Algunas cosas no cambian, incluso durante una pandemia. Como en años anteriores, en la Encuesta sobre el estado del CIO de 2021 del CIO, una pluralidad de 1.062 gerentes de TI encuestados eligieron “análisis de datos / negocios” como la iniciativa tecnológica número uno destinada a impulsar la inversión en TI.
Leider schneiden Analyseinitiativen im Hinblick auf die Zufriedenheit der Stakeholder selten so gut ab.
Letztes Jahr hat Mary K. IOC Associate Pratt lieferte eine hervorragende Analyse, warum Datenanalyseinitiativen immer scheitern, einschließlich schlechter Qualität oder isolierter Daten, vager statt fokussierter Geschäftsziele und seltener, universeller Funktionssätze. Doch eine Reihe neuer Ansätze und Technologien machen diese Rückgänge unwahrscheinlicher.
In diesem Bündel von Artikeln von CIO, Computerworld, CSO, InfoWorld und Network World finden Sie Tipps und Beispiele, die Ihnen dabei helfen können, sicherzustellen, dass sich Ihre eigenen Analysebemühungen auszahlen. Diese Initiativen ähneln tendenziell Entwicklungsprojekten, selbst wenn es sich um kommerzielle Produkte handelt, und haben dieselben klar definierten Ziele und iterativen Zyklen, die erfolgreiche Softwareentwicklungsergebnisse auszeichnen.
Um einen allgemeinen Überblick zu bekommen, beginnen Sie mit dem InfoWorld-Leitfaden „How to Excel at Data Analysis“ von Bob Violino. In diesem perfekt geschriebenen Artikel behandelt Violino alle Grundlagen: Einrichtung von Zentren für analytische Exzellenz; die Vorteile von Self-Service-Lösungen (wie Tableau oder Power BI); die spannenden Möglichkeiten des maschinellen Lernens; und der Übergang zu Cloud-Analytics-Lösungen. Violino entwickelt diesen letzten Punkt in einem zweiten Artikel, diesmal für den CIO: „Cloud Analytics: Die größten Herausforderungen und wie man sie bewältigt.“ Wie Sie bemerkt haben, können die Skalierbarkeit der Cloud und die schiere Anzahl an Analysetools überwältigend sein, aber die Migration großer Mengen an Unternehmensdaten in die Cloud und deren Sicherung kann ein spannendes Abenteuer sein.
Neue Technologien bringen immer auch neue Risiken mit sich. Kein Fortschritt hat einen größeren Einfluss auf die Analyse gehabt als maschinelles Lernen, von der Automatisierung der Datenaufbereitung bis hin zur Erkennung sinnvoller Muster in Daten, aber es bringt auch unvorhergesehene Gefahren mit sich. Wie CSO-Redakteur Lucian Constantin in „How Data Poisoning Attacks Machine Learning Models“ erklärt, können absichtlich voreingenommene Daten, die von böswilligen Hackern eingeschleust werden, Modelle auf ein schändliches Ziel lenken. Die Folge könnten beispielsweise manipulierte Produktempfehlungen oder auch die Möglichkeit für Hacker sein, auf sensible zugrunde liegende Daten zu schließen.
Es besteht kein Zweifel daran, dass Analytics eine dunkle Seite hat, wie Matthew Finnegan in dem Computerworld-Artikel „Collaborative Analytics: Yes, you can track states“ bekräftigt. Sollte? „Das Sammeln und Analysieren von Metadaten über Benutzerinteraktionen auf kollaborativen Plattformen hat legitime Vorteile, wie etwa die Möglichkeit, Kommunikationsengpässe zu erkennen oder die Mitarbeitererfahrung zu optimieren.“ Dieselben Plattformen können jedoch als Mitarbeiterüberwachungssysteme verwendet werden, die in die Privatsphäre eingreifen und das Vertrauen zwischen dem Management und allen anderen schwächen.
Betrachten Sie in einer etwas leichteren Form diese großartige Fallstudie zur Steigerung der Benutzerzufriedenheit durch Analysen: „Major League Baseball Races Toward Network Visibility.“ Chefredakteurin Ann Bednarz untersucht für Network World, wie MLB in seiner Infrastruktur Software zur Netzwerkflussanalyse einsetzt, um sicherzustellen, dass Spieler und Fans gleichermaßen über eine konsistente Netzwerkleistung verfügen: End-to-End, WLAN in der Zentrale und Cloud-Dienste.
Diese Bemühungen zur Implementierung einheitlicher Netzwerkanalysen zur Optimierung des Benutzererlebnisses begannen erst vor zwei Jahren, vor allem weil der neue leitende Softwareentwickler für Netzwerkautomatisierung bei MLB die Notwendigkeit dafür erkannte. Seine Verwirklichung überwand das vielleicht wichtigste Hindernis für den Erfolg analytischer Initiativen: kulturelle Trägheit.
Letztendlich liegt das Geheimnis erfolgreicher Analysen nicht in der Auswahl und Implementierung der perfekten Technologie, sondern darin, das umfassende Verständnis zu kultivieren, dass allgegenwärtige Analysen zu besseren Entscheidungen und besseren Ergebnissen führen. Es kann in der Regel technische Probleme oder Missverständnisse über Anforderungen lösen.
<p>Copyright © 2021 IDG Communications, Inc.</p>