Топ-10 тенденций бизнес-аналитики в 2022 году
Что происходит в области данных, бизнес-аналитики (BI) и аналитики в 2022 году? Мы подвели итоги мониторинга тенденций BARC на 2022 год и представили вам десятку наиболее важных тенденций.
Исследовательский центр бизнес-приложений (BARC) - ведущая отраслевая аналитическая и консалтинговая фирма в области бизнес-программного обеспечения. В своем недавнем опросе BARC опросила почти 3000 пользователей, консультантов и поставщиков о том, что, по их мнению, станет наиболее важными тенденциями в области бизнес-аналитики, аналитики и управления данными в 2022 году.
Результат показывает, какие тенденции считаются наиболее заметными широкой группой профессионалов в области BI и аналитики. Их ответы дают ценную информацию о развитии и будущем бизнес-аналитики.
Как и в прошлом году, компании все еще пытаются позиционировать себя на будущее, создавая прочную основу для управления данными. Как и в 2020 году, 2021 год не был годом серьезных тенденций ажиотажа. Вместо этого компании сосредоточились на первопричинах своих проблем, таких как качество данных, а также на целостном формировании культуры, основанной на данных.
Качество данных и управление основными данными пять лет подряд считаются наиболее важной тенденцией. Это согласуется с результатами других опросов BARC, которые неоднократно показывают, что компании постоянно сталкиваются с проблемами, связанными с недостаточным качеством данных.
Давайте немного углубимся в каждую из десяти тенденций:
1. Управление основными данными/качество данных
BARC отмечает, что существует простая причина, по которой качество данных и управление данными находятся в тренде на рынке: правильные решения могут основываться только на правильных и актуальных данных. Поэтому для принятия правильных решений необходимо быть уверенным в правильности полученных данных.
Целью управления основными данными является сбор и обмен данными, такими как основные данные о клиентах, поставщиках или продуктах, в нескольких системах.
2. Культура, основанная на данных
Одним из самых больших изменений в современном деловом мире является переход от изолированного и ориентированного на проекты использования компьютеров к более широкому бизнесу, основанному на данных. В этом контексте управление данными означает, что все решения и процессы в бизнесе основаны на данных.
Организации меняют свою стратегию с предоставления доступа к данным и аналитическим данным лишь нескольким избранным людям на распространение данных по всей организации, чтобы каждый мог принимать решения, основанные на данных.
Данные должны стать частью организационной идентичности. У сотрудников должна быть общая цель - улучшать и развивать организацию и самих себя за счет использования данных.
3. Управление данными
В отличие от BI или управления анализом, которое заключается в подготовке и представлении данных для систем управления бизнесом, управление данными фокусируется на фактических данных в этих системах.
Управление данными необходимо в качестве механизма для стратегии обработки данных, которая учитывает, как бизнес-стратегия преобразуется в данные и анализ.
Таким образом, управление данными необходимо для реализации стратегии в области данных и содержит правила и рамки для управления, мониторинга и защиты данных. Это делается с учетом людей, процессов и технологий.
Создание системы управления данными - это долгосрочная задача. Прежде всего, это требует четкого и осознанного управленческого решения о том, как работать с данными и использовать их.
4. Обнаружение и визуализация данных
Обнаружение данных заключается в обнаружении закономерностей и/или расхождений в данных. Визуализация данных - это то, как представить данные нужным людям в нужное время. Таким образом, эта тенденция направлена на обеспечение доступности данных.
Разработки в области обнаружения данных и визуализации данных происходят, в частности, в двух областях. Улучшение руководства пользователями и автоматизации является приоритетной задачей для многих поставщиков в этой отрасли.
Машинное обучение в большей степени используется для руководства аналитиками и автоматизации задач на всех этапах, от подготовки данных до визуализации. Кроме того, функции обнаружения данных все чаще встраиваются в платформы анализа и BI, так что данными можно легко обмениваться со всей организацией.
5. Аналитика самообслуживания
Аналитика самообслуживания уже давно входит в список пожеланий многих компаний и по-прежнему имеет высокий приоритет. Пользователи требуют, чтобы данные были доступны в любое время, в любом месте и на любом устройстве.
