در دنیای پرشتاب امروزی که اولویت‌های تجاری رقابتی دارد، ظرفیت فعال کردن تجزیه و تحلیل داده‌های سلف سرویس با مدیریت داده با اندازه مناسب کلیدی است. این توانایی موانع ساختاری بین محیط‌های داده‌ای مدیریت‌شده توسط فناوری اطلاعات و تصمیم‌گیری واقعی و مبتنی بر داده‌های تجاری را از بین می‌برد.
گرفتن
پارچه های داده – مدیریت داده مبتنی بر هوش مصنوعی که برای محیط های فدرال طراحی شده اند – بافت همبند بین داده ها، زیرساخت ها و نرم افزار هستند. پارچه‌های داده از کشف داده‌ها، قابلیت پیوند، کیفیت و حاکمیت پشتیبانی می‌کنند، در حالی که استفاده از اطلاعات چابک و قابل اعتماد در مقیاس را نیز تضمین می‌کنند.
همانطور که رهبران کسب و کار ارزش فرهنگ داده را تمجید می کنند و ستاره های شمالی خود را بر روی همه چیز مبتنی بر داده تنظیم می کنند، در نهایت با یک واقعیت ناگوار روبرو می شوند: محیط های داده سازمانی آنها نسبت به خواسته های آنها بیشتر است. بسیاری از انواع مختلف داده‌ها در مکان‌های مختلف ذخیره شده‌اند تا از تبدیل داده‌های معنادار پشتیبانی کنند. استخراج داده‌ها از چنین محیطی به مهارت‌های تخصصی نیاز دارد – و حتی در این صورت، نمی‌توانید به آن اعتماد کنید.
این وضعیت آنقدر رایج است که بیش از نیمی از پاسخ دهندگان به تحقیقات اخیر IDC گفتند که از حجم داده هایی که با آن کار می کنند غرق شده اند ، در حالی که تقریباً به همان اندازه (44٪) گفتند که داده های کافی برای حمایت از تصمیم گیری ندارند. 1 83 درصد از مدیران عاملی که می‌خواهند شرکت‌هایشان بیشتر مبتنی بر داده‌ها باشد، نیازی به جستجوی بیشتر ندارند تا بدانند چرا تلاش‌هایشان شکست می‌خورد. 2
این مشکلی است که دیتا فابریک برای حل آن طراحی شده است. پارچه های داده یک رویکرد مدیریت داده مدرن است که بر این فرض بنا شده است که تکثیر و تمرکززدایی داده ها ادامه خواهد داشت، بنابراین روش های سنتی مدیریت داده ها از طریق مخازن مدیریت مرکزی محکوم به شکست هستند. درعوض، بافت‌های داده حاکمیت فدرال را اعمال می‌کنند و از هوش مصنوعی برای اتصال هوشمندانه و پویا منابع داده متفاوت در سراسر یک شرکت، فهرست‌بندی آنها و در دسترس قرار دادن آنها برای استفاده در تجزیه و تحلیل داده در صورت لزوم استفاده می‌کنند.
پارچه‌های داده با معماری‌های موجود ادغام می‌شوند در حالی که به اندازه کافی چابک هستند تا منابع داده جدید را در زمان ظهور به هم متصل کنند. همراه با یک پلت فرم قوی تجزیه و تحلیل داده، پارچه های داده پتانسیل تجزیه و تحلیل سلف سرویس را باز می کند، و همه را قادر می سازد از داده ها با پیش بینی های مبتنی بر هوش مصنوعی، برنامه ریزی سناریو چه می شود، ساخت مدل هدایت شده، بینش ها و سایر تکنیک های علم داده استفاده کنند. با کلیک، نه با کد.
مصرف‌کنندگان داده بیشتر وقت خود را صرف جستجوی داده و آماده‌سازی آن می‌کنند، و مقدار کمی برای کاوش داده‌ها و یافتن بینش‌های تازه باقی می‌ماند. این یک مشکل مهم و رایج است: طبق گزارشی از Wakefield و Elastic، بیش از نیمی از متخصصان دفاتر آمریکایی می گویند که زمان بیشتری را صرف جستجوی فایل ها می کنند تا کار. 3 به عبارت دیگر، کارمندان شما در انجام کاری که پلتفرم های داده باید انجام دهند گیر کرده اند.
پارچه های داده برای خودکارسازی برخی از فرآیندهای آماده سازی و کشف داده ها، از جمله مدیریت خط لوله و کشف هوشمند داده ها، مجهز شده اند.
