زمان تنفس مصنوعی

سال‌هاست هوش تجاری به استاندارد صنعتی برای کمک به مدیران در جهت شفاف‌سازی عملیات‌های تجاری و تصمیم‌گیری بر اساس داده تبدیل شده است. بسیاری از شرکت‌ها تحلیل داده‌ها را طوری برای شهرت خود حیاتی دیدند که «متخصصان هوش تجاری» را برای کسب اطلاعات و تبدیل آن به بسته‌های قابل ‌فهم به کار گرفتند. ورود به هوش تجاری بیهوده نبوده است و اکنون در کانون تحولات قرار دارد. فرنک بایتندیجک در نشست سران گارتنر برای تحلیل و هوش تجاری گفت «هوش تجاری مرده است». حرکت بعدی چیست؟ با رشد حجم و پیچیدگی داده‌ها، صاحبان کسب و کار باید بر نحوه گسترش داده‌ها در چند اداره و بخش‌های تجاری تمرکز و کار اداری را به دورکاری تبدیل کنند. ندیم حسین، مدیرعامل BrightFunnel، توضیح می‌دهد که «هوش تجاری به طور سنتی از مکان‌های برای ذخیره داده‌ها، ایجاد ارتباط میان منابع داده‌ها، روش‌های تصویرسازی و گزارش داده‌ها، افراد متخصص تحلیلگر داده‌ها و غیره تشکیل می‌شد. معمولاً هر لایه توسط فروشنده متفاوتی عرضه می‌شد و به پشتیبانی سنگین فناوری اطلاعات نیاز داشت. این سنت 25 ساله اکنون فرو پاشیده است و شرکت‌های تحلیلی مبتنی بر ابر که گرایش‌های آینده را پیش‌بینی می‌کنند کل لایه‌های هوش تجاری را ترکیب می‌کنند». تحلیل در سازمان در اوایل دوره ظهور داده‌های بزرگ بازاریابی هدفدار یکی از نتایج مثبت بزرگ به شمار می‌رفت. داده‌های بزرگ به شرکت‌ها اجازه می‌داد برنامه‌های تبلیغاتی عظیم ولی شخصی‌سازی‌شده ایجاد کنند. این برنامه‌ها به تدریج رشد کردند و کارآمد شدند، زیرا فروشندگان و بازاریاب‌ها یاد گرفتند چگونه از کل داده‌های موجود استفاده کنند. ولی اکنون داده‌های بزرگ چنان گسترده و پیچیده شده‌اند که توانایی ارائه نتایج ملموس توسط چند متخصص دیگر وجود ندارد و به اداره فناوری اطلاعات نیاز است تا چنین کاری را انجام دهد. حسین می‌گوید:«اگر شرکت شما تلاش می‌کند درآمد خود را افزایش دهد، باید همه اداره‌ها داده‌ها و تحلیل آنها را...