مشکلات ارزش‌افزایی در کسب و کار

هیچ چیزی در خلأ وجود ندارد و هر تحولی که رخ می‌دهد پیامدهایی دارد، خواه این تحول از قبل برنامه‌ریزی شده باشد خواه بدون بینش قبلی رخ دهد. هوش تجاری (BI) و پیاده‌سازی‌های تحلیلی هم از این قاعده مستثنی نیستند. هر پروژه‌ای که امکان دسترسی به داده‌ها و تحلیل‌ها را فراهم می‌کند تاثیری بر افراد استفاده‌کننده دارد. هدف معمول در هوش تجاری کمک به کلیه افرادی است که در یک مجموعه تجاری فعال‌اند تا با این ابزار بتوانند از تحلیل‌ها استفاده کنند و تصمیم‌گیری‌هایشان را بهبود دهند. لیکن ارائه تحلیل‌ها - به ویژه در بسترهای خودکار - را نباید به منزله تنها هدف در نظر گرفت. در عوض استفاده فعالانه از داده برای تصمیم‌گیری باید هدف کلی در سرتاسر سازمان باشد. ایجاد این نوع سازمان‌های «داده‌محور» شامل نظارت بر مسائلی چالش‌برانگیز است که فناوری، روندهای اجرایی و تحولات تجاری را پوشش می‌دهند. با این اوصاف آیا تیم‌های آی‌تی باید بیشترین بهره را از BI و سیستم‌های تحلیلی بگیرند؟ آغازی برای پیاده‌سازی تحلیل‌های داده‌ای سیستم‌های BI سنتی که در دهه‌های 80، 90 و اوایل سال‌های 2000 راه‌اندازی شدند معمولاً معطوف به سازمان‌های بزرگی بودند که قادر به خرید سخت‌افزار، نرم‌افزار و مشاوره‌ و خدمات مربوط بودند. امروزه با ظهور ابزارهای ابری بسیاری از این هزینه‌ها کاهش یافته یا در برخی موارد کاملاً حذف شده‌اند. از انبارهای داده ابری از جمله رِدشیفت (Redshift)، آمازون یا اسنو فلِیک (Snowflake) می‌توان در جهت ذخیره‌سازی داده‌ها برای تحلیل استفاده کرد، در حالی که ابزارهای تصویرسازی جدیدتر داده‌ها را بیشتر برای نمایش بارگیری می‌کنند. در مسیر پیاده‌سازی سیستم‌های نمایش داده‌ای، یکی از اولین دلایلی که BI و بسترهای تحلیلی را رشد دادند تا اندازه‌ای از بین رفته است. در گذشته از BI برای کمک به مدیرعامل در پاسخ به «مسائل بزرگ» که تاثیری بنیادی بر سازمان داشتند استفاده می‌شد. در مقابل امروزه مساله اصلی به سمت...