6 strategicznych imperatywów dla strategii dotyczącej danych

Według badania MIT Technology Review Insights Survey, strategia danych przedsiębiorstwa wspiera istotne cele biznesowe, w tym zwiększenie sprzedaży, poprawę wydajności operacyjnej i skrócenie czasu wprowadzania produktów na rynek. Może również pomóc organizacjom wejść na nowe rynki produktów lub usług, a także poprawić innowacyjność, utrzymanie aktywów fizycznych i ESG.

Problem polega na tym, że obecnie tylko 13% organizacji osiąga sukcesy w realizacji swojej strategii dotyczącej danych. Typowe bariery obejmują dobrze znane silosy danych i ich powielanie, a także dalsze kwestie systemowe związane z ograniczoną ilością, niską jakością i trudnym dostępem do danych.

Zobacz również:

Przedstawiamy sześć strategicznych imperatywów, które pomogą połączyć strategię z biznesem.

Dostosuj się do strategii biznesowych w zakresie technologii i wzmocnij je

Podobnie jak w przypadku większości strategii specyficznych dla technologii, ważne jest, aby połączyć je z nadrzędnymi strategiami IT i biznesowymi. Strategia dotycząca danych nie tylko powinna być świadoma tego, co znajduje się w strategiach IT i biznesowych, ale także powinna być osadzona w tych strategiach, pomagając im odblokować jeszcze większą wartość biznesową dla organizacji.

Według Sama Ansari, dyrektora generalnego platformy inżynierii danych i uczenia maszynowego (ML) Accure, w obecnej erze cyfrowej dane ewoluowały od zwykłego produktu ubocznego do kluczowego paliwa, które napędza innowacje i sukces biznesowy. Strategicznie wykorzystując dane, organizacje zyskują przewagę konkurencyjną, odblokowując możliwości rozwoju. CIO powinni priorytetowo traktować adaptowalną infrastrukturę technologiczną, która eliminuje silosy danych, zapewnia bezpieczeństwo i zarządzanie oraz obejmuje ujednoliconą platformę horyzontalną do usprawnionego zarządzania danymi, zmniejszając złożoność integracji, wymagania dotyczące wykwalifikowanej siły roboczej i koszty.

Poznaj sposoby monetyzacji danych

W licznych branżach, w zależności od tego, w jaki sposób klienci konsumują i wydobywają wartość z produktów i usług, na danych można zarabiać na wielu warstwach stosu technologicznego, od samych surowych danych i danych z różnymi formami przetwarzania końcowego, zastosowanymi w celu uzyskania dodatkowych informacji, po dane konsumowane za pośrednictwem narzędzi do wizualizacji i analizy oraz dane konsumowane za pośrednictwem aplikacji branżowych, takich jak digital twins.

Na przykład w branży architektonicznej, inżynieryjnej i budowlanej (AEC) scenariusze te mogą obejmować dane geoprzestrzenne, takie jak zdjęcia lotnicze oferowane bezpośrednio za pośrednictwem strony internetowej obsługującej handel elektroniczny, fotogrametrię jezdni i mostów opartą na dronach z analizą defektów opartą na sztucznej inteligencji, taką jak Manam, dane o natężeniu ruchu wizualizowane za pośrednictwem platformy GIS, takiej jak Urban SDK, lub dane dotyczące ładowania pojazdów elektrycznych dostarczane przez cyfrowego bliźniaka na żywo.

W tym miejscu należy skupić się na rozważeniu wszystkich sposobów, w jakie klienci obecnie i w przyszłości będą wykorzystywać dane. Na przykład, chociaż niedawne zawalenie się mostu I-95 w Filadelfii było zdarzeniem nieprzewidywalnym, starsze systemy zarządzania mostami mogą prawdopodobnie skorzystać na rozszerzeniu o analizę defektów AI, a nawet na modernizacji lub zastąpieniu ich platformami digital twin w czasie rzeczywistym, w celu uzyskania modelu przeszłości, teraźniejszości i przyszłości.