اداره بهداشت لیک کانتی و مرکز بهداشت اجتماعی در نزدیکی شیکاگو یک بافت داده نسل اول را برای هدایت تجزیه و تحلیل سلف سرویس و کاهش میزان مهندسی، محاسبات و منابع برنامه ریزی لازم برای تولید گزارش توسعه دادند. این مرکز 20 منبع داده و 36 برنامه کاربردی را به هم متصل کرد و بار تعمیر و نگهداری گزارش را تقریباً به چیزی کاهش داد و در عین حال تجزیه و تحلیل سلف سرویس را به بیش از 900 کارمند گسترش داد.
مقامات اداره بهداشت شهرستان لیک دریافتند که فرآیند گزارش دهی ساده بومی پلتفرم Tableau، تصمیم گیری سریعتر و توسعه پروژه داده را امکان پذیر می کند. با کاهش زمان تولید و ارائه سریع راه حل های جدید، اعتماد کاربران به فرآیند و استفاده از داده ها در مشاغل خود افزایش یافت. این برنامه به سرعت شتاب گرفت و بهره وری و هیجان را در مورد تجزیه و تحلیل افزایش داد و فرهنگ داده قوی را در سازمان تقویت کرد.
توضیح داد: «این ما را وادار کرد که به طور کامل درباره نحوه طراحی معماری داده خود تجدید نظر کنیم – از استراتژی انبار دور شده و بیشتر به سمت موقت حرکت می کنیم، جایی که تحلیلگران می توانند داده ها را به روش های چابک تری دستکاری و آماده کنند که به نیازهای تجاری سریعتر و مؤثرتر پاسخ دهد.» جفرسون مک میلان-ویلهویت، مدیر انفورماتیک و فناوری سلامت در بخش بهداشت شهرستان لیک و مرکز بهداشت جامعه.
مصرف‌کنندگان داده و مدیران داده‌های فناوری اطلاعات معمولاً مستقل از یکدیگر کار می‌کردند و به طور مؤثر نیازهای داده‌ای کسب‌وکار را از حاکمیت و قوانین امنیتی فناوری اطلاعات جدا می‌کردند. این نوع جداسازی به سرعت در حال منسوخ شدن است، زیرا کسب و کارها به طور فزاینده ای در مدیریت داده ها و حاکمیت سرمایه گذاری می کنند.
طبق گفته گارتنر ، «تا سال 2023، سازمان‌هایی که فرآیندهای هستی‌شناسی، معناشناسی، حکمرانی و سرپرستی مشترک دارند تا امکان اشتراک‌گذاری داده‌های بین سازمانی را فراهم کنند، از سازمان‌هایی که چنین نمی‌کنند بهتر عمل خواهند کرد». 4
استیون هیتل، معاون رئیس جمهور و رهبر نوآوری BI برای JP Morgan Chase (JPMC)، گفت که از نزدیک با سهامداران کسب و کار خود کار کرده و معماری مدیریت داده JPMC را بر اساس نیازهای آنها و با هدف ایجاد امکان سلف سرویس طراحی کرده است.
من ترجیح می دهم پلتفرمی ایجاد کنم که به کسب و کار اجازه دهد مشکلات خود را حل کند، زیرا ما [IT] هرگز همه آنها را نخواهیم شناخت. به همین دلیل است که من به استفاده از Tableau خود نزدیک شده‌ام – صرفاً به این دلیل که به آنها امکان می‌دهد به داده‌های خود متصل شده و آن‌ها را تجزیه و تحلیل کنند، کاری که قبلاً انجام می‌دادند.»
این ساختار داده در هسته آن است: متحد کردن کاربران تجاری و بخش‌های فناوری اطلاعات حول یک چشم‌انداز مشترک از داده‌های با کیفیت بالا و یکپارچه برای همه، صرف‌نظر از اینکه داده‌ها در کجا قرار دارند، بدون به خطر انداختن حاکمیت و امنیت.
1. بلاگ IDC، "هر مسیر دارای گودال های خود است: بهبود هوش سازمانی با هواپیمای کنترل داده"، آوریل 2021
2. IDC White Paper، با حمایت Tableau، "چگونه فرهنگ داده ارزش کسب و کار را در سازمان های داده محور تقویت می کند." Doc. #US47605621، می 2021
3. Wakefield و Elastic، "به وضعیت جدید یافتن خوش آمدید: جستجوی یکپارچه برای یافتن محتوای محل کار"، می 2021
4. گارتنر، «پیش‌بینی سال 2021: رهبران داده‌ها و تجزیه و تحلیل‌ها آماده موفقیت هستند، اما آینده نامشخصی را در معرض خطر قرار می‌دهند»، 1 دسامبر 2020. GARTNER یک علامت تجاری و علامت خدمات ثبت شده Gartner, Inc. و/یا شرکت‌های وابسته به آن در ایالات متحده است. و بین المللی است و در اینجا با اجازه استفاده می شود. تمامی حقوق محفوظ است.

source

توسط bookheart

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد.