حمایت مالی شد
اکنون هر سازمانی در حال جمع‌آوری داده‌ها است، اما تعداد کمی از آنها واقعاً مبتنی بر داده‌ها هستند. در اینجا پنج روشی که داده ها می توانند کسب و کار شما را متحول کنند آورده شده است.
ارائه شده توسط PwC

هر شرکتی در حال جمع‌آوری داده‌ها است، چه عادت‌های خرید مصرف‌کننده، داده‌های جمعیتی از منابع شخص ثالث یا بینش‌هایی از الگوهای آب‌وهوا. این خبر خوبی است – چندی پیش بود که این نوع اطلاعات مهم عمدتا نادیده گرفته می شد. اما این کافی نیست: شرکت‌ها باید از این داده‌ها برای اجرای هر بخش از تجارت خود استفاده کنند.
پیشرفت بیشتری وجود دارد: فقط 34٪ از مدیران در نظرسنجی اخیر PwC US Cloud Business می گویند که در حال دستیابی به نتیجه کسب و کار هدف خود در هنگام تصمیم گیری بهتر از طریق تجزیه و تحلیل داده های بهتر هستند. و تنها 16 درصد می گویند که ارزش قابل توجهی از داده های خود دریافت می کنند.
چه چیزی شرکت ها را عقب نگه می دارد؟ آنها بدهی های فنی ایجاد کرده اند – سرمایه گذاری در سیستم های قدیمی که تمایلی به کنار گذاشتن آن ندارند. آنها نمی توانند با نوآوری های جدید فناوری که به بازار می آیند، همگام باشند. و نگران هستند که کسب و کارشان نتواند با تغییرات کنار بیاید. همچنین کمبود سواد داده‌ای در شرکت‌ها به طور کلی وجود دارد، بسیاری از آنها در یافتن نحوه تصمیم‌گیری مبتنی بر داده و نحوه فعال کردن واقعی بینش‌ها مشکل دارند.
پنج روشی که داده ها می توانند سازمان ها را متحول کنند
برای نوسازی موفقیت آمیز، شرکت ها باید روی فناوری سرمایه گذاری کنند و تغییرات را به ویژه در مورد داده ها بپذیرند. بازده؟ شرکت شما می تواند سازنده تر، کارآمدتر و پاسخگوتر شود. در اینجا پنج راه وجود دارد که سازمان‌های داده‌محور می‌توانند ارزش بیشتری کسب کنند.
1. ایجاد تجربیات شخصی مشتری در دنیای فیزیکی و مجازی
اکثر شرکت ها می خواهند تجربیات شخصی را ارائه دهند. تنها راه برای انجام این کار استفاده از مقادیر قابل توجهی از داده های مشتری است – چه اطلاعات شخص اول که از خود مصرف کنندگان جمع آوری شده باشد و چه داده های شخص ثالث جمع آوری شده توسط سایر سازمان ها یا کنسرسیوم های داده. در حالی که برخی از بزرگ‌ترین خرده‌فروش‌ها محصولاتی را که می‌دانند مشتریانشان می‌خواهند در مقابلشان قرار می‌دهند، چه از طریق تبلیغات یا صفحه اول فروشگاه‌های آنلاینشان، شخصی‌سازی مبتنی بر داده‌ها تازه شروع شده است.
محیط های مجازی مانند متاورس، حوزه نوظهوری بعدی خواهد بود که می تواند سطح بالاتری از تجربه شخصی مشتری را ارائه دهد. برخلاف دنیای واقعی، جایی که فروشگاه‌های خرده‌فروشی محصولات را برای همه حمل می‌کنند، شرکت‌هایی که مشتریان خود را بهتر می‌شناسند، می‌توانند فروشگاه‌های بسیار شخصی‌سازی شده را در یک محیط مجازی ایجاد کنند که فقط نشان‌دهنده علاقه‌مندی یک شخصیت خاص است. مشتریان می‌توانند گزینه‌های لباس را جستجو کنند. سبک و ترجیحات رنگ آنها را شامل شود. هدف نهایی ارائه تجربه شخصی به افراد و افزایش تمایل به برند است.
2. ایجاد جریان های درآمدی جدید از طریق کسب درآمد از داده ها
بسیاری نشان می دهند که داده ها روغن جدید است. ما می بینیم که درست می شود، زیرا تعدادی از مشتریان ما شروع به درآمدزایی از اطلاعاتی که جمع آوری می کنند، کرده اند. در حالی که کسب درآمد از داده ها در سازمان یک امر مسلم است، کسب درآمد خارجی از اطلاعات یک تجارت به سرعت در حال گسترش است.
برای انجام صحیح این کار، شرکت‌ها باید روش‌های جمع‌آوری داده‌های خود را با کیفیت داده‌های بهتر و رعایت مقررات حفظ حریم خصوصی بهبود بخشند و باید بینش منحصربه‌فردی ایجاد کنند. با رایج‌تر شدن اشتراک‌گذاری داده‌ها، شرکت‌های پلت‌فرم‌های فناوری در سراسر صنایع در حال کار برای ایجاد مجموعه‌های داده‌ای هستند که دید 360 درجه‌ای از مشتری ارائه می‌دهند که به تنهایی به دست نمی‌آیند.
به عنوان مثال، یک بانک بزرگ و یک خرده فروش را در نظر بگیرید که با هم همکاری می کنند تا ببینید که چگونه تراکنش های مالی بر عادات خرید تأثیر می گذارد. این داده‌ها برای خرده‌فروشان ارزشمند است، اما آنها می‌توانند آن اطلاعات را به ارائه‌دهندگان مراقبت‌های بهداشتی بفروشند، که سپس می‌توانند از این داده‌ها برای ردیابی عادات غذایی و تأثیرگذاری بر سلامت و رفاه استفاده کنند.
3. توانمندسازی تصمیم گیری پایدار
مسائل زیست‌محیطی، اجتماعی و حاکمیتی (ESG) باعث می‌شود شرکت‌ها در نحوه انجام کسب‌وکار خود تجدیدنظر کنند. خواه تصمیم‌گیری در مورد مکان‌های ساختمان، مسیرهای زنجیره تامین آینده، یا میزان بیمه برای خرید باشد، تقریباً هر جنبه‌ای از عملیات تجاری تحت تأثیر ESG قرار می‌گیرد. ابزارهای هوش مصنوعی، که می‌توانند انواع اطلاعات را دریافت و تجزیه و تحلیل کنند – مانند الگوهای آب و هوا، مسیرهای تحویل بهینه و روند رشد جمعیت – به شرکت‌ها کمک می‌کنند تا تصمیم‌های بهتری برای ESG بگیرند.
به عنوان مثال، بسیاری از شرکت‌ها از داده‌ها استفاده می‌کنند تا ببینند که آیا باید در یک منطقه خاص انبار بسازند یا اینکه آیا تغییرات آب و هوایی در نهایت بر این عملیات تأثیر می‌گذارد. برخی دیگر از داده ها برای کاهش ردپای کربن خود استفاده می کنند. به عنوان مثال، یک شرکت بزرگ مواد شوینده می‌خواست با کاهش اندازه بسته‌بندی، انتشار گازهای گلخانه‌ای خود را کاهش دهد، اما در عین حال غلظت مواد شوینده را افزایش داد تا مصرف‌کنندگان بتوانند تعداد بارهای مشابه را بشویید. خرده فروش آن گفت که حتی با همان کارایی، اندازه کوچکتر ممکن است فروش نرود، زیرا مصرف کنندگان فکر می کنند بسته های بزرگتر معامله بهتری هستند. خرده‌فروش به‌جای پایبندی به اندازه بزرگ‌تر، از هر تولیدکننده مواد شوینده‌ای خواست تا بسته‌بندی خود را با نشان دادن اینکه چگونه می‌توانند همان تعداد بار را در یک ظرف کوچک‌تر نگه دارند و در عین حال پایدارتر می‌شوند، کاهش دهند. این قدرت تجزیه و تحلیل را ثابت کرد – یک شرکت به دلیل تصمیم گیری های به موقع مبتنی بر داده، کل بخش را تحت تأثیر قرار داد تا انتشار کربن خود را کاهش دهد.
4 . افزایش بهره وری
عصر دیجیتال همه چیز در مورد دقت فوق العاده است. با تجمیع، تجزیه و تحلیل و استفاده از داده های با کیفیت مناسب در زمان مناسب برای ارزیابی، پیش بینی و تجویز تصمیمات، شرکت ها می توانند بهره وری و ارزش منابع خود را به میزان قابل توجهی افزایش دهند.

