Научниците за податоци имаат потреба од аналитички екосистем - Блог Sopra Steria
од страна на Лиза Шибор
21 септември 2020 година
во Корисно
Нема коментари
Во компаниите, носителите на одлуки честопати размислуваат: Ангажираме одлични научници за податоци и тие ги претвораат податоците во деловни или барем деловни идеи. Компаниите забораваат дека секој научник за податоци е добар само како аналитичкиот екосистем во кој работи.
Два вистини на дигитализација се: Додадената вредност на податоците е збир на важност, квалитет и употреба. И: само оние кои можат да ги претворат податоците во информации и увид можат да постават основа за успешно управување со компаниите. Пристапот до оваа информација е критичен. Корисниците треба да ги имаат вистинските информации за нивниот проект, нивната идеја и нивното барање, а пред сè брзо.
Класичните пристапи кон архитектурата на податоците, сепак, имаат тенденција да го забават пристапот до информации. Резултат: Научниците за податоци или деловните аналитичари кои, всушност, би требало да работат со полно работно време за да ја разработат техничката додадена вредност од податоците и информациите, треба макотрпно да ги бараат податоците релевантни за нив. Покрај тоа, тие треба да ги подготват овие податоци соодветно за нивните цели и да ги пренесат во нивната работна средина - повторно и повторно за секоја апликација. Остана многу време, што всушност е наменето за нивните основни задачи. Компаниите затоа ја промашуваат саканата додадена вредност или се премногу бавни за да ги генерираат.
Вистинска архитектура на податоци за секоја апликација
Во дигиталниот свет, од клучно значење е брзо да се прилагодат податоците и аналитиката на новите потреби за информации. Раздвојувањето помеѓу управувањето со податоци и анализата останува важно, така што компаниите можат целосно да го искористат потенцијалот на податоците и на нивните научници за податоци. Една компанија треба да го направи инженерството на податоци за нив. Ова се прави со градење на флексибилен аналитички екосистем: Ова се состои од референтна архитектура што овозможува флексибилна повторна употреба на податоците, технологиите и аналитичките компоненти.
Преглед на функционална компонента на аналитички целен пејзаж (извор: Sopra Steria)
Во такво мултимодално опкружување, корисниците можат да се вратат на аналитичките компоненти колку што е потребно, без секогаш да започнуваат од нула. Во зависност од тоа што корисникот има намера да стори, тој или таа ќе состави решение со комбинирање на одделни компоненти. Вработените во одделенијата можат сами да комбинираат анализа на податоци користејќи клучен збор „Контролиран самопослужување БИ“ и оптички да ги прикажат во форма на БИ контролна табла. Научниците за податоци можат многу флексибилно да ги соберат потребните податоци и аналитички компоненти за тестирање на нов случај на употреба. Ова бара дефинирана техничка хетерогеност со различна технологија за складирање, интеграција и анализа.
Суштината на управувањето со податоците
Прекумерното управување управува со овие компоненти. Интегрираното управување со квалитетот на податоците и метаподатоците го обезбедува потребниот квалитет на податоците, бидејќи агилните процеси за анализа на податоци бараат стабилна и доверлива база на податоци.
Доброто управување со податоците го пренесува хоџот на структурирани, неструктурирани, внатрешни и надворешни, контролирани од машини и контролирани од настани, блогови и кликстрим податоци преку индустриски развиени процеси и правила во складирање податоци и архитектури засновани на потреби. Анархијата на податоци станува демократска податоци.
Интеграција на податоците во аналитички екосистем (извор: Sopra Steria)
Се применува следново: Без оглед на улогата - без разлика дали е деловен аналитичар, инженер за податоци, стјуард за податоци или научник за податоци - секој работи во еден аналитички екосистем во кој правилата се јасни, секогаш кога е можно секој да се придржува до овие правила и да биде што е можно послободен во рамките на овој систем можно или потребно може да се движи.
Врз основа на целниот модел на зрелост biMM (Модел на зрелост на деловна интелигенција), Сопра Стериа редовно ја проценува зрелоста на пејзажите за БИ и аналитика со цел со сигурност да ги идентификува трендовите и односите и да започне одржлива оптимизација на процесите водени од податоци.
Предлог за читање: Објавувања на блогови од Ларс Шлемер, раководител на БИ заедницата во Сопра Стериа, на тема анализа на податоци.
Фото: Гети Имиџ/Доналд Иин Смит
Лиза Шибор
Лиза А. Шибор е консултант за БИ и Аналитика во Сопра Стериа. Нејзиниот главен фокус е на управување со податоци и дигитална трансформација и развива големи и паметни стратегии за податоци за банките.
Претплатете се на нашиот блог и редовно читајте објави
за дигитализација и дигитална совршеност.