س 1. ماذا تقصد بسير العمل الذكي؟ وما هو مستقبله؟

أ 1. سير العمل عبارة عن سلسلة من الخطوات التي يتم دمجها لتحقيق مهمة معينة. فيما يتعلق بالتحليلات، يمكن النظر إليها على أنها شيء يدعم عملية هندسة البيانات، مثل أداة استخراج البيانات وتحويلها وتحميلها، ومعالجة البيانات، وبناء أي نماذج تحليلية معقدة مثل تلك المتعلقة بالتعلم الآلي على البيانات.

سير العمل الذكي: سير العمل الذكي هو الذي تم إنشاؤه مرة واحدة وهو قابل للتشغيل الآلي بالكامل وقابل للتطوير ويلبي مجموعة متنوعة من المهام والجمهور. على سبيل المثال، لنفترض أن مستخدم الأعمال يحصل كل شهر على بيانات من 10 مصادر بيانات، ويجمعها، ويقوم ببعض الجدل حول البيانات المجمعة. تبدو العملية كالرسم البياني الموضح أدناه:

إذا كانت العملية برمتها مؤتمتة بالكامل وتشغيلها كل شهر بأقل تدخل من المستخدم أو بدون تدخل، فستكون بمثابة سير عمل ذكي.

تعتبر تدفقات العمل الذكية مفهومًا مثيرًا للاهتمام ويمكن اعتبارها مستقبل التحليلات لأنها تخدم متطلبات الكثير من المهتمين بذلك بما فيهم أعضاء فريق تكنولوجيا المعلومات ومستخدمي الأعمال وما إلى ذلك، تسمح مهام سير العمل هذه (لأصحاب البيانات الفعليين) بالحصول على السيطرة على بياناتهم. بالنسبة لتكنولوجيا المعلومات، يعد هذا بمثابة نعمة لأنه يشجع الأتمتة ويقلل من الاعتماد على فرقهم في مهام العمل اليومية.

أصبح إنشاء تدفقات عمل ذكية أمرًا سهلاً الآن مع الكثير من أدوات التحليلات ذاتية الخدمة في السوق مثل ألتريكس وتابلو التحضيري وكنايم وتالند وما إلى ذلك.

س 2. في مؤسسة تعتمد على البيانات، يتم تضمين البيانات في كل عملية وتفاعل وقرار. كيف جعلت هذا يحدث؟ ما هي التحديات التي واجهتها وكيف تغلبت عليها؟

أ 2. أود أن أقول إن هذا قد أصبح أكثر تميزًا بعد إدراك الشركات لقيمة البيانات وما تقدمه من حيث اتخاذ القرار الفعال. إذا أخذنا مثالاً لتوقعات المبيعات، فقد كان الأمر بديهيًا تمامًا وقائمًا على الحس التجاري قبل بضع سنوات. انتهى الأمر بهذه التوقعات بعيدًا جدًا عن القيم الفعلية في كثير من الأحيان. كانت التوقعات التي كانت تقارب 50٪ من القيم الفعلية تعتبر جيدة. ولكن مع وجود البيانات جنبًا إلى جنب مع المنهجيات الإحصائية المعقدة، فإن التوقعات دقيقة تمامًا في عالم اليوم حيث تصل الدقة إلى ما يقرب من 100٪. ولقد أدركت المؤسسات ذلك، وتستخدم معظم المؤسسات اليوم التحليلات المتقدمة للتنبؤ. وبالمثل، عبر دورة صنع القرار بأكملها، تدرك المنظمات وترى قيمة ما يجب أن تقدمه البيانات من حيث القيمة الحقيقية.

التحديات الرئيسية التي رأيتها وكيف تغلبت عليها ستكون:

إقناع أصحاب المصلحة ببيانات القيمة وما يمكن أن تجلبه إلى نظام العمل: قسّم رحلة العميل إلى مراحل سريعة واستهدف في البداية حالات الاستخدام التي لها وقت استجابة سريع وقيمة مضافة. بمجرد أن يرى العميل، ما يمكن تحقيقه ببياناته الخاصة، يصبح أكثر قابلية للاقناع، وهذا يساعدنا على الاستمرار بسلاسة مع بقية الرحلة.

جعل صانعي القرار يثقون في البيانات المتوفرة: يتم التعامل مع هذا التحدي إلى حد كبير من خلال إشراك جميع أصحاب المصلحة المعنيين ووجود إطار عمل قوي لجودة البيانات. لا نقدم فقط رؤى البيانات على المستوى العام، ولكن أيضًا عمليات التحقق من البيانات التي تم إجراؤها في مراحل مختلفة للوصول إلى تلك الأفكار. هذا يزيد من ثقة أصحاب المصلحة والمعنيين ويبدؤون في الإيمان بالبيانات المتاحة.

بالنسبة للمؤسسات في المراحل الأولى من رحلة البيانات، يمكن أن يكون إدراك قيمة عرض البيانات أمرًا مستهلكًا للوقت. كان إقناع أصحاب المصلحة وجعلهم يدركون القيمة تحديًا كبيرًا عدة مرات: يمكن أيضًا التعامل مع هذا التحدي بطريقة مماثلة، التحدي الأول. استهداف حالات الاستخدام التي يسهل تحقيقها وإظهار قيمة العميل فيها. يحاول العديد من محترفي التحليلات في بعض الأحيان إظهار شيء خيالي مثل الذكاء الاصطناعي في المراحل الأولى من رحلة بيانات المؤسسة. يجب تجنب ذلك لأن اعتماد التحليلات هو عملية تدريجية.

في بعض الأحيان، كان تبني التكنولوجيا من قبل العملاء يمثل عقبة كبيرة بسبب التكلفة وعدم توفر الموارد الماهرة: يرتبط هذا ارتباطًا وثيقًا بإظهار قيمة العميل فيما يستثمرون فيه. بمجرد أن يرى العملاء القيمة، سيكونون سعداء بتحمل تكلفة التكنولوجيا في متناول اليد.

س 3. تتم معالجة البيانات وتسