Недавнее исследование в США показало: 85% руководителей компаний считают, что им осталось два года, чтобы пройти цифровую трансформацию организации, иначе они безвозвратно отстанут от своих конкурентов.
Хотим мы или нет, но такова реальность. Цифровая трансформация предприятия непосредственно основана на данных. Кто сможет использовать новые технологии для получения и использования информации, быстро создать и запустить новые бизнес-модели - тот выживет. Кто не сможет – вымрет в результате естественного отбора.
Эпоха цифрового дарвинизма
Будущее принадлежит цифровому предприятию, которое предвосхищает постоянно появляющиеся политические, технологические, рыночные и конкурентные вызовы, и превращает их в новые возможности. Цифровое предприятие выходит за рамки обычной бизнес-аналитики, предоставляя преобразованную информацию не только каждому подразделению или сотруднику, но и различным устройствам и компонентам.
Министр цифрового развития, связи и массовых коммуникаций РФ Константин Носков пообещал, что в ключевых российских министерствах появятся «директора по цифровой трансформации».
В ожидании вакансий в российских министерствах изучим тренды. Их семь: посмотрим им в лицо.
По оценкам Forrester в 2018 году:
- 25% компаний будут дополнять стандартную point-and-click аналитику голосовым интерфейсом, а в 20% компаний искусственный интеллект будет давать онлайн-рекомендации и принимать решения.
- Половина компаний будет использовать облака для Big Data.
- Ландшафт бизнес-аналитики станет таким же сложным, как трёхмерные шахматы - в 2018 году рынок Insights-as-a-Service удвоится.
Insights-as-a-Service представляет собой облачный сервис, который даёт компаниям идеи, а также предоставляет конкретные шаги и последовательности действий по использованию этих идей для достижения бизнес-целей организации.
Это ориентированные на действия аналитические облачные приложения и решения, работающие с большими данными. Ориентированность на действия и идеи отличает Insights-as-a-Service от других видов облачных решений (например, SaaS), которые позволяют пользователям выполнять анализ и создавать отчёты, но не связывают идеи с конкретными действиями или планами действий.
В 2018 году и в дальнейшем компании должны сосредоточить внимание не только на усилиях по подбору аналитиков, но и на усилиях по их удержанию, поскольку нехватка специалистов по BI продолжает расти. В отчёте PwC прогнозируется, что в 2020 году в США будет создано 2.7 млн. рабочих мест для специалистов по BI. И это будут не только традиционные инженеры или аналитики, такие специалисты будут в рамках всей компании.
Исследование Gallup:
- 59% работодателей в США заявили, что для всех финансистов и бухгалтеров к 2020 году потребуются знания в области аналитики;
- 51% ответили, что такие навыки потребуются всем менеджерам по продажам;
- 49% сказали, что они потребуются для всех руководителей;
- 48% считают, что это будет полезно для операционных менеджеров.
С учётом цифровой трансформации предприятий в России для отечественных предприятий также необходимы специалисты с подобным опытом.
Проблема заключается в том, что менее пяти процентов студентов сегодня проходят курсы по бизнес-аналитике. Поэтому необходимо не только искать состоявшихся специалистов, но и растить, обучать и готовить (а потом - удерживать) их в своём коллективе.
Аналитика в реальном времени и пакетная аналитика были разъединены. Но необходимо сравнивать данные в реальном времени с историческими данными.
В режиме реального времени просто нет всего того, что необходимо, включая исторические данных.
Представим себе розничный магазин с датчиками для измерения и мониторинга трафика в режиме реального времени. С историческими данными аналитическое приложение может прогнозировать наиболее выгодные категории продуктов, также рассчитать распределение трафика клиентов, торгового персонала, и порекомендовать оптимальные предложения клиентам.
Множество организаций используют и хранят данные из нескольких источников (структурированные и неструктурированные), и им нужно иметь возможность взаимодействовать с ними в режиме реального времени. Слияние исторических данных и данных в реальном времени позволяет создать множество новых эффективных аналитических инструментов.
В течении десятилетий человек взаимодействовал с компьютером с помощью клавиатуры и мыши. Обработка речи и естественного языка стала одним из самых значительных улучшений компьютерных интерфейсов с момента появления графического интерфейса пользователя.
Мы научились использовать эти устройства, но для нас это неестественно: язык - наш нормальный способ общения. Сейчас практически все устройства позволяют пользователям использовать речь.
Открываются новые возможности и для бизнес-аналитики, облегчающие использование аналитических приложений сотрудниками в рамках всей организации. Голос и интерфейсы ввода на естественном языке сегодня становятся реальностью. Предприятия должны изучать эти варианты и находить способы включения их в свои системы, чтобы максимизировать ценность своих инвестиций в технологии.
На рынке аналитики продолжится сближение технологий и инструментов внутри BI-систем. Темпы появления новых технологий в ИТ в общем, и в бизнес-аналитике в частности, всё выше и выше.
Помимо уже привычных в BI-системах мобильности, облачных вычислений, Big Data, Data discovery, на сцену выходят распознавание речи, дополненная и виртуальная реальность, машинное обучение, интернет вещей и т.п. В 2018 году эти технологии продолжат развиваться и сращиваться между собой в рамках BI.
Аналитика следующего поколения будет интегрирована с ИИ и машинным обучением. Поток данных от различных устройств интернета вещей будет настолько велик, что только с помощью ИИ можно будет анализировать большие данные и выдавать требуемые результаты. Различные технологии будут объединяться и пересекаться друг с другом, чтобы обеспечить наивысшую ценность.
Автоматизация аналитики - не новая идея. Эта старая концепция быстро совершенствуется и расширяется по всему жизненному циклу аналитики от поиска источников данных до формирования важных идей. Расширенная аналитика следующего поколения может автоматически подготавливать и очищать данные, создавать отчёты и панели, определять и оценивать ключевые идеи, отвечать на вопросы «Что, если..?», выдавать предложения и выявлять скрытые закономерности в океанах данных.
Ключевая тенденция в аналитике связана с развитием ИИ и машинного обучения, это позволит предприятиям создавать инфраструктуру данных и аналитику в режиме реального времени. В настоящее время все крупные разработчики BI-систем добавляют возможности ИИ и МО в свои существующие решения.
Быстрыми темпами растет EDGE (пограничная) аналитика, связанная с массовым увеличением различных подключенных устройств.
Множество устройств генерируют огромное количество данных, которые невозможно централизованно проанализировать, а Edge-аналитика обеспечивает решение. Она будет развиваться в ближайшие годы, вместе с увеличением количества устройств с поддержкой IoT: а это возможность анализировать данные в реальном времени в любой точке, где генерируются данные, будь то коммутатор, датчик или любое другое подключенное устройство.
Огромные объемы потоковых данных могут создавать трудности с управлением данными для предприятий: edge-аналитика поможет компаниям решать проблемы, связанные с централизованно анализируемыми данными, создаваемыми из множества подключенных устройств.
Третьей тенденцией является видеоаналитика. Поскольку использование видеокамер продолжает увеличиваться (смартфоны, планшеты, камеры наблюдения), видео становится еще одним источником ценных данных для бизнеса. Благодаря ИИ видеоаналитика может быстро анализировать огромные объемы потоковых данных, содержащихся в видео, в режиме реального времени.
Ярослав Макаров, коммерческий директор "Аплана. Центр Разработки"
Вам понравилось? Поставьте лайк и подпишитесь на новые статьи!