De meeste organisaties zijn het belang gaan inzien van datagedreven werken. Om te kunnen concurreren in een digitale economie, is het essentieel om beslissingen en acties te baseren op nauwkeurige gegevens, zowel realtime als historisch. Gegevens over klanten, toeleveringsketens, de economie, markttrends en concurrenten moeten uit talloze bronnen worden geaggregeerd en gecorreleerd.
Maar het enorme volume aan gegevens in de wereld zal naar verwachting tussen 2020 en 2025 bijna verdrievoudigen tot maar liefst 180 zettabyte. Dat maakt het onhaalbaar voor gewone stervelingen om het strategisch te benutten zonder enige geautomatiseerde hulp. Dit is waar kunstmatige intelligentie (AI) om de hoek komt kijken.
Hoe introduceert u AI in uw data- en analyse-infrastructuur? Voor bedrijven die verankerd zijn in decennia-oude bedrijfs- en IT-processen, datakoninkrijken en legacy-systemen, lijkt de taak misschien onoverkomelijk. Dat is het niet, maar het vereist misschien een heroverweging van bovenaf over workflows en denkwijzen.
1. Ontwikkel een strategie om gegevens vrij te maken
Als uw bedrijf momenteel bepaalde gegevens afschermt om de toegankelijkheid tot bepaalde afdelingen te beperken, is het vrijgeven ervan in de hele organisatie een essentiële eerste stap. Het doel is dat alle besluitvormers – van de CEO tot de eerstelijnsmedewerker – werken met een actuele, holistische versie van de waarheid. Het zien en analyseren van gedeeltelijke gegevens, gegevens die niet in hun context staan of verouderde gegevens kunnen beslissingen op het verkeerde been zetten en ongelukkige gevolgen hebben.
Om een betere toegang tot gegevens mogelijk te maken, start u een gesprek tussen bedrijfsleiders en IT-leiders om: bekijk hoe gegevens momenteel in uw organisatie stromen. Bepaal wie de “eigenaar” is van de gegevens en welke controlemechanismen er zijn om toegang te krijgen. Dit onderzoek helpt u bij het identificeren van de organisatorische en infrastructuurveranderingen die nodig zijn om toegang tot gegevens in het hele bedrijf te krijgen.
2. Gegevens consolideren
Consolidatie creëert een enkele bron van waarheid waarop beslissingen, acties en rapporten kunnen worden gebaseerd. Welk(e) type(n) opslagconsolidatie u gebruikt, hangt af van de gegevens die u genereert en verzamelt.
Een optie is een data lake – on-premises of in de cloud – dat onverwerkte gegevens opslaat in elk type formaat, gestructureerd of ongestructureerd, en dat in totaal kan worden opgevraagd. Een andere optie is een datawarehouse, waarin verwerkte en verfijnde gegevens worden opgeslagen. Als u kiest voor een datawarehouse, definieert u stamgegevens om eenvoudig zoeken mogelijk te maken. Dit is bijvoorbeeld van belang als verschillende afdelingen dezelfde informatie op verschillende manieren ordenen en classificeren. U wilt één record dat consequent doorzoekbaar en toegankelijk is.
Mogelijk hebt u redenen om een data lakehouse en mogelijk andere, speciaal gebouwde datastores te runnen. Het is belangrijk om ze allemaal met elkaar te verbinden in een veilig, goed beheerd systeem. Virtualiseer vervolgens uw gegevens zodat zakelijke gebruikers geaggregeerde zoekopdrachten en analyses kunnen uitvoeren met behulp van de business intelligence- of data-analysetools van hun keuze.
3. Stel uniforme regels en processen voor gegevensbeheer in
Met data-integratie komt een vereiste voor gecentraliseerde, uniforme data governance en beveiliging. Deze taak omvat het opstellen van consistent beleid voor gegevens, services en applicaties die de juiste balans vinden tussen gegevensbeveiliging, nalevingsmandaten en productiviteit van werknemers.
Raadpleeg uw Stap 1-inventarisatie van eigendom en toegankelijkheid van gegevensbronnen. Maak een kaart van welke middelen voor wie toegankelijk moeten worden gemaakt. Het toepassen van een zero-trust beveiligingsbenadering beperkt de toegang tot alleen die gebruikers en applicaties die dit nodig hebben en is al snel een best practice geworden. Het is ook enorm voordelig om een gegevenscatalogus of een ander gecentraliseerd beheermechanisme in te zetten dat automatisch gegevens ontdekt, labelt en catalogiseert, zodat u uw beleid allemaal op één plek kunt beheren en controleren.
4. Overweeg om analytics-as-a-service in te zetten
Om business units op een kosteneffectieve en veilige manier toegang te geven tot de gegevens en deze te gebruiken, kunt u een analytics-as-a-service-model creëren. Elke afdeling of business unit krijgt een “werkplek” toegewezen binnen de uniforme data-infrastructuur. Bedrijfseenheden kunnen hun eigen gegevens inbrengen en toegang krijgen tot de superset van gegevens die zijn verzameld uit alle andere verschillende bronnen.
5. Begin klein met AI
Datagestuurd en automatiseren met AI en machine learning (ML) algoritmen kan overweldigend lijken. Het is het beste om het in behapbare stukken te breken. Overweeg bijvoorbeeld om een enkele, meetbare use case voor AI te identificeren waarmee u aan de slag kunt met een proof of concept (PoC) die een opstap kan zijn naar andere initiatieven.
Focus op een specifiek zakelijk probleem dat moet worden opgelost. Denk goed na, van begin tot eind, van de haalbaarheid van implementatie tot het identificeren van de belangrijkste prestatie-indicatoren (KPI’s) die u zult gebruiken om het rendement op investering (ROI) en het succes van projecten te meten. Een voorbeeld is een productiebedrijf dat defecte onderdelen wil detecteren wanneer ze in de fabriek aankomen om het aantal defecte producten dat van de lopende band komt te verminderen en de bijbehorende reparatiekosten onder garantie te verlagen.
Resultaten die u kunt verwachten
Data-analyse aangedreven door AI heeft een schat aan zakelijke kansen gecreëerd. Inzichten die zijn verzameld uit realtime en historische gegevens stellen leiderschapsteams in staat zich snel aan te passen aan onverwachte veranderingen, klantervaringen te verbeteren, voorspellender te worden en automatisering te gebruiken om processen te stroomlijnen om operationele kosten en tijd te besparen. Uit onderzoek van Dell Technologies blijkt dat organisaties die AI hebben geïntegreerd in hun bedrijfsvoering, gemiddeld 92% minder downtime hebben gehad, 39% hogere IT-productiviteit en 19% lagere bedrijfskosten.
Dell Technologies gevalideerde ontwerpen voor AI leveren reken-, opslag- en netwerkinfrastructuur op basis van bewezen AI-expertise en gevalideerd door echte succesverhalen van klanten. Lees voor meer informatie ons witboek “AI-oplossingen verplaatsen van concept naar productie”.
***
Intel®-technologieën brengen Analytics vooruit
Gegevensanalyse is de sleutel tot het ontsluiten van de meeste waarde die u uit gegevens in uw hele organisatie kunt halen. Om een productieve, kosteneffectieve analysestrategie te creëren die resultaten oplevert, hebt u hoogwaardige hardware nodig die is geoptimaliseerd om te werken met de software die u gebruikt.
Moderne data-analyse omvat een reeks technologieën, van speciale analyseplatforms en databases tot deep learning en kunstmatige intelligentie (AI). Net beginnen met analyses? Klaar om uw analysestrategie te ontwikkelen of uw gegevenskwaliteit te verbeteren? Er is altijd ruimte om te groeien en Intel staat klaar om te helpen. Met een diep ecosysteem van analysetechnologieën en partners versnelt Intel de inspanningen van datawetenschappers, analisten en ontwikkelaars in elke branche. Lees meer over geavanceerde Intel-analyses.
