By Thomas Davenport
نوشته: توماس داونپورت
ترجمه: کیوان سلطانی
آن‌هایی که در رابطه با شرکت‌های «داده‌هوشمند» مطالعه می‌کنند، معتقدند ما تاکنون دو دوره استفاده از علم تجزیه‌وتحلیل را (که می‌توان از آن‌ها با عنوان‌های «قبل از داده‌های بزرگ» و «بعد از داده‌های بزرگ» یاد کرد)پشت سر گذاشته‌ایم و در حال ورود به دوره سوم هستیم. مشخصه این عصر جدید یک تصمیم فراگیر به‌منظور به‌کارگیری تکنینک‌های قوی جمع‌آوری و تحلیل داده نه‌تنها در رابطه با عملیات یک شرکت، بلکه در رابطه با خدمات و محصولات آن است.
این تغییر راهبردی در نقطه تمرکز آشکارا به معنای یک نقش جدید برای علم تجزیه‌وتحلیل است. شرکت‌ها باید چالش‌های مرتبط زیادی را شناسایی کرده و با توانایی‌ها، پست‌ها و اولویت‌های جدید به این چالش‌ها پاسخ دهند. الزامات چنین تغییری شامل موارد زیر خواهد بود:
- انواع چندگانه داده، اغلب به‌صورت ترکیبی
- مجموعه جدیدی از گزینه‌های مدیریتی
- فناوری‌‌ها و روش‌های سریع‌تر تجزیه‌وتحلیل
- علم تجزیه‌وتحلیل تنیده
- تیم‌‌های فرارشته‌ای داده
- تجزیه‌وتحلیل تجویزی
- تجزیه‌وتحلیل در یک مقیاس صنعتی
- راه‌‌های جدید تصمیم‌گیری و مدیریت
این ظرفیت‌های جدید را نمی‌توان با استفاده از مدل‌های قدیمی در رابطه با نحوه پشتیبانی علم تجزیه‌وتحلیل از کسب‌وکار توسعه داد. مدل داده‌های بزرگ قد‌می شگرف به سمت جلو بود، اما این مدل نمی‌تواند بیش از این تاثیرگذار باشد. شرکت‌ها باید بار دیگر در رابطه با این‌که تحلیل داده چگونه می‌تواند برای آن‌ها و مشتریان‌شان خلق ارزش کند به‌طور بنیادی بازاندیشی کنند.