Предприятия больше не сосредотачиваются исключительно на предоставлении возможностей самообслуживания. Они также хотят демократизировать доступ к данным, обеспечивая при этом согласованность и высокое качество данных и результатов.
6. Модернизация хранилищ данных
Старый ландшафт хранилища данных стал слишком сложным для поддержки плавного развития и часто обходится слишком дорого. Кроме того, модель внедрения устарела, поскольку она не разработана и не оптимизирована для того, как вы работаете с аналитикой сегодня.
Все больше компаний понимают новые вызовы и видят потенциал и возможности, которые открываются благодаря современным хранилищам данных. Инновацией в технологии хранения данных является автоматизация хранилища данных. Это экономит время и упрощает работу с ETL.
ETL расшифровывается как “извлечение, преобразование, загрузка” и представляет собой три процесса, которые вместе перемещают данные из баз данных в хранилище данных. Предприятия сейчас начинают видеть огромные возможности, которые открываются с помощью этих методов.
7. Гибкая разработка BI
В последние годы термин “гибкий” все чаще используется в связи с бизнес-аналитикой. Этот термин часто используется, когда речь идет о разработке крупных ИТ-решений. В настоящее время он также часто используется при разработке компьютерных моделей, отчетов, информационных панелей и визуализаций.
Большинство людей, которые используют термин "гибкий BI", используют этот термин, чтобы выразить свои ожидания того, что старые, существующие решения BI и организации BI будут быстрее поддерживать изменения в бизнес-процессах, которые обеспечивают баланс между самообслуживанием и традиционным выполнением проектов.
Гибкий BI требует, чтобы компания применяла итеративный подход к разработке при тесном сотрудничестве бизнеса и ИТ. Многие компании организационно не готовы к этому, и некоторые организационные структуры, возможно, потребуется изменить.
В идеале гибкая разработка BI также должна поддерживаться гибким управлением проектами, которое итеративно управляет планированием, сбором требований, а также автоматическим тестированием.
8. Предупреждения
Оповещение не является новой функцией в рамках анализа и BI, но в последнее время приложение значительно изменилось. Уведомления всегда были направлены на экономию времени, обеспечивая надлежащую концентрацию внимания пользователей.
Прежний подход требовал четкого определения того, что имеет отношение к делу, и поэтому он не оправдал того, что было обещано. В последнее время оповещения были улучшены за счет перехода от предопределенной релевантности к машинным рекомендациям, основанным на шаблонах использования.
9. Аналитика в реальном времени
Более быстрая отчетность и анализ данных являются сложной задачей для многих компаний. Существует растущая потребность в предоставлении данных в режиме реального времени для поддержки более быстрого и основанного на фактах принятия оперативных решений.
Аналитика в реальном времени означает практически мгновенную обработку или потоковую передачу бизнес-информации. Затем вы сможете фиксировать события или другие новые данные сразу после их возникновения, и они будут готовы для визуализации или анализа.
10. Подготовка данных
Возможность подготовки ваших данных является очень важным компонентом для достижения хороших результатов с помощью BI. Подготовка данных - это процесс, в ходе которого пользователи очищают, структурируют и обогащают данные для использования в анализе. Цель подготовки данных - превратить необработанные данные в ценную информацию, которую можно использовать для ответа на конкретные бизнес-вопросы.
Постоянная потребность в подготовке данных показывает, что эта задача все чаще переходит от ИТ к бизнес-пользователям. Поэтому важно обеспечить хорошее сотрудничество между ресурсами разработки в области ИТ и бизнес-пользователями.
Удобные и интуитивно понятные инструменты, обеспечивающие автоматизацию на основе машинного обучения, важны для повышения эффективности и качества подготовки данных. Важность управления данными в этом процессе трудно переоценить.
Краткое описание опроса BARC
Тенденции, выявленные в опросе BARC, показывают, что компании готовы начать управлять своими собственными данными и использовать их. Кроме того, они показывают, что компании заботятся о высоком качестве данных и эффективном их использовании.
Таким образом, это указывает на то, что компании хотят выйти за рамки простого сбора как можно большего количества данных и скорее иметь возможность активно использовать данные хорошего качества для улучшения своих решений. Это также подтверждается тенденцией модернизации хранилищ данных.
Также вы можете ознакомиться с полным списком недобросовестных брокеров.
Комментарии (0)