Η επανάσταση των Big Data είναι εδώ: εταιρίες συλλέγουν δεδομένα από συναλλαγές, με κάθε δυνατό τρόπο. Αλλά η ανάληψη τέτοιων ευθυνών δεν είναι φθηνή. Η συλλογή μαζικών δεδομένων έχει και τεράστιο κόστος. Αυτό μας οδηγεί στην ερώτηση: πώς μπορούν να εγγυηθούν απόδοση των επενδύσεών τους οι εταιρίες μέσω business intelligence;


Στο σημερινό επιχειρηματικό περιβάλλον, οι αργές κινήσεις προς τις νέες τεχνολογίες είναι σαν θανατική καταδίκη. Εξίσου καταστροφική είναι η υιοθέτηση κακών τεχνολογιών για να μην μείνουμε πίσω σε σχέση με τους ανταγωνιστές μας, που έχουν συνήθως ως αποτέλεσμα μεγάλα έξοδα και καμία χρηματική ανταπόδοση. Αν και απλή ως αναφορά, η «Big Data ισούνται πολλά χρήματα» μπορεί να σημαίνει κάτι διαφορετικό ακόμη και για το ίδιο άτομο. Για έναν διευθυντή μπορεί να είναι αποτρεπτικός παράγοντας τα χρήματα που πρέπει να σπαταληθούν για τη συγκέντρωση των δεδομένων. Για έναν άλλο, είναι μια ευκαιρία να κερδίσει χρήματα από ΒΙ. Και οι δύο έχουν δίκιο.

 

Σύμφωνα με μια έρευνα του 2013 της Wikibon, οι εταιρίες έχουν επιστροφή $0,55 για κάθε δολάριο που επενδύουν στην ανάλυση δεδομένα και στην ΒΙ. Με άλλα λόγια, οι εταιρίες χάνουν το 45% των επενδύσεών τους σε ανάλυση δεδομένων – μια δύσκολη συνταγή για επιτυχία. Μια έρευνα της McKinsey για μάρκετινγκ και πωλήσεις δείχνει το αντίθετο, ότι δηλαδή οι επιχειρήσεις μπορούν να έχουν ανταπόδοση επενδύσεων κατά 10-20% μέσω αυξημένων επενδύσεων σε συλλογή και ανάλυση δεδομένων. Σε παγκόσμιο επίπεδο, αυτό ανέπτυξε τις πωλήσεις των επιχειρήσεων που συμμετείχαν στην έρευνα κατά $200 δισεκατομμύρια. Η έρευνα της McKinsey έδειξε ότι μεγάλες εταιρίες με Big Data έχουν κέρδος 5-6% σε σχέση με τους ανταγωνιστές τους. Τα αποτελέσματα που διαφέρουν στις έρευνες δείχνουν πως δεν υπάρχει ούτε σωστό ούτε λάθος και πως ακόμη και μεγάλες εταιρίες κάνουν κάτι λανθασμένα.

 

Σύμφωνα με συμβούλους ΒΙ όπως η SAS Analytics, «η διακυβέρνηση δεδομένων δεν σχετίζεται εν τέλει με τα δεδομένα. Σχετίζεται με τον καλύτερο έλεγχο και διαχείριση των δεδομένων, που επιτρέπει καλύτερες επιχειρηματικές στρατηγικές και αποτελέσματα και μειωμένους κινδύνους». Σε μια προσαρμοσμένη δήλωση του Κένεντυ για τα δεδομένα: «μην ρωτάς τι μπορούν να κάνουν τα δεδομένα σου για σένα, ρώτα τι μπορείς να κάνεις εσύ για τα δεδομένα σου».

 

Η απλή συγκέντρωση δεδομένων δεν είναι αρκετή. Οι εταιρίες πρέπει να συλλέγουν τα σωστά δεδομένα. Μη ενεργά δεδομένα απλά επιβαρύνουν μελλοντικά την επιχείρηση και μπορούν να καταστρέψουν την ανάλυση. Για να αποφευχθεί κάτι τέτοιο, οι εταιρίες που έχουν πληθώρα τέτοιων δεδομένων μπορούν να μειώσουν τα έξοδά τους με την ενσωμάτωση ανάλυσης δεδομένων σε κάθε έκφανση των λειτουργιών τους. Η ανάλυση δεδομένων έχει επίδραση και σε μια οργάνωση που είναι οργανικό μέρος μια επιχείρησης έτσι ώστε η λήψη αποφάσεων να εφαρμόζεται σωστά.

 

Εν συντομία, τα Big Data οδηγούν σε καλά λεφτά μόνο συγκεκριμένες φορές. Για να είναι σίγουρες ότι θα βγάλουν καλά λεφτά, οι εταιρίες πρέπει να προσεγγίσουν την ανάλυση δεδομένων με τον ίδιο τρόπο που κάνει και ένα επιστήμονας δεδομένων: με οργανωμένο τρόπο που έχει συγκεκριμένο σκοπό.