитику, чем машинное обучение – от автоматизации подготовки данных до выявления значимых закономерностей в данных – но он также добавляет непредвиденную опасность. Как объясняет старший писатель CSO Люсьен Константин в своей книге “Как атаки с отравлением данных портят модели машинного обучения, «преднамеренно искаженные данные, введенные злоумышленниками, могут склонить модели к какой-то гнусной цели. Результатом может быть, скажем, изменение рекомендаций по продукту или даже возможность хакеров вывести конфиденциальные базовые данные.

Без сомнения, у аналитики есть темная сторона, как подтверждает Мэтью Финнеган в статье Computerworld «Аналитика совместной работы: да, вы можете отслеживать сотрудников. Вы должны?«Сбор и анализ метаданных о взаимодействиях пользователей на платформах для совместной работы имеет свои законные преимущества, такие как способность выявлять узкие места в общении или оптимизировать взаимодействие с сотрудниками. Но те же платформы можно использовать в качестве систем мониторинга сотрудников, которые нарушают конфиденциальность и ухудшают доверие между руководством и всеми остальными.

На более легкой ноте рассмотрим этот прекрасный пример использования аналитики, повышающей удовлетворенность пользователей: “Высшая лига бейсбола делает ставку на видимость в сети.«В статье для Network World, старший редактор Энн Беднарз исследует, как MLB использует программное обеспечение для анализа сетевых потоков в своей инфраструктуре, чтобы гарантировать игрокам и фанатам стабильную производительность сети – от начала до конца, от Wi-Fi в рабочих местах до облачных сервисов.

Эти усилия по развертыванию единой сетевой аналитики для оптимизации взаимодействия с пользователем начались всего два года назад, главным образом потому, что новый главный инженер-программист по автоматизации сети MLB увидел в этом необходимость. Его осознание преодолело, пожалуй, самый важный барьер на пути к успеху аналитических инициатив: культурную инерцию.

В конце концов, секрет успешной аналитики заключается не в выборе и внедрении совершенной технологии, а в формировании широкого понимания того, что всеобъемлющая аналитика дает лучшие решения и лучшие результаты. Обычно можно сгладить технологические изломы или недопонимание требований. Но если вы не можете изменить образ мышления, мало кто воспользуется только что созданной вами красивой аналитической машиной.

Авторские права © 2021 IDG Communications, Inc.


#взглядов #на #современную #аналитику #данных

Source link