Wykorzystanie automatyzacji, analizy danych i AI/ML

Wiele współczesnych platform danych wykracza poza tradycyjną relacyjną bazę danych, hurtownię danych i hurtownię danych, zapewniając wbudowaną obsługę automatyzacji i AI/ML. Istnieją również platformy do inżynierii danych i AI/ML bez użycia kodu, dzięki czemu zwykli użytkownicy biznesowi, a także inżynierowie danych, naukowcy i pracownicy DevOps mogą szybko opracowywać, wdrażać i czerpać wartość biznesową.

Umieszczając te platformy w centrum architektury danych, organizacja może uzyskać odskocznię do automatyzacji, analityki i projektów AI/ML, jednocześnie uzupełniając je o dodatkowych partnerów i inwestycje w celu uzupełnienia ekosystemu.

Integracja różnych źródeł danych

Integracja źródeł danych to kolejna strategia zapewniająca klientom dodatkowe informacje, którą można osiągnąć za pomocą środowisk 2D, takich jak pulpity analityczne i GIS, lub środowisk 3D, takich jak digital twins z funkcjami XR do wizualizacji, takimi jak Magic Leap i Apple Vision Pro.

Poszukaj możliwości połączenia własnych danych z danymi innych firm, w tym otwartymi danymi, w odpowiednich przypadkach, w celu uzyskania wartości dodanej oraz narzędzi, które obsługują pozyskiwanie, przekształcanie i integrację danych w celu zasilania różnych narzędzi analitycznych, w tym GIS i cyfrowych bliźniaków.

Uczynienie danych nieodłącznym elementem portfolio produktów i usług

Dane i analityka mogą być nieodłączną częścią portfolio produktów i usług. W rzeczywistości tak bardzo, że warto zmierzyć, jaki procent twojego portfolio wykorzystuje dane i analitykę jako część oferty i śledzić to w czasie. Świetnym sposobem na rozpoczęcie jest współpraca z innymi działami w celu dokonania samooceny ich obecnego odsetka, a następnie określenia, gdzie chcieliby się znaleźć w 2025 r. lub później, w oparciu o strategię cyfrową organizacji.

W jaki sposób dane mogą przekształcić projekty w produkty przynoszące przychody?

Jeśli twoja organizacja świadczy usługi konsultingowe, przychody są często napędzane przez jednorazowe projekty, a średni przychód na EPC jest ograniczony wielkością zaangażowania i stawkami rachunków, które są powszechne na rynku. Włączając dane do dostarczanych produktów, często można przekształcić je w strumień przychodów, w którym projekty te stają się oprogramowaniem, na którym można zarabiać za pośrednictwem modelu biznesowego SaaS.

W ten sposób można zarabiać nawet na aktywach fizycznych. Zakup aktywów jest jednorazową transakcją, ale dane otaczające ten zasób podczas jego codziennej eksploatacji mogą być monetyzowane przez cały okres jego eksploatacji. Jak podkreśliła firma konsultingowa Cognizant, nawet dane dotyczące użytkowania, które krążą wokół codziennego produktu o wartości 50 USD lub więcej, takiego jak elektryczna szczoteczka do zębów, mogą być spieniężane w ten sposób.

Oczywiście żaden zestaw imperatywów dla strategii danych nie byłby kompletny bez konieczności uwzględnienia ludzi, procesów i technologii. Tutaj omówiliśmy imperatywy biznesowe, ale aby to umożliwić, potrzebny jest szerszy zestaw imperatywów i rozważań technicznych (takich jak jakość i higiena danych), a także imperatywy i rozważania dotyczące zasobów (w tym umiejętności, kompetencje i szkolenia w zakresie danych). Poświęcenie czasu na kolejną strategię dotyczącą danych oraz na to, jak zarabiać i wydobywać wartość wewnętrznie, przyniesie korzyści w zakresie strategii automatyzacji i sztucznej inteligencji oraz ogólnych strategii IT i biznesowych.

Nicholas D. Evans jest dyrektorem ds. innowacji w WGI, firmie zajmującej się projektowaniem i profesjonalnymi usługami. Jest założycielem Thinkers360, a także Innovators360.

Artykuł pochodzi z CIO.com

Zgłoś naruszenie/Błąd