По мере того как ваши дети стареют, вопросы, которые они склонны задавать, приобретают неуловимую сложность. Когда они молоды и спрашивают вас о том, откуда берутся дети или почему их рыбки умерли, вы можете говорить правду. Однако по мере того, как они приближаются к взрослой жизни, вопросы и ответы приобретают нюансы мира взрослых. Когда мой самый старший, 19-летний, спрашивает меня, как мир будет выглядеть через 20 лет, потому что он разочарован состоянием сетевого нейтралитета, или окружающей средой, или бюджетным дефицитом, мой ответ совсем другой. Это не означает, что факты не важны; но, в зависимости от темы, вам необходимо рассмотреть ряд точек зрения. В прошлый раз, когда он спросил о будущем, я выбрал другой подход. Мой большой прогноз —
Я думаю, что люди и через 20 лет будут носить одежду.
Я использовал глупый пример, чтобы объяснить, что сосредоточение внимания на основополагающих элементах вашей жизни, как правило, является хорошей отправной точкой.
В отношении технологий мы должны думать так же.
Недавно я был на панели технической конференции «Будущее аналитики и как туда добраться». На панели нас было пятеро, каждый из которых имел десятилетнюю карьеру в области аналитики и данных. В прогнозах большинства участников дискуссии обсуждалось влияние искусственного интеллекта и машинного обучения, влияние цепочки блоков и так далее. Каждый пункт обсуждения был посвящен очень интересному и очень революционному набору технологий. Мой ответ был куда скучнее:
«Бизнес в ближайшей и среднесрочной перспективе подвергнется той же культурной революции, которую мы пережили в нашей личной жизни».
Полет на Марс — это увлекательно, но сначала нам нужно разработать правильную ракету и топливо.
Мышление мгновенного доступа к данным
Около года назад я стоял в очереди службы безопасности TSA в аэропорту Далласа. Стоя около 15 человек в очереди, я схватил свой телефон, чтобы сгенерировать мобильный посадочный талон. Именно в этот момент я обнаружил, что забронировал обратный рейс не на тот день. Со мной был молодой консультант, он выглядел обеспокоенным и спросил меня, что я собираюсь делать. Это было просто. В течение следующих 90 секунд между обнаружением моей ошибки и моей очередью предъявить посадочный талон и удостоверение личности я воспользовался своим телефоном, чтобы забронировать новый рейс, обменял существующий на новый билет и создал новый посадочный талон.
Это современное ожидание данных. Будь то изменение моего рейса, разговор с Amazon Alexa на моей кухне, проверка моего банковского баланса или обзор ресторана — данные для управления моей личной жизнью доступны почти мгновенно.
За последнее десятилетие мы стали принимать это как норму в нашей личной жизни, но в мире бизнеса мы застряли в ожидании информации, необходимой для принятия важных решений, в течение нескольких дней, недель или месяцев. Мои сыновья не помнят время, когда не было смартфонов. Их жизненный опыт определяется доступом к данным. Когда они присоединятся к профессиональной рабочей силе, среди миллионов таких же людей, концепция ожидания информации, необходимой для принятия решения, будет не только казаться чуждой, но и неприемлемой с культурной точки зрения.
Предприятия развиваются в зависимости от потребностей рынка и конкурентного давления; но они часто вынуждены развиваться в зависимости от потребностей и отношения своей рабочей силы.
Поддержка будущих бизнес-ожиданий
Поместим это в контекст других предсказаний — существующих предсказаний. Машинное обучение, искусственный интеллект, общая автоматизация и т. д. — все эти технологии будущего требуют одного — фундаментальной платформы данных, которая была бы адаптируемой и достаточно мощной для предоставления информации каждому процессу и человеку. Это не самый захватывающий аспект потенциального будущего ландшафта для анализа данных; но, как и в случае с одеждой, это то, что нам нужно делать.
Хранилища данных, витрины данных и вторичные структуры легли в основу стратегий работы с данными за последние 30 лет; однако ожидания в отношении доступа к данным и гибкости изменились на культурном уровне. Сама природа изменения данных (виртуального или физического), будь то звездообразная схема, куб или какая-либо другая форма, противоречит концепции гибкости.
Устаревший подход к ответам на бизнес-вопросы, как правило, состоит из пяти шагов:
- Определите вопросы, на которые бизнес хочет ответить.
- Определите данные в исходных системах.
- Постройте многомерную модель, чтобы ответить на эти вопросы.
- Поместите платформу отчетности в многомерную модель.
- Повторите шаги 1–4 для последующих вопросов.
Этот процесс не только дорогостоящий, но и занимает слишком много времени — часто месяцы или годы. Самое главное, он скрывает правду. Получить сегодня ответ на вопрос, который вы задали вчера или неделю назад, — это неправда. Это правда вчерашнего дня, и она может соответствовать или не соответствовать текущей реальности вашего бизнеса.
Вместо этого представьте себе современную основу, которая устраняет ненужное моделирование, интегрируется с машинным обучением и передовыми алгоритмами и доставляет данные бизнес-пользователям в режиме реального времени.
Имея в виду будущие состояния, я рискну и сделаю еще одно предсказание. Успех в аналитике будет заключаться не только в золотых ценностях, найденных в ваших данных о клиентах, показателях вовлеченности веб-сайта или некоторых неструктурированных данных из вашего озера данных. Успех требует и скучных вещей — новой основы для современной бизнес-стратегии. Не сбрасывайте со счетов скучность; иногда скучно может быть красиво.
Хотите узнать больше? Свяжитесь со мной по адресу [email protected]
