Saprast, vai uzkrātie dati un to forma noderēs nākotnes tehnoloģijām
Nereti dati ir uzkrāti "krāšanas pēc", nezinot tam tālāku pielietojumu un cerot, ka kādreiz atradīsies laiks, iespējas un vēlme tos pielietot. Tas nebūt nav sliktākais variants (jo dati ir mūsdienu nafta vai valūta), tomēr tādā gadījumā lietderīgs izaicinājums ir datu auditēšana, kas palīdz noskaidrot, vai gadu gaitā uzkrātie dati un uzkrāšanas veids derēs nākotnes mašīnmācīšanās tehnoloģijām. Ja runājam par nākotnes tendencēm, tad tieši mašīnmācīšanās ieņems būtisku lomu.
Biznesa inteliģences tehnoloģijas, atskaišu izstrāde un rezultātu analīze – robežu datu izmantošanā nav. Viens no virzieniem ir tīri statistisks, ar iespēju apskatīt vēsturiskos datus, rezultātus un mērķus. Nedaudz sarežģītāk ir nodrošināt iespēju reāllaikā apskatīt datus vai virzību uz rezultātu sasniegšanu, kaut dienas beigās. Otrs virziens ir mācīšanās no datiem, paredzot un izvērtējot to ietekmi uz rezultātiem. Arī tehnoloģiju partneris var veikt sekmīgu izpēti – uzņēmums jeb klients izvirza hipotēzi, ko tehnoloģiskais partneris, analizējot procesus, var apstrādāt un sniegt datos balstītu atbildi saistībā ar izvirzīto hipotēzi.
Veiksmes pamatā jēgpilns un ilgtermiņa redzējums
Dati, kas uzkrāti "krāšanas pēc", ir izmantojami, taču arī to izpētē nepieciešams ieguldīt laiku un resursus. Šobrīd ir labs brīdis izstrādāt uzņēmuma mašīnmācīšanās gatavības stratēģiju, jo lielapjoma datu analīze nesniedz tūlītēju rezultātu, taču ilgtermiņā tas būs būtisks ieguvums.
Domājot par ieguldīšanu uzņēmuma tehnoloģiju attīstībā, vajadzētu būt skaidram mērķim. Pilnīgi loģiski, ka atsevišķos gadījumos kaut kādus ikdienas procesus sākotnēji veikt manuāli var būt lētāk, bet ilgtermiņā plānveidīga tehnoloģiju integrēšana uzņēmējdarbībā sniegs lielu pievienoto vērtību. Šobrīd tirgū nav pieejama "zelta formula" jeb vienots risinājums, kas der ikvienam, taču speciālisti visā pasaulē pie tā strādā.
Šādā gadījumā būtiski ir izvēlēties tehnoloģiju partneri, kuram ir ne tikai pietiekami liela pieredze šādu risinājumu izstrādē, bet arī, iespējams, jau izstrādāts un atbilstošs risinājums konkrētajai nozarei. "Exigen Services Latvia" ir zelta partneris programmizstrādes milzim SAP – gan izstrādājot programmas, gan arī ieviešot tā produktus.
Ņemot vērā dažādās vēlmes, SAP risinājumi ir ļoti plaši – tie nodrošina ne tikai padziļinātas zināšanas nozarē, bet arī jau gatavus risinājumus, piemēram, rīkojot mārketinga kampaņas vai prognozējot ražošanas apjomus. Mašīnmācīšanās un datu analīze, strādājot sinerģijā, spēj prognozēt arī klientu vēlmes – nevis pēc pārdotā apjoma, bet pēc konkrētiem paradumiem.
Starpdisciplināra pieeja – nākotne arī datos balstītai uzņēmējdarbībai
Starpnozaru sadarbība jau šobrīd ir ļoti nozīmīga jaunajām "shared economy" [dalīšanās ekonomika – red.] uzņēmējdarbības formām. Iespējams, nākotnē šis un "circular economy" [aprites ekonomika – red.] virziens varētu būt viens no retajiem, kas spēs pastāvēt šodienas konkurences apstākļos.
Tā ir arī interesanta pieredze programmizstrādes uzņēmumiem – programmētāji, analītiķi un matemātiķi, strādājot pie projektiem, kuros iesaistītas dažādas nozares, kļūst par konkrētās jomas speciālistiem. Ir jāspēj audzēt padziļinātu kompetenci dažādās jomās – ražošanas, finanšu vai, piemēram, medicīnā. Tikai ar tehnoloģiju zināšanām vien vairs nevari pārsteigt un būt konkurētspējīgs.
Pati starpnozaru sadarbība vēl nav nekāds jaunums. Līdzīgi kā ierasto risinājumu gadījumā, arī datu pasaulē ir spēkā princips – mani dati ir daudz vērtīgāki kopā ar taviem datiem. Nākotne pieder jauniem biznesa modeļiem un veidiem, kuri radīsies, nebaidoties dalīties un koplietot datus un izmantot jauno tehnoloģiju sniegtās iespējas.