Chinese (Simplified)EnglishThai
Chinese (Simplified)EnglishThai

Chinese (Simplified)EnglishThai

แนวโน้มในการจัดการข้อมูล ในอนาคตและ การวิเคราะห์ข้อมูล

การวิเคราะห์ข้อมูล ฐานข้อมูลต่างๆรวมทั้งคลังข้อมูลอย่างน้อยหนึ่งแห่งเป็นโครงสร้างพื้นฐานการจัดการข้อมูลที่ล้ำสมัยใน บริษัท ต่างๆมานานหลายปี การเกิดขึ้นของแนวคิดเทคโนโลยีและแอปพลิเคชันใหม่ ๆ เช่น Hadoop, Tableau, R, Power BI หรือ Data Lakes บ่งชี้ว่าการเปลี่ยนแปลงกำลังดำเนินการอยู่

แนวคิดใดที่จะถูกลืมในห้าปีและจะใช้ในหลาย บริษัท ? การพิจารณาว่าใครได้รับประโยชน์และจากเทคโนโลยีใดที่ช่วยให้เรามองเห็นอนาคตได้

 

ฐานข้อมูลและคลังข้อมูล

กระดูกสันหลังของหลาย ๆ บริษัท คือแอปพลิเคชั่นด้านไอทีสำหรับการดำเนินการตามกระบวนการของ บริษัท ในแต่ละวันอย่างมีประสิทธิภาพ: ระบบ ERP, โซลูชันการธนาคารหลัก, ซอฟต์แวร์ CRM เป็นต้นระบบทั้งหมดนี้สร้างขึ้นจากฐานข้อมูลที่จัดเก็บและประมวลผลข้อมูลได้อย่างน่าเชื่อถือ ทุกแผนกใน บริษัท ต่างพึ่งพาระบบดังกล่าว

นี่คือที่แตกต่างกันสำหรับคลังข้อมูล เมื่อ บริษัท ต่างๆมีข้อมูลจากการดำเนินการตามกระบวนการประจำวันที่เก็บไว้ในฐานข้อมูลแล้วข้อมูลนี้สามารถวิเคราะห์เพื่อให้ได้ข้อมูลเชิงลึกที่ดีขึ้นเกี่ยวกับลูกค้ากระบวนการภายในและการเงิน แม้ว่าการวิเคราะห์อย่างง่ายสามารถทำได้โดยตรงบนฐานข้อมูลแอปพลิเคชัน แต่มีสาเหตุหลักสามประการที่ทำไม บริษัท ต่างๆจึงใช้คลังข้อมูลแทน:

แบบสอบถามเชิงวิเคราะห์อาจซับซ้อนและใช้ทรัพยากรมาก การย้ายไปยังระบบที่แยกจากกันทำให้มั่นใจได้ว่าจะไม่มีผลกระทบต่อประสิทธิภาพต่อระบบที่จำเป็นสำหรับกระบวนการประจำวัน การวิเคราะห์ข้อมูล

 

พวกเขาให้บริการมาร์ทข้อมูล (คำนวณล่วงหน้า) ซึ่งเป็นชุดรวบรวมข้อมูลเฉพาะโดเมน (เช่นสำหรับการขาย) ซึ่งช่วยให้ธุรกิจใช้งานได้ง่ายขึ้น

ประเด็นสำคัญในการทำความเข้าใจการอภิปรายเกี่ยวกับแนวโน้มใหม่คือรูปแบบของ“ เทคโนโลยีที่คล้ายคลึงกัน แต่ผู้มีส่วนได้ส่วนเสียและความคาดหวังของผู้มีส่วนได้ส่วนเสียต่างกัน” ฐานข้อมูลและคลังข้อมูลเป็นเทคโนโลยีที่ใกล้ตัวมาก อย่างไรก็ตามฐานข้อมูลเป็นหัวข้อ “เทคโนโลยีเท่านั้น” หลายแผนกและทีมใน บริษัท ต้องการฐานข้อมูล (เนื่องจากพวกเขาต้องการแล็ปท็อปและเซิร์ฟเวอร์) ดังนั้นการมีทีมส่วนกลางเพียงทีมเดียวใน บริษัท จะช่วยให้มีระดับการบริการที่สูงขึ้นและ / หรือต้นทุนที่ต่ำลง

ในทางตรงกันข้ามความต้องการแบบฟอร์มคลังข้อมูลรอบหนึ่งหรือสองแผนกโดยทั่วไปคือการขายการตลาดการบัญชีหรือการควบคุม พวกเขาทำงานกับข้อมูลที่กระจายอยู่ในฐานข้อมูลแอปพลิเคชันต่างๆและต้องนำมารวมกัน ดังนั้นในแง่หนึ่งพวกเขาต้องการการสนับสนุนทางเทคนิคเพื่อให้คลังข้อมูลทำงานได้ ในทางกลับกันกระบวนการโหลดข้อมูลการโหลดข้อมูลจากฐานข้อมูลต้นทางต่างๆลงในคลังข้อมูลจะต้องทำงานเช่นกัน สิ่งนี้ต้องการความเข้าใจอย่างลึกซึ้งเกี่ยวกับโมเดลข้อมูลเฉพาะโดเมน ดังนั้นคลังข้อมูลจึงมีผู้มีส่วนได้ส่วนเสียในหน่วยงานเพียงไม่กี่แห่งเท่านั้นที่ต้องมั่นใจในการระดมทุน ฝ่ายวิศวกรรมอาจไม่ต้องการจ่ายเงินสำหรับคลังข้อมูลที่มีการควบคุม

Machine Learning และ Visual Analytics

การวิเคราะห์ภาพและแมชชีนเลิร์นนิงสัญญาในสิ่งเดียวกัน: ซื้อเราเพื่อใช้ประโยชน์จากข้อมูลของคุณให้มากขึ้น! อย่างไรก็ตามวิธีการบรรลุเป้าหมายนี้แตกต่างกัน การวิเคราะห์ด้วยภาพช่วยปรับปรุงอินเทอร์เฟซผู้ใช้โดยให้วิธีที่ง่ายและโต้ตอบมากขึ้นในการสำรวจข้อมูล นอกจากนี้เครื่องมือวิเคราะห์ภาพช่วยให้ผู้ใช้สามารถสร้างไดอะแกรมที่สวยงามตระการตา ผลิตภัณฑ์ที่เป็นที่รู้จัก ได้แก่ Qlik, Tableau, SAP Lumira หรือ Microsoft Power BI

 

การใช้เครื่องมือวิเคราะห์ภาพมีการปรับปรุงกระบวนการนี้ การวิเคราะห์โดยใช้การกรองการเรียงลำดับและอื่น ๆ ทำได้โดยไม่ต้องมีความรู้เกี่ยวกับ SQL (ขั้นตอนที่ 3) นอกจากนี้ในขณะที่ทำการวิเคราะห์จะมีการแสดงภาพข้อมูลและผลลัพธ์ในทันที หากข้อมูลที่เลือกเปลี่ยนแผนภาพจะเปลี่ยนไปพร้อมกัน นี่คือการเพิ่มความสะดวกสบายและเพิ่มผลผลิต (ขั้นตอนที่ 3 และ 4) สุดท้ายการวิเคราะห์ด้วยภาพจะให้ภาพประเภทไดอะแกรมที่สวยงามตามแผนที่เป็นต้น (ขั้นตอนที่ 4) ซึ่งช่วยดึงดูดความสนใจสำหรับผลลัพธ์

ดังนั้นใครเป็นผู้ให้ทุนสำหรับโซลูชันการวิเคราะห์ภาพและเพราะเหตุใด แรงจูงใจคือการประหยัดต้นทุน: การวิเคราะห์เดียวกันสามารถทำได้เร็วขึ้นหรือกับพนักงานที่อาวุโสน้อยกว่าและง่ายต่อการรับสมัคร การประหยัดเหล่านี้ต้องสมดุลกับต้นทุนทั้งหมดในการเป็นเจ้าของเครื่องมือวิเคราะห์ภาพ เห็นได้ชัดว่ายิ่งผู้ใช้ทางธุรกิจทำงานกับคลังข้อมูลมากเท่าไหร่ก็ยิ่งประหยัดได้มากขึ้นเท่านั้น ผู้มีส่วนได้ส่วนเสียในกรณีของการวิเคราะห์ภาพจะเหมือนกับผู้ที่ให้เงินสนับสนุนคลังข้อมูล ซึ่งจะช่วยลดการนำไปใช้ใน บริษัท ต่างๆ

