Монетизация и экономия ресурсов
Schmarzo and the Value·Nauts: The Journey from Data to Value
Согласно опросу MIT, только 13% организаций реализуют свою стратегию в области обработки данных, несмотря на увеличение инвестиций в инициативы в области больших данных и искусственного интеллекта. А McKinsey&Co обнаружили, что организации инвестируют триллионы долларов, чтобы стать более ориентированными на данные, но только 8% успешно масштабируют аналитику, чтобы извлечь выгоду из своих данных.
Решение этой проблемы, казалось бы, лежит на ладони - однако автор аргументирует, что путь к извлечению ценности данных начинается с перестройки мышления организациями. С экономической точки зрения, нет никакой ценности в обладании данными. На первоначальном этапе данные - это издежка. А экономика - это методология оценки активов по принципу “ценность в использовании”, при которой ценность актива завязана на ценности, которую стимулирует использование этого актива. Чтобы преодолеть тернистый путь к извлечению ценности из данных, важно посмотреть на этот путь c экономической перспективы - от ценности к данным.
Таким образом, монетизация будет сопровождаться получением поддержки от бизнеса за счет привлечения ключевых заинтересованных сторон на ранней стадии; установлением доверия путем количественной оценки ценности заранее, а не постфактум; уточнением желаемых результатов, решений и показателей для каждого сценария использования данных; ускорением сроков создания ценности и снижением рисков внедрения за счет использования эффекта обучения (economies of learning).
Ценность информационных активов
Why and How to Measure the Value of Your Information Assets
Известная мантра гласит: "Нельзя управлять тем, что не измеряется". Несмотря на превалируюущую значимость данных в организациях, они все еще не признаются активом - показательным является тот факт, что информация по-прежнему считается несущественной по устаревшим стандартам финансовой отчетности.
Для того, чтобы организация стала data-savvy, она должна начать с внутреннего признания информации как реального актива. Gartner предлагает несколько формальных моделей для оценки информации:
1. Intrinsic Value of Information: Насколько корректны, полны и эксклюзивны данные?
2. Business Value of Information: Насколько актуальны данные для конкретных целей?
3. Performance Value of Information: Как данные влияют на ключевые факторы бизнеса?
4. Cost Value of Information: Во что компании обойдется потеря данных?
5. Market Value of Information: Какую пользу мы могли бы получить от продажи данных?
6. Economic Value of Information: Как данные влияют на нашу прибыль?
Системы данных
Power BI on Microsoft Fabric: Marketing or a Real Semantic Layer Solution
На вебинаре CTO и Director of Data Solutions обсуждают исследование, направленное на критическое оценивание решения PowerBI, Direct Lake - новаторской возможности создания семантической модели для анализа очень больших объемов данных в Power BI без необходимости импортировать или дублировать данные в модель Power BI.
Оценка производится на основе трех главных критериев разработки - масштабируемость, экономическая эффективность, и управляемость. В ходе анализа авторы исследования пришли к следующим выводам:
1. Direct Lake служит альтернативой режиму импорта “отложенной загрузки” со всеми теми же недостатками и ограничениями, что и режим импорта
2. Direct Lake быстр при работе с малым количеством данных, но сбивается при работе с большими данными и более высокой параллельностью пользователей
3. В PowerBI Web отсутствуют критически важные функции моделирования, и он плохо подходит для совместной работы с несколькими пользователями
4. Fabric Lakehouse не подходит для использования в качестве универсального Lakehouse из-за отсутствия базовых функций управления данными
Организациям, рассматривающим Power BI/Direct Lake, следует тщательно оценить свои операционные потребности, чтобы гарантировать, что Power BI/Direct Lake сможет предоставлять желаемые результаты.
Приглашение на вебинар
Semantic Layer Summit
На онлайн-саммите Semantic Layer Summit с участием лидеров корпоративных данных и ведущих отраслевых технологов расскажут о практических советах и рекомендациях по лучшим практикам в области обработки данных, технологиях в области корпоративной аналитики, BI, и генератовного искусственного интеллекта.
Agenda:
1. LLM в организациях. Презентация исследования о том, как Knowledge Graphs и Semantic Layers заполняют пробелы точности и объяснимости выводов LLM в корпоративном контексте;
2. От концепции к исполнению: Советы по внедрению стратегии семантического уровня. Практические советы и стратегии внедрения Semantic Layer для обработки и управления данными, self-service аналитики, и повышения точности LLM для GenAI;
3. Экономика данных: Построение практики FinOps для оптимизации затрат на данные и аналитику. Группа экспертов по финансовым операциям расскажут о стратегиях укрепления сотрудничества между финансовыми, инженерными и бизнес-командами для оптимизации расходов на облачные технологии;
4. Создание Data-driven культуры: лучшие практики от специалистов. Стратегии по формированию и развитию культуры работы с данными в организации.
Благодарим за внимание!
Февраль 2024
