Wenn Ihre Daten See in einen Daten-Sumpf verwandelt, könnte es Zeit, den nächsten Schritt zu nehmen

Wenn Ihre Daten See in einen Daten-Sumpf verwandelt, könnte es Zeit, den nächsten Schritt zu nehmen

Als der Leiter der Analytics-Praxis von Deloitte betreut Paul Roma die Analytics-Angebote des Unternehmens in allen Geschäftsbereichen, so dass er Unternehmen sieht, die mit einer Reihe von Problemen kämpfen.   Network World Editor in Chief John Dix sprach vor kurzem mit den Roma über alles, was Analytics Probleme Unternehmen konfrontiert sind, zu Tools, die helfen, mehr Wert (kognitive Analytik und maschinelles Lernen) zu extrahieren, und sogar die Führungskräfte , Die sich entwickeln (der Titel doesn ’ t sehr viel, aber das Eigentumsrecht des Problems tut).    

  Sind sie auf der Suche, um ein bestimmtes Problem zu lösen oder sind sie versuchen, ein größeres Bild, übergreifende analytische Fragen anzugehen?

Die meisten routinemäßig sind wir in die Arbeit zu einem bestimmten gebracht Geschäftsergebnis.   Ein Kunde kann auf der Suche nach, sagen wir, verbessern ihre Verbraucher Net Promotion Scores (NPS), die eine Industrie-Norm für die Bewertung der Verbraucher ’ s Beziehung zu einem bestimmten Unternehmen und seine Produkte ist. Es nennt sich Net Promotions, weil es eine Heuristik ist, die mehrere Faktoren zusammenfasst und baut bis zu einer Möglichkeit, sich selbst zu beurteilen.     Oder eine Gesundheitsorganisation kann zu uns kommen, um zu helfen, Resultate in bestimmten Gesundheitspflegeprotokollen zu verbessern, also rezensieren wir normalerweise über Geschäft Resultate.

Wenn Sie ankommen, finden Sie Unternehmen haben die analytischen Werkzeuge, die sie benötigen, oder sind sie auf der Suche nach Input auf neue Tech? Die analytischen Werkzeuge.   Es gibt nicht eine Firma, die wir in dieses doesn ’ t haben eine von alles.   Die Frage ist mehr fokussiert Nutzung. Es ist nicht ein Mangel an Daten, entweder, weil sie Tonnen von Daten haben.   Es ist normal, Datenlager oder Datenseen zu haben, die im Laufe der Jahre zusammengestellt wurden.   Aber ich habe mehrere Millionen Dollar gesehen, die auf Datenseen verbracht wurden, die das werden, was ich Daten-Sümpfe nenne.   Sie haben das ganze Geld ausgegeben, um alles zusammenzufügen, aber sie können alles mit ihm tun. Die wichtigste Frage ist jetzt, wie die Daten verwenden, um bessere Ergebnisse zu erhalten.

Da es so viele Daten und so viele verschiedene Tools zur Verfügung, um Sinn davon zu machen, wie gehen Sie über die Unterstützung der Kunden vorankommen? Bieten drei Möglichkeiten, darüber nachzudenken.   Erstens, wenn Sie in einem Ergebnis geerdet sind, führt es Sie zu bestimmten Fragen, um das Problem zu befragen.   Wenn ich die Verbraucherbeziehungen verbessern will oder wenn ich die Ergebnisse im Gesundheitswesen verbessern will, dann sind Sie zumindest in dem, was Sie tun möchten, geerdet.   Wie Sie die Daten analysieren die Erfahrung führt Sie zu bestimmten Domains erstellen und nehmen, was ist ein sehr unstrukturierter Daten-See und beginnen, strukturierte Grenzen gelten. Sobald Sie fertig sind, können Sie beginnen, erweiterte Werkzeuge wie kognitive Analyse verwenden, um Struktur auf die Datenseen und natürliche Sprache Verarbeitung und maschinelles Lernen anzuwenden, um Ihnen eine Möglichkeit, die Daten geben Ihnen Hypothesen.                     Die fortgeschrittenen Techniken haben jenseits eines Reports gegangen und dann auf die Grafik zu sehen, Jetzt kann maschinelles Lernen tatsächlich eine Kausalanalyse erzeugen und Ihnen sagen, was die Hypothesen für welche Variablen sind oder welche Datendomänen für ein bestimmtes Ergebnis am einflussreichsten sind.   Im Gesundheitswesen zum Beispiel kann die Maschine angeben, warum die Rücksendungen bei einem gegebenen Protokoll hoch sind.   Die Kausalanalyse führt zu dieser Art von Analytik.

