آدرس : خیابان شیراز جنوبی - پلاک 20
مجتمع سبز - طبقه هشتم - واحد جنوبی
کد پستی: 1436953969
 
تماس با ما : 88058327-021
ایمیل : info@kankashgaranco.com


راه حل بهره مندی حداکثری از هوش تجاری

راه حل بهره مندی حداکثری از هوش تجاری
1397/08/12

نویسنده : dataversity.net اخبار

راه حل بهره مندی حداکثری از هوش تجاری

این سوال بی جواب مسئله متداول و مبتلا بهی در سازمانهاست. بگذارید باهم نگاهی بیندازیم به چالشهای پیش روی سازمانها در سال 2018 در زمینه هوش تجاری.


هرروزه سازمانها بر پایه گزارشهایی که به آنها کمک می کنند اطلاعات سازمانشان را درک کنند، تصمیمات راهبردی و عملیاتی روزانه خود را بنا می کنند. هر داشبورد مدیریتی یا کارت امتیازی از منابع متعدد و مختلفی اطلاعات لازم را فراخوانی می کند.
وقتی در سازمان کسی بگوید: "گزارش من ایراد دارد." معمولا به سراغ سازنده گزارش می رود تا اصلاحات لازم را انجام دهد.
اما چه کسی باید مسئول جوانب لازم یک گزارش باشد؟
آیا این نقش بعهده سازنده گزارش است یا تحلیلگر تجاری و یا تحلیلگر دیتا از سیستم؟
این سوال بی جواب مسئله متداول و مبتلا بهی در سازمانهاست. بگذارید باهم نگاهی بیندازیم به چالشهای پیش روی سازمانها در سال 2018 در زمینه هوش تجاری:
سازمانها معمولا فاقد دیتا یا ساختار تحلیلی مناسبند. هر دپارتمانی معمولا دیتای مورد نیاز خود را تولید می کند که قابل انتقال نیست.

  • سازمانها عمئدتا فاقد منابع، مهارتها و یا فناوری مناسب برای فعالسازی تغییراتی که یک راهبرد آینده-محور می تواند ارائه کند هستند.
  • فقدان داده های صحیح، بروز و دارای پیوستگی در منابع اطلاعاتی.
  • وجود توده عظیمی از دیتا در برابر فقدان فرهنگ و قابلیت انسانی جمع آوری، تحلیل و مدیریت صحیح آنها.
  • با وجود ابزارهای متعدد هوش تجاری، قابلیت پایه ای این ابزار به علت کیفیت پایین دیتا مورد استفاده قرار نمی گیرد.
  • ایرادات کیفی دیتا در مراحل ابتدایی راه اندازی پلتفرمهای هوش تجاری برای ثبت و تصحیح به سیستم بازنمی گردد.
اکتشاف منابع دیتای باکیفیت
زمانی که ما دیتای باکیفیت در سیستم خود داشته باشیم، گزارشها همواره صحیحند. بهمین دلیل پیشنهاد می شود به جای هزینه کردن برای درخواستهای پی در پی جدید از تامین کنندگان، بطور فعالانه ایرادات داده ها در سیستم ها و پردازشها را مدیریت کنیم که خودبخود منجر به افزایش کیفیت قابلیت های گزارش گیری می شود.
مدیریت فراداده
بهتر است تعاریف عناصر دیتا را ثبت و ضبط کنیم درحالیکه درک میکنیم آیا این عناصر در جوانب گزارش ها مورد استفاده قرار می گیرند یا خیر. ثبت این اطلاعات به تحلیلگر کمک می کند زمینه ای که یک عنصر در آن ایجاد شده را، همزمان با زمینه ای که در آن مورد استفاده قرار میگیرد، بهتر درک کند. همچنین، دانستن جوانب گزارشها به سازنده آن کمک می کند نقطه تمرکز مناسب را بهتر انتخاب کند.
ساختاربخشی به مدیریت کیفیت داده
مدیریت داده یا Data Governance می تواند در ساختاردهی یک گزارش کاری داده محور در یک سازمان کمک رسان باشد. مدیریت داده پروسه ای است که اطمینان حاصل می کند سیاست ها و مالکیت داده به شکل مناسب در سازمان اجرا شده باشند. تاکید در اینجا بر ساختاربخشی به کاربرد مدیریت داده در راستای نقشها و مسئولیتهای مالکیت داده است. بعلاوه این پروسه اطمینان حاصل می کند مدیریت داده بعنوان یک خدمت با تداوم به عنوان یک کاربری فعال در جهت مدیریت کیفیت دیتا مورد استفاده قرار گیرد.
استفاده حداکثری از ابزارهای موجود
در این که ابزارهای هوش تجاری باید بدوون ایراد باشند شکی نیست، اما در ادامه معمولا مشکلات از دیتای زیربنایی ناشی می شوند. در فرمهای موجود در سایر ابزار قابلیت هایی وجود دارند که می توانند کیفیت دیتای مورد استفاده برای گزارش گیری را تامین کنند. این قابلیت ها شامل امکان اصلاح مشکلات یا اعلان مشکل از طریق جریان کاری مشخص است.
جمع آوری دیتا و تصحیح داده کارکنان را در این جوانب درگیر می کند و این مسئولیت سازمان است که کیفیت دیتا را تایمن کند و نهایتا سازمان از این اقدامات منتفع خواهد شد.