برای مثال، تامین‌کننده جهانی خودرو ZF می‌خواست بازدهی را بین کارخانه‌های مختلف خود مقایسه کند. این برنامه یک برنامه تولید دیجیتال را ایجاد کرد که بر روی ابر Azure با هوش کارخانه PwC ساخته شده بود تا داده های عملکرد را بین هر مکان تجزیه و تحلیل کند. این شرکت با استفاده از تجزیه و تحلیل های پیشرفته، تجسم ها و گردش کار خودکار، هزینه های تبدیل را کاهش داده، عملکرد کلی را بهبود بخشیده و کارایی و اثربخشی نیروی کار را در بیش از 200 کارخانه خود افزایش داده است.

5. تقویت نوآوری محصول یا خدمات
وقتی صحبت از ایجاد محصولات و خدمات جدید می شود، داده ها یک تغییر دهنده بازی هستند. هرچه بیشتر در مورد یک مشتری بدانید، ایده بهتری در مورد انواع محصولاتی که ممکن است بخواهند خواهید داشت. با این حال، شرکت‌ها باید فراتر از داده‌های بزرگ بروند و شروع به بررسی آنچه که «داده‌های ضخیم» نامیده می‌شود را آغاز کنند تا از طریق طراحی انسان‌محور به طور مؤثر بر استفاده از محصول و خدمات تأثیر بگذارند.

در حالی که کلان داده در مورد این است که مردم پول خود را برای چه چیزی خرج کرده‌اند، زمانی که کالایی را خریداری کرده‌اند، و چقدر پرداخت کرده‌اند، داده‌های غلیظ بر رفتار انسان متمرکز است و انگیزه‌های افراد برای خرید چیزی و روش‌های استفاده از یک محصول را عمیق‌تر می‌کند. به عنوان مثال، یک شرکت اعتباری معمولاً با مشاهده الگوهای معاملات غیرعادی تقلب را شناسایی می کند. اما جمع‌آوری داده‌های غلیظ در مورد مشتریان تحت تأثیر کلاهبرداری و رفتار کلاهبرداران می‌تواند سطح جدیدی از پیچیدگی را به ارمغان آورد. با مصاحبه با افرادی که مرتکب کلاهبرداری شده‌اند و شناسایی انگیزه‌ها و الگوهای رفتاری آن‌ها، این بینش‌ها را می‌توان در تجزیه و تحلیل سنتی‌تر ردیابی کلاهبرداری گنجاند، که ترکیبی از آن‌ها به شرکت‌ها اجازه می‌دهد تا زمان وقوع کلاهبرداری را قبل از وقوع آن ردیابی کنند. این در نهایت منجر به راه حل های بهتر تقلب می شود.
تخصص داده و فناوری را با هم بیاورید
دستیابی به نتایج با ارزش راه حل های جدید و رویکرد متفاوتی به داده ها خواهد داشت. اکنون باید به این فکر کنید که داده های شما چه اقداماتی را می تواند ارائه دهد.
PwC و مایکروسافت با همکاری یکدیگر متوجه شده اند که درک اینکه «داده محور» واقعاً چگونه به نظر می رسد، چقدر چالش برانگیز است. بسیاری از کسب و کارها بر این باورند که جمع آوری اطلاعات و اجرای اعداد از طریق ابزار تجسم داده ها کافی است. در حالی که تجزیه و تحلیل پایه می تواند به شما کمک کند اطلاعاتی را در مورد چیزی که قبلاً اتفاق افتاده است به دست آورید، این نوع اطلاعات، وقتی با اقدام و نتایج واقعی همراه شود، می تواند به شما کمک کند آنچه را که در آینده ممکن است اتفاق بیفتد ارزیابی کنید و به شما بگوید که در مورد یک موضوع قبل از وقوع آن چه کاری می توانید انجام دهید. .
کاوش کنید که چگونه PwC و مایکروسافت از داده‌ها و آخرین فناوری ابری Azure، هوش مصنوعی و واقعیت ترکیبی برای تبدیل تجربیات، از زمین فوتبال به صنعت شما استفاده می‌کنند.
این محتوا توسط PwC تولید شده است. این توسط هیات تحریریه MIT Technology Review نوشته نشده است.
اولین پیوند قلب خوک اصلاح شده ژنتیکی به انسان ممکن است به دلیل یک خطر شناخته شده و قابل اجتناب، پیش از موعد پایان یافته باشد.
شرکت مادر فیس بوک از محققان دعوت می کند تا ایرادات نسخه GPT-3 خود را بررسی کرده و آن را جدا کنند.
پادشاهی نفتی نگران این است که جمعیتش با سرعتی سریع در حال پیر شدن است و امیدوار است داروها را برای معکوس کردن این مشکل آزمایش کند. اولین مورد ممکن است داروی دیابت متفورمین باشد.
Google Brain از هوش مصنوعی تصویرسازی خود به نام Imagen رونمایی کرد. اما انتظار نداشته باشید چیزی را ببینید که سالم نیست.
پیشنهادهای ویژه، داستان های برتر، رویدادهای آینده و موارد دیگر را کشف کنید.
از اینکه ایمیل خود را ثبت کردید، متشکریم!
به نظر می رسد مشکلی پیش آمده است.
ما در ذخیره تنظیمات برگزیده شما با مشکل روبرو هستیم. سعی کنید این صفحه را بازخوانی کنید و یک بار دیگر آنها را به روز کنید. اگر همچنان این پیام را دریافت می‌کنید، با فهرستی از خبرنامه‌هایی که می‌خواهید دریافت کنید، از طریق customer-service@technologyreview.com با ما تماس بگیرید.
گزارش‌های عمیق ما نشان می‌دهد که اکنون چه خبر است تا شما را برای اتفاقات بعدی آماده کند.
اشتراک در برای حمایت از روزنامه نگاری ما
© 2022 بررسی فناوری MIT

source

توسط techkhabari