Die fortgeschrittenen Techniken sind wahrscheinlich, wo wir in den meisten aufgerufen werden, um zu versuchen, Sinn für alle Daten zu machen.   Ohne fortgeschrittene Techniken gibt es keine Möglichkeit, es zu durchschneiden.   Sie haben kein Messer, um die Daten durchzuschneiden.   Gerade laufende Berichte werden endlose Ries aus Papier, die ehrlich gesagt, man konnte nie jemanden zu interpretieren.

Wir bringen kundenspezifische Algorithmen auf viele unserer Engagements – ob im Gesundheitswesen, in der Supply Chain oder im Kundenmarketing – und mit maschinellen Lernalgorithmen und überwachten Lernzyklen können wir gegen ihre Daten vorgehen Und Hypothesen erstellen, die Sie mit Ihrer Erfahrung erforschen können.

Interessant.   Sind diese Algorithmen für vertikale Märkte besonders wichtig oder gibt es eine gemeinsame Basis, auf der Sie bauen?

Wir haben horizontale und vertikale.   Die Vertikale treffen auf Märkte wie Supply Chain in der Fertigung oder Supply Chain in Konsumgütern, Protokollen in Life Sciences, etc., und horizontale werden durchgängig genutzt.   [Ein Beispiel des letzteren] ist ein Algorithmus der spärlichen Matrixvervollständigung, den wir patentiert haben.   Wenn der Daten-See, den Sie für ein bestimmtes Problem haben, nicht erfüllt wirdIn allen Variablen, die Sie benötigen, führt es prädiktive Algorithmen zu füllen, dass in und schafft Hypothesen, was die Trends sein würde.   Wir liefen es nur gegen ein Diabetes-Protokoll mit einem großen Healthcare-Unternehmen und mit 93% Genauigkeit können wir vorhersagen, wer isn & acutes nicht mit ihrem Diabetesprotokoll konform, ohne irgendwelche der compliance Daten, die damit verbunden sind.

Bedeutet, dass Sie vorhersagen können, wer isn ‚t tut, was sie tun sollen?

Recht   Sie machen nicht wiegen, sie machen ihre Übung nicht.   Es doesn ’ t vorherzusagen, was sie nicht tun, weil wir gerade erst begonnen haben, aber es sagt voraus, wer isn ’ t-kompatibel ist. Wir hoffen, seine Genauigkeit in die hohen 90er Jahre zu verbessern, und dann werden wir in der Lage sein, ein ganzes Krankenhaus-System zu hinterfragen, weil es zu diesem Zeitpunkt prädiktiv ist.     Bevor Sie Compliance-Probleme haben, können Sie Trendwerte anzeigen.   Diese Person trifft auf jemanden zu, der ’ t-konform gewonnen hat     Und dann können Sie eine Krankenschwester rufen und fragen, “ Haben Sie Schwierigkeiten mit Ihrem Insulin?   Gibt es einen Grund, warum du deine Übung nicht gemacht hast?   Sind Sie nicht zum Arzt, weil Sie ein Transportproblem haben? &Rdquo;   Sie können beginnen, bestimmte Probleme im Protokoll zu suchen, um zu helfen, zu suchen.

Deloitte hat sich in den letzten vier Jahren zu einem Anbieter von Produkten und Software entwickelt. Das war meine vorherige Bemühung, die Schaffung der Produkte und Lösungen Teil unseres Unternehmens, so kann ich ziemlich ausführlich darüber reden.   Wir bieten Software-as-a-Service-Produkte an und hinterlassen, wenn Sie wollen, installierte Lösungen.   Wir machen beide.   Es ist nur eine Frage des Problems, die wir lösen, was man am sinnvollsten macht und welches ist am wirtschaftlichsten.

Woher kommt der Push für diese Art von Analytik kommen

Ich würde sagen, dass der stärkste Stoß aus dem Geschäft ist, nicht aus dem Sitzungssaal.   Wir tun viele Armaturenbretter für Führungskräfte, aber in der Regel beginnen Sie mit einem Unternehmer, und dann nach der Arbeit, der Unternehmer präsentiert es dem CEO und dem Vorstand und es wird mehr viral und in der Regel arbeitet seinen Weg zurück zu Die nächste Geschäftseinheit.

Ich sprach mit dem Chief Data Officer einer Finanzfirma und er sagte mir, dass sie, wenn sie einige ihrer großen Datenbemühungen begannen, eine Reihe von Unterschieden in ihren Kernkundendaten vereinbaren mussten. Ist das typisch für viele Organisationen?    

Yeah.   Die Beherrschung der Daten scheint ein ewiges Problem zu sein, um ehrlich zu sein.   Die Tools zum Starten von Daten sind besser geworden, aber die Datenmenge, die erstellt wird, übertrifft die Fähigkeiten der Tools.   Es ist ein sehr typisches Problem und es ist ein kritisches Pfadproblem. Es wird von zentraler Bedeutung für fast jedes Thema.                                       Sie sehen, dass neue Rollen entstehen, wenn die Analytik eine höhere Priorität hat?

Bestimmt.   In bestimmten Organisationen ist der Chief Marketing Officer der Chief Data Officer.   In anderen Organisationen ist der Chief Digital Officer derjenige, der Daten besitzt. Eines der ersten Dinge, die wir versuchen zu verstehen ist, wer es besitzt und auf welcher Ebene ist das Eigentum, auf welcher Ebene der Verwaltung ist wahres Eigentumsrecht zugeordnet.   Wir don ’ t unbedingt alle anregen, eine CDO zu haben.   Was wir anregen, ist die ordnungsgemäße Inhaberschaft und die Governance der Daten, damit sie priorisiert werden kann.

Haben die meisten Kunden das Besitzbügeln ausgebügelt?

Fünfundfünfzig.   Ich sage in der Hälfte der Fälle, die Unternehmen auf einem Weg sind, haben sie eine Roadmap, die besagt, dass wir versuchen, unsere Datensicherheit auf diese Weise zu verbessern, wir versuchen, unsere erweiterte analytische Ansätze in diesen Möglichkeiten zu verbessern , Und sie können darüber reden, wie sie versuchen, ihre, let ’ s sagen, Kundenbeherrschung und Stammdaten zu verbessern.

Die andere Hälfte hat keine Roadmaps für alle Domains, und in diesen Fällen empfehlen wir normalerweise, eine Menge dieser Programme zusammenzureißen, damit Sie die Bemühungen nutzen können, um bessere Geschäftsergebnisse für alles aus der Lieferkette zu schaffen Zu Marketing, Fertigung, Finanzen, etc.   Putting die Programme zusammen und Futter sie in der Regel gibt viel besser Bang für den Dollar.

 

Schalten Sie die Gänge ein wenig, Was sehen Sie?

Wir haben jetzt eine ziemlich große IoT-Praxis, und die Nachfrage steigt schnell an.   Im Hinblick darauf, dass es ein Datenproblem, in der Regel sind wir, weil thEre ist eine Frage der Strategie eines bestimmten Ergebnisses, weil Internet von Sachen Programmen normalerweise sind kostspielig und mehrjährig und wir u. Gesehen, dass einige von ihnen Amok ziemlich schnell laufen lassen.   In den letzten 3 bis 5 Jahren haben wir erkannt, dass Unternehmen in und nicht erhalten die Payback sie wollten.   Jetzt ist die Technologie viel günstiger, besser.   Aus unserer Sicht würden wir sagen, dass es fertig – jetzt, je nach Anwendungsfall, und wir sehen, dass in der Nachfrage und in Implementierungen und Return on Investment.

Jede andere übergreifende Dinge, die ich didn ‚t denken, hier zu treffen, die wichtig sind, um Adresse?

Ein Trend, den wir nicht reden Kognitiv.   Wie bauen Sie intuitive Systeme, mit denen ich beginnen kann, zu denken, wie wir tun und beginnt, gesprochene Worte zu verstehen, beginnt, Bilder und Bilder zu verstehen? Google prognostiziert, dass mehr als 50% der Suchanfragen gehen Um in den nächsten drei Jahren als Audio, Bilder und Video zu kommen.   Lassen Sie uns sagen, dass sie um ein Jahr falsch sind.   Lassen Sie uns sagen, dass es vier Jahre ist     Diese Veränderung ist immer noch immens und wird durch das Geschäft durchdringen, durchdringen durch unsere Prozesse, durchdringen durch Apps.

Die Fähigkeit unserer Enterprise-Systeme, das gesprochene Wort und die unstrukturierten Daten zu interpretieren und mit uns auf diese Weise zu engagieren, bewegt sich schnell auf den kritischen Pfad.   Wir haben eine Menge von Projekten, auf denen ausgeführt werden.   Es ist ein riesiges Gebiet der Investitionen in vielen Branchen.

Im Besonderen?

Nummer eins ist das Gesundheitswesen, gefolgt von Finanzdienstleistungen.   Aber alle Industrien gehen nach ihm, einschließlich Gastfreundschaft und Freizeit wegen der Verbraucher-Engagementaspekte.   Die Gastfreundschaft   -Industrie ist ein großer Benutzer von Konsumprodukten aufgrund der Kundenbeziehungsmöglichkeiten.   Ich würde sagen, je aktiver Sie sind in Bezug auf Engagement, desto mehr diese Technologien werden Ihnen helfen.

Was für ein Beispiel im Gesundheitswesen?

Ein gutes Beispiel, weil wir ein paar von ihnen beschäftigt haben, Tatsächlichen Fall, unter elektronischen medizinischen Unterlagen, Apotheke Skript Geschichte, Familiengeschichte, Gesundheitsrisikobewertungen und die Erstellung, dass für einen Arzt vor einem Besuch, und tatsächlich Hervorhebung, “ Sie müssen sich auf diesen Teil der Blutdifferenz (die im Grunde ist B. ein Bluttest), weil die LDLs außerhalb des Bereichs liegen und die großen Zellen die in Frage kommenden sind, ” Und beginnen, tatsächlich zu analysieren und geben Ratschläge.

Dann kann der Arzt mit einer Frage antworten:   &Ldquo; Können Sie mir ein Medikament geben, das Sie empfehlen? &Rdquo;   Und es würde wieder mit Rat – &Ldquo; Ich würde dieses Medikament empfehlen und ich würde dieses nicht verwenden, weil es wegen einer Familienanamnese für X-Typ von allergischer Reaktion kontraindiziert ist. &Rdquo;

Die Maschine kann Ihnen diese Ratschläge geben Einen Echtzeit-Dialog.   Die Maschine baut eine kognitive Kette und ermöglicht es Ihnen, durch verschiedene Gespräche zu gehen und es lernt, wie man einem Arzt folgen und herauszufinden, was sie fragen.   Das erste Mal, wenn er es verwendet, wird es nicht wissen, um alle Apotheken-Skripte zu ziehen und diese Empfehlung auszuführen     Aber wenn der Arzt jedes Mal fragt, wird es hinzufügen, um es das erste, was es ihm sagt, und es wird tun, dass vorwärts.   Die Systeme beginnen, intelligenter zu werden, ohne irgendeine Software zu schreiben.   Sie trainieren es, anstatt es zu bauen.   Dieser Trend ist ehrlich gesagt ein großer Umsatz, wie wir engagieren, aber es ist auch ein Umsatz, wie wir bauen und wie wir über Systeme und ihre Nutzung denken.

Faszinierend.   Klingt wie Sie einen lustigen Job haben.

Spaß oder verbrauchen.   Wie wäre es mit beiden?   Ich liebe es.

Diese Geschichte: „Wenn Ihr Daten-See zu einem Daten-Sumpf wurde, könnte es Zeit sein, den nächsten Schritt zu nehmen“ wurde ursprünglich von Network World veröffentlicht.

quelle: q , q

Zusammenhängende Posts:

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.