Era Aksi – TechCrunch


Oleh Ashley Kramer, Chief Product & Marketing Officer, Sisense

Pasar Business Intelligence dan Analytics memasuki generasi baru. Analisis telah berkembang pesat selama beberapa dekade terakhir, dimulai dari BI “Gen One”, dengan data lokal dan proyek pelaporan berat yang didorong oleh TI, yang memberatkan tim TI dan pengguna akhir. Meskipun rumit dan membutuhkan investasi besar, beberapa organisasi perusahaan meraup keuntungan besar dan itu menyalakan percikan untuk analitik.

Selanjutnya, kita memasuki era demokratisasi data atau BI “Gen Two” yang berfokus pada menjadikan data lebih dapat dikonsumsi, mudah digunakan, dan dapat diakses dengan menyerahkan kekuasaan ke tangan bisnis. Sementara organisasi memberikan lebih banyak lisensi, ada kelemahan mendasar yang mengharuskan orang mengubah cara mereka bekerja, keluar dari alur kerja normal mereka untuk menemukan dasbor guna memanfaatkan data. Generasi kedua ini membawa kesuksesan yang lebih besar bagi organisasi, namun hanya adopsi bisnis Big Data yang terus menjadi masalah, dengan 73,4% perusahaan menyebutkan ini sebagai tantangan yang berkelanjutan. (sumber: NewVantage Partners 2020 Big Data dan AI Executive Survey).

Sejauh ini, setiap generasi hanya meningkat secara bertahap dari generasi sebelumnya, tidak berbeda dengan munculnya iPhone. Ada smartphone sebelum iPhone, tetapi mereka tidak menawarkan pengalaman pengguna yang sama.

Kita sekarang berada di titik puncak BI “Gen Tiga”, mengantarkan Age of Action. Ini menawarkan cara baru dan gesit dalam menggunakan AI dan analitik untuk setiap keputusan. Seperti penemuan mesin uap, saya berharap hal ini mengantarkan revolusi dalam cara kita mendorong inovasi bisnis.

Diperkirakan rata-rata orang dewasa membuat 35.000 keputusan sehari (dilaporkan oleh Psychology Today). Sebagai konsumen, kami mengandalkan dan mengharapkan pembaruan dalam waktu nyata sehingga kami dapat membuat keputusan yang lebih tepat. Kami beralih ke perangkat pintar kami untuk mendapatkan wawasan tentang segala hal mulai dari cuaca dan saham hingga waktu tunggu untuk keamanan bandara dan ruang gawat darurat.

Dalam bisnis, karyawan, mitra, dan pelanggan kita juga membuat keputusan setiap hari yang berdampak pada laba, jadi mengapa kita tidak mengharapkan tingkat wawasan yang sama di tempat kerja? Di Era Tindakan, wawasan yang muncul dari analitik dan AI tidak lagi menjadi barang mewah, tetapi merupakan kebutuhan untuk mencapai daya saing baik dalam aplikasi dan alur kerja yang berhubungan dengan karyawan atau pelanggan.

Organisasi telah dengan jelas mendefinisikan hasil bisnis yang perlu mereka capai dan sesuai Survei Strategi Data IDC, lebih dari setengah organisasi berupaya meningkatkan efisiensi dengan menggunakan BI dan analitik. Lima puluh dua persen perusahaan perangkat lunak dan 50 persen perusahaan keuangan menggunakan BI dan analitik untuk mengidentifikasi aliran pendapatan baru yang merupakan kunci untuk menumbuhkan bisnis.

Jadi, apa yang membuat bisnis tidak beralih ke “Gen Tiga” BI untuk mencapai hasil tersebut?

Hambatan utama untuk mencapai lebih banyak nilai bisnis, menurut Harvard Business Review Analytic Services Pulse Survey untuk Sisense, adalah kurangnya keterampilan / pelatihan, kurangnya data berkualitas, dan budaya perusahaan, dikutip oleh 61%, 43%, dan 24% dari responden masing-masing.

