Τα μεγάλα δεδομένα «σκοτώνουν» τις επιχειρήσεις

του Ναντέρ Μίκαλ

Τα μεγάλα δεδομένα έχουν διαφημιστεί ως ο σωτήρας των μεγάλων επιχειρήσεων: υποτίθεται ότι αναζωογονούν τα παραδοσιακά επιχειρηματικά μοντέλα μας και μάς δείχνουν το μέλλον.

Στην πραγματικότητα, όμως, τα δεδομένα «σκοτώνουν» τις επιχειρήσεις. «Σκοτώνουν» πρότζεκτ, τρώνε χρήματα, και απορροφούν χρόνο. Πριν από 25 χρόνια, τα δεδομένα αυξάνονταν με ρυθμό 100GB την ημέρα. Πλέον, αυξάνονται με ρυθμό 50.000GB το δευτερόλεπτο.

Καθώς αυξάνεται ο όγκος των δεδομένων, μειώνεται η ικανότητα των εταιρειών να βγάλουν κάποιο νόημα απ’ τα δεδομένα αυτά. Και κάπως έτσι, αντί να διευκολύνουν τη λήψη στρατηγικών αποφάσεων, την καθιστούν δυσχερέστερη.

Διαβάστε ακόμη: EY: Ο μεγάλος όγκος δεδομένων, βασικό πρόβλημα για τα στελέχη

Ο χρόνος είναι ο πιο πολύτιμος πόρος μας, και τα δεδομένα απορροφούν τον χρόνο στον ύψιστο βαθμό. Καθένα από τα email, τα μηνύματα και τα alerts που λαμβάνουμε συνιστούν περισπασμό, και η έλλειψη συγκέντρωσης μειώνει την παραγωγικότητα. Με τον ίδιο τρόπο, τα επιχειρηματικά δεδομένα μάς αποσπούν απ’ αυτό που κάνουμε, προσθέτοντας εμπόδια στην παραγωγική λήψη αποφάσεων.

Ξοδεύουμε τεράστιες ποσότητες ενέργειας προσπαθώντας να παρακολουθήσουμε όλα αυτά τα δεδομένα, και εν τέλει ο χρόνος που μένει για να δώσουμε ώθηση στους οργανισμούς μας είναι λίγος. Όλο αυτό καθηλώνει και δεν βοηθά.

Για να είναι χρήσιμη, η πληροφορία πρέπει να μας αφορά, να είναι έγκαιρη, και να είναι πραγματική. Δυστυχώς, δεν είναι καθόλου σίγουρο ότι θα πετύχετε ορθή σταχυολόγηση πληροφοριών μέσα απ’ τα μεγάλα δεδομένα. Στο big data είναι αδύνατον να συλλέξετε μόνο τα δεδομένα που χρειάζεστε – και άρα αυτό σημαίνει ότι ίσως χρησιμοποιείτε δεδομένα που δεν χρειάζεστε.

Διαβάστε ακόμη: Big Data – Η νέα εμμονή των μεγάλων επιχειρήσεων

Επιπλέον, τα δεδομένα σκοτώνουν την ευελιξία. Η παραδοσιακή προσέγγιση επιβάλλει τη συλλογή όλων των δεδομένων σε μια αποθήκη δεδομένων, και στη συνέχεια την επεξεργασία τους μέσω κάποιων συστημάτων business intelligence και κάποιων αναλυτών, και την παρουσίασή της σε κάποιο Excel ή Powerpoint.

Αυτός ο τύπος επεξεργασίας δεδομένων είναι άχρηστος. Με τόσα πολλά δεδομένα, είναι αδύνατον να εξαχθούν χρήσιμα συμπεράσματα ή συμπεράσματα που να βοηθούν την ανάληψη δράσης. Με άλλα λόγια, προστίθενται υπερβολικά πολλά δεδομένα μεταξύ αυτού που λαμβάνει μια απόφαση και της ίδιας της απόφασης. Αυτό που χρειάζεται, συνεπώς, είναι να βρείτε έναν τρόπο ώστε μέσα απ’ όλα αυτά τα δεδομένα να λαμβάνετε πληροφορίες που είναι εξατομικευμένες και προσαρμοσμένες στην επιχείρησή σας.

Διαβάστε ακόμη: Οι Ευρωπαίοι και ο φόβος για τα Big Data

Αν θέλετε να μετατρέψετε τα δεδομένα σε χρήσιμα συμπεράσματα, πρέπει να εκμεταλλευθείτε μια κεντρική, παγκόσμια πλατφόρμα που θα μπορεί να συγκεντρώνει πληροφορίες από μια πληθώρα εσωτερικών και εξωτερικών πηγών. Η εξωτερική ανάθεση της συλλογής, διαχείρισης και ανάλυσης δεδομένων θα επιτρέψει στην κοινή αυτή πλατφόρμα να εστιάσει στο data science, ενώ εσείς θα εστιάζετε στην εφαρμογή των εξατομικευμένων συμπερασμάτων για να γίνετε ακόμα πιο ανταγωνιστικοί.

Συμπερασματικά, πρέπει να μεταβούμε από τη συλλογή των δεδομένων στο να τα καταστήσουμε χρήσιμα. Αυτό θα μας επιτρέψει να καινοτομούμε, όταν οι άλλοι θα πνίγονται στις «λίμνες» των δεδομένων τους.

Πηγή: fortune.com