Visual Analytics เป็น BI แบบบริการตนเองหรือไม่

ผู้ขายบางรายวางตลาดเครื่องมือวิเคราะห์ภาพเป็นระบบธุรกิจอัจฉริยะแบบบริการตนเอง นี่คือการพูดเกินจริง ผู้ใช้ทางธุรกิจสามารถทำงานได้โดยไม่ต้องมีการสนับสนุนด้านไอทีก็ต่อเมื่อตรงตามเงื่อนไข 2 ข้อเท่านั้น – คลังข้อมูล (1) จัดเตรียมข้อมูลที่จำเป็นทั้งหมดให้กับดาต้ามาร์ทไว้แล้วและ (2) การสืบค้นข้อมูลต้องไม่ซับซ้อนเกินไป เงื่อนไขเหล่านี้แทบจะไม่เป็นไปตาม GUI ไม่สามารถแก้ปัญหาความซับซ้อนและนามธรรมของแบบสอบถามที่มีสามโดยที่ส่วนคำสั่งการรวมภายนอกด้านซ้ายสองรายการและกลุ่มสามกลุ่มตามส่วนคำสั่ง แม้ว่าผู้ใช้ทางธุรกิจจะมีความรู้ในการกำหนดแบบสอบถามดังกล่าวองค์กรจะมั่นใจได้อย่างไรว่าแบบสอบถามนี้จะได้รับการดูแลและดำเนินการในอีกห้าปีข้างหน้าหากบุคคลนี้ไม่ได้อยู่ในสำนักงาน

การวิเคราะห์ภาพทำให้การทำงานน่าพอใจขึ้นเล็กน้อย แต่การเรียนรู้ของเครื่อง (รวมถึงการวิเคราะห์เชิงคาดการณ์) กำลังเปลี่ยนแปลงเกม การเรียนรู้ของเครื่องเอาชนะข้อ จำกัด หลักของการวิเคราะห์ข้อมูลด้วยตนเองนั่นคือจินตนาการของมนุษย์ หากคุณนึกไม่ออกว่าเพศเป็นปัจจัยที่เกี่ยวข้องกับการตัดสินใจซื้อคุณจะไม่ต้องทดสอบสมมติฐานดังนั้นจึงไม่ทราบข้อมูลเกี่ยวกับเรื่องนี้

คลังข้อมูลมีจุดข้อมูลหลายร้อยหรือหลายพันจุดต่อลูกค้าหนึ่งราย ไม่สามารถดูแต่ละปัจจัยด้วยตนเองได้ เป็นไปไม่ได้ที่จะพิจารณาทุกปัจจัยสองหรือสามอย่างรวมกัน ปัจจัยผลกระทบที่ซับซ้อนมากขึ้นเช่นรายได้ต่อเดือนมีความสำคัญอย่างไรสำหรับลูกค้าอายุต่ำกว่า 40 ปีสำหรับลูกค้าที่มีอายุมากกว่าเพศเป็นปัจจัยสำคัญ – เป็นไปไม่ได้เลยที่จะคิดออกด้วยตนเอง อย่างไรก็ตามแมชชีนเลิร์นนิงใช้วิธีการทางสถิติที่เก่าแก่และผ่านการทดสอบมานานหลายสิบปีเพื่อระบุปัจจัยที่เกี่ยวข้อง 3 หรือ 4 ปัจจัยจากหลายร้อยหรือหลายพันปัจจัย ผลิตภัณฑ์ซอฟต์แวร์ที่เป็นที่รู้จักในด้านนี้ ได้แก่ SAP, R / RStudio, SAS หรือ KNIME ซึ่งแตกต่างกันในระดับของระบบอัตโนมัติการนำเสนอภาพและการใช้เครื่องมือระดับองค์กรและความเสถียร

แล้วใครจะให้ทุนกับเทคโนโลยีดังกล่าวและทำไม? เหตุผลนั้นง่ายมาก: การเรียนรู้ของเครื่องให้ผลลัพธ์ที่เหนือกว่าการวิเคราะห์ข้อมูลด้วยตนเอง ตัวอย่างเช่นความสำเร็จในการขายสามารถเพิ่มขึ้น 20% หรือ 500-700% คำถามการระดมทุนนั้นยุ่งยากกว่า:

ทุกแผนกที่ใช้รายงานจากคลังข้อมูลจะได้รับประโยชน์จากการเรียนรู้ของเครื่อง พวกเขาได้รับข้อมูลเชิงลึกที่ดีขึ้นทำให้สามารถลดต้นทุนหรือเพิ่มรายได้

ในความคิดของฉันหลาย บริษัท จะได้รับประโยชน์จากทั้งแนวโน้มและด้วยเหตุนี้จึงใช้ทั้งสองอย่าง หากคุณต้องการทราบว่าการวิเคราะห์ด้วยภาพหรือแมชชีนเลิร์นนิงมีความเกี่ยวข้องในเชิงกลยุทธ์มากกว่ากันหรือไม่เพียงดูในเมืองของเราคุณเห็นรถม้าหรือรถสปอร์ตมากขึ้นหรือไม่

 

 

ในทางตรงกันข้ามดาต้าเลคจะจัดเก็บข้อมูลในรูปแบบเดิม (ส่วนใหญ่) โดยไม่มีการเตรียมการใด ๆ เห็นได้ชัดว่าข้อมูลดังกล่าวยังไม่พร้อมใช้งาน ไม่มีใครสามารถหรือควรคาดหวังว่าข้อมูลจะปราศจากความไม่สอดคล้องกัน อย่างไรก็ตามสิ่งนี้ช่วยให้สามารถเพิ่มข้อมูลไปยัง data lake ได้โดยไม่ต้องลงทุนล่วงหน้า (ก้อนใหญ่) การเพิ่มข้อมูลลงในดาต้าเลคโดยไม่มีกรณีธุรกิจที่ชัดเจนในปัจจุบันมีราคาไม่แพง หากมีกรณีทางธุรกิจที่มี / สำหรับข้อมูลนี้ในอนาคตกรณีธุรกิจในอนาคตจะจ่ายสำหรับการล้างข้อมูลและการเปลี่ยนแปลง

สิ่งสำคัญสำหรับดาต้าเลคคือแม้ว่าอาจต้องใช้เทคโนโลยีหรือผลิตภัณฑ์ซอฟต์แวร์ใหม่ ๆ แต่นี่เป็นเพียงประเด็นรองเท่านั้น แนวคิดหลักคือเรารวบรวมและจัดเก็บข้อมูลในราคาไม่แพงโดยไม่ต้องเตรียมข้อมูลมากนัก เราหวังว่าเราจะพบวิธีสร้างรายได้จากข้อมูลนี้ในภายหลัง เงินทุนอาจมาจากการพัฒนาธุรกิจหรือจากแผนกกลยุทธ์ – หรือจากผู้จัดการผลิตภัณฑ์ที่คิดว่าการรวบรวมข้อมูลบางอย่างอาจช่วยให้พวกเขาปรับปรุงและขายผลิตภัณฑ์ได้ในภายหลัง อีกครั้งเราเห็นว่าสิ่งเหล่านี้ไม่ใช่ผู้มีส่วนได้ส่วนเสียทั่วไปสำหรับฐานข้อมูลและคลังข้อมูล

สำหรับองค์กรที่ต้องการ Document and Content Management Solution ที่สมบูรณ์แบบ พร้อม Professional Services ที่มีประสบการณ์ Implement Alfresco มามากกว่า 100 โครงการณ์ สามารถติดขอคำปรึกษากับ K&O Systems

 

ทั้งนี้บริษัทเคแอนด์โอ จึงได้มุ่งเน้นการจัดการแก้ไขปัญหา จัดการเอกสาร ด้านเอกสารขององค์กรมาอย่างยาวนาน และ ให้ความสำคัญกับด้านงานเอกสาร ต่อลูกค้าเป็นอย่างดี จนถึงปัจจุบันก็ได้ความยอมรับจากองค์กร ขนาดใหญ่ ขนาดกลาง และขนาดเล็กมากมาย จึงใคร่ขออาสาดูและปัญหาด้านเอกสารให้กับองค์กรของท่านอย่างสุดความสามารถ เพราะเราเป็นหนึ่งในธุรกิจ ระบบจัดเก็บเอกสาร ที่ท่านไว้ใจได้

สนใจรับคำปรึกษา ด้านวางระบบจัดการเอกสารอิเล็กทรอนิกส์  EDMS โดยทีมงานผู้เชี่ยวชาญจาก K&O ที่มีประสบการณ์มากว่า 15 ปี รวมถึงซอฟต์แวร์ระดับโลก ติดต่อ 0 2 – 8 6 0 – 6 6 5 9

สํ า ห รั บ ท่ า น ใ ด : ที่สนใจในระบบ ECM (DMS) เราที่ยินดีช่วยเหลือโปรดติดต่อเรา

Related Articles