Использование ваших данных

Если бы ваш генеральный директор или ИТ-директор спросили вас, как вы помогаете своей организации использовать данные в ваших интересах, что бы вы ответили?

У вас есть ответ, когда речь идет о таких категориях расходов, как транспорт или косвенные товары? Подобные вопросы могут побудить вас искать новые инструменты, которые могут помочь.

При решении проблемы заставить ваши данные работать, первый вопрос:сохраняете ли вы все свои данные? Ежегодно совершаются миллиарды операций по закупкам - по оценкам, ежегодно в море теряется около 10 000 морских контейнеров, поэтому неудивительно, что сбор, сохранение и систематизация данных о закупках представляет собой проблему. Если вы пытаетесь сохранить данные эффективным образом, вы не одиноки. К счастью, данные переводятся в цифровую форму, и по мере того, как мы видим все больше и больше статей, в которых утверждается, что «данные - это новая нефть», появляется множество новых инструментов для их сохранения и организации.

Эффективное использование больших данных может принести существенные выгоды. Успех реальных приложений в сфере транспорта, снабжения и закупок требует времени и усилий. Например, город Брисбен, Австралия, смог уменьшить заторы на дорогах за счет использования точек данных и внесения нескольких изменений в сетку. UPS хранит 16 петабайт данных для принятия решений, обрабатывая более 39,5 миллионов запросов на отслеживание в день от клиентов. В результате ему удалось сохранить конкурентоспособность по сравнению с Amazon.

Так с чего же начать? Сначала появились инструменты бизнес-аналитики (B.I.), а затем в каждой категории были выделены дополнительные продукты, получившие название искусственного интеллекта. Однако немногие из этих А. и технологические компании машинного обучения смогли решить эту проблему из-за отсутствия систематизированных данных. Первым шагом на пути к успеху является сохранение данных.

Люди склонны к централизации. По оценкам, к 2025 году 68 процентов населения мира будет проживать в городских районах. Аналогичным образом, 65 процентов бизнес-команд предпочитают работать в рамках централизованных функций во всем мире. Хотя ни одна модель не работает для всех цепочек поставок, централизованное принятие решений, как правило, преобладает, когда крупнейшие компании передают ключевые функции на аутсорсинг для сокращения затрат. То же можно сказать и об управлении данными и аналитике. Наличие централизованной команды, которая может работать кросс-функционально в рамках цепочки поставок, поможет вашей организации лучше использовать возможности данных и принимать более обоснованные решения

Итак, какие данные следует использовать для достижения этих целей? Как сообщает Forrester, 74% фирм заявляют, что хотят «управлять данными», но только 29% действительно успешно соединяют аналитику с действиями. Вы помните последние 10 цитат вашего I.T. реселлер предоставил вашей организации такой же сервер? Как насчет последних 150 предложений на фрахт от вашего стороннего поставщика логистических услуг? Организации редко сохраняют все свои данные. Но то, что вы выбрали другого поставщика, не означает, что вам следует отказаться от его цен. Вы должны заставить эти данные работать.

Специалист по стратегии данных Брент Дайкс утверждает, что «практические идеи» являются вершиной пирамиды данных, которая состоит из шести уровней:согласованность, контекст, актуальность, специфичность, новизна и ясность. Как известно, I.T. предлагает лучшие скидки в четвертом квартале, но как вы можете использовать данные для прогнозирования поведения в другое время года или использовать размер вашей организации, чтобы получить лучшую цену? Способность определять положительные бизнес-результаты поможет вам достичь результатов за счет сужения сферы охвата и стремления к конкретной цели. Ваш новый яркий бренд B.I. инструмент не может этого сделать.

Лично я сохраняю свои данные. У меня есть план, и теперь пора пожинать плоды. Если вы пытаетесь сохранить конкурентное преимущество, заставьте свои данные работать. А.И. сегодня это действительно просто обширные модели машинного обучения или комбинация нейронных сетей. Компании, добившиеся успеха с помощью искусственного интеллекта и М. технологические партнеры - это те, кто стремится решать конкретные задачи с большими наборами данных. Собираетесь ли вы стать одним из них?

Тарек Аларури - соучредитель Fairmarkit .