Terlepas dari pengakuan bahwa mereka perlu “digerakkan oleh data”, organisasi secara bertahap meningkatkan proses data dan analitik mereka namun mengharapkan hasil generasi berikutnya. Meskipun sebagian besar perusahaan mencoba meningkatkan keterampilan karyawan mereka dengan pelatihan atau sumber daya lain, hal ini tidak mengurangi kurva pembelajaran bagi sebagian besar pengguna. Organisasi harus memanfaatkan kekuatan teknologi AI untuk melakukan pekerjaan berat, secara otomatis menyoroti wawasan dan menjelaskan apa yang terjadi dalam data sehingga siapa pun, terlepas dari keakraban mereka dengan data, dapat memahami dan mengambil tindakan dengan keputusan berdasarkan informasi intelijen.

Data juga sering kali tidak mudah diakses oleh tim yang paling efektif mengambil tindakan atasnya. Menurut Harvard Business Review Analytic Services Pulse Survey for Sisense, hanya sebagian kecil (14%) responden yang mengatakan analitik dibangun di hampir semua alat dan alur kerja mereka untuk membantu mengurangi kesenjangan adopsi analitik. Menanamkan kecerdasan yang dapat ditindaklanjuti ke dalam aplikasi bisnis yang dapat mengotomatiskan beberapa langkah dalam alur kerja perusahaan yang ada akan mendorong hasil bisnis yang lebih baik tanpa pengguna harus meninggalkan tugas utama mereka untuk mencari jawaban dalam data.

Perusahaan yang cerdas menemukan cara untuk memasukkan wawasan ke dalam tugas sehari-hari pekerjanya, memungkinkan mereka membuat keputusan dengan mulus dalam aplikasi bisnis. Selain itu, perusahaan yang sama ini mengintegrasikan wawasan dan analitik ke dalam produk yang dihadapi pelanggan mereka untuk meningkatkan kelekatan dan bahkan mendorong pendapatan baru. Dengan menghadirkan data kepada masyarakat, dengan tingkat tata kelola dan keamanan yang tepat, gesekan di seluruh siklus hidup data dihilangkan dan budaya informasi intelijen dibuat dengan memasukkan, bukan memaksa, data ke dalam keputusan sehari-hari.

DNV, perusahaan jaminan dan manajemen risiko, menghasilkan pendapatan langganan baru dengan menanamkan platform analitik untuk perusahaan utilitas. Platform ini, “Cascade Insight,” membantu pelanggan mereka mengatasi masalah pemeliharaan dan menghindari pemadaman layanan di jaringan mereka, yang pada akhirnya menghemat uang dan memberikan nilai dan layanan yang lebih baik kepada perusahaan utilitas.

Contoh lainnya adalah GE, yang menggunakan aplikasi bernama GE Smart Scheduling di lebih dari 150 rumah sakit untuk memprediksi tidak ada acara dan pembatalan untuk MRI dan CT scan. Dengan Penjadwalan Cerdas, satu pusat pencitraan di Chattanooga meningkatkan pendapatan sebesar $ 100.000 per tahun dengan mengurangi ketidakhadiran dan pembatalan, sekaligus meningkatkan perawatan untuk pasien, komunitas, dan mengoptimalkan penggunaan mesin.

Tessitura Network, sebuah perusahaan perangkat lunak nirlaba menggunakan aplikasi perusahaannya, Tessitura Analytics, untuk memberikan intelijen yang dapat ditindaklanjuti ke lebih dari 650 organisasi seni pertunjukan dan budaya. Dengan menggunakan API, pelanggan dapat memperluas dan menyesuaikan wawasan untuk meningkatkan penggalangan dana, penjualan tiket, dan inventaris mereka. Selama COVID-19, Tessitura membantu lembaga seni dan budaya menilai opsi tempat duduk kapasitas yang berkurang di tempat live serta cara menganalisis dan mengelola acara yang dibatalkan.

Data adalah aset penting dan keunggulan kompetitif yang sebagian besar organisasi masih belum dapat menggunakan sepenuhnya jika mereka mengikuti peningkatan bertahap di masa lalu. Penggunaan metode AI dan ML yang inovatif di semua bidang akan mempercepat keuntungan ini, tetapi dengan membalik skrip tentang adopsi analitik dan menanamkan kecerdasan yang dapat ditindaklanjuti di mana pun orang menghabiskan waktu mereka, organisasi dapat melampaui dasbor standar untuk mengotomatiskan langkah-langkah dalam alur kerja yang ada.

Untuk mempelajari lebih lanjut tentang bagaimana Sisense mendorong era transformasi digital melalui AI dan ML, lihat whitepaper ini —Sisense AI Throughout.

Posted By : http://airtogel.com/