Estratégia de business intelligence empresarial

Quase todas as organizações lutam para transformar uma estratégia de Business Intelligence em um viável, modelo operacional coesa para as partes interessadas no negócio.

A falta de investimento, indiferença à qualidade dos dados eo esforço enorme obrigado a fazê-lo funcionar significa que muitos caem no esquecimento.

Qualidade de dados?

Boa qualidade de dados custa dinheiro, requer fortes controles de disciplina e de gestão – atributos que a maioria das organizações têm pouco apetite para.

Muitas organizações são atraídas longe de escalar o pico da Empresa Business Intelligence em “Big Data” e “analítica” ansioso para experimentar o admirável mundo novo da Ciência de dados onde os estatísticos de back office em salas escuras conjurar algoritmos que podem resolver muitos dos desafios organizacionais em um ritmo acelerado, ambiente em constante mudança.

Ciência dados

executivos de nível C frescos a partir da última conferência de pesquisa repleta de chavões tais como “Big Data”, “Análise Preditiva”, “Aprendizado de máquina” e Inteligência Artificial convocar uma reunião para anunciar que a organização precisa abraçar esta maneira nova e ágil de trabalhar.

As equipes são configuração e arquitetos ocupada começar branco-embarque, cientistas de dados são recrutados, fresco e ansioso em linha reta da Universidade.

Não importa o Big Data muitas empresas lutam para obter a sua pequena direito de dados e tropeçar no primeiro obstáculo descobrindo que as mesmas questões aplicável a Empresa de Business Intelligence são inerentes analytics;

• má qualidade dos dados, governança e controle
• falta de investimento
• recursos do núcleo esticada em outros projetos estratégicos críticos
• caros fornecedores de infra-estrutura de terceiros que se escondem por trás de seus SLA
• arquitetos de TI que promovem soluções céu azul que realmente não funcionam no mundo real e com siglas obscuras que confundem os usuários corporativos não técnicos.

Ágil – O que isso significa?

Muitos usuários empresariais estão ansiosos para fazer valer sua pretensão de “deles” dados e tomar o controle do mesmo a partir de departamentos de TI monolíticas percebidos apenas para perceber que eles não têm as habilidades e conhecimentos para realmente fazer uso ou o sentido dos dados.

Em seguida, é re-introduzida à estratégia.

As tensões em seguida, muitas vezes surgem a partir da mais estruturada, abordagem assegurou vs. a “ágil” maneira apresentadas pelas equipes de negócios encorajados com pouca compreensão do que realmente significa Agile (é uma abordagem de gestão de mudança organizacional e trabalhar melhor requer colaboração onshore, equipes holísticas – muitas vezes ignorando o fato de que 75% do núcleo de recursos de TI e habilidades foram off-escorada no último grande re-organização).

O resultado

O resultado muitas vezes pode ser $$ m de em plataformas desperdiçados, recursos e custos com fornecedor. Assim, muitas organizações embarcar esses projetos muitas vezes complicado e vastas sem ter qualquer tipo de estratégia – uma estratégia que muitas vezes é bastante simples de conceber, mas os líderes responsáveis ​​falta a coragem para promovê-lo por medo do fracasso.

As lições aprendidas são semelhantes em muitos tipos diferentes de projetos;

• desenvolve, comunicar e acordar uma estratégia clara
• construir um caso de negócios para apoiar o investimento
• garantir patrocínio
• empregar recursos com conhecimento de domínio especialista em vez de “cientistas de dados”

As recompensas são imensas para determinadas organizações que fazem uso de analytics com êxito, mas há também os custos do fracasso para aqueles que ignoram as lições do passado iniciativas de BI e Data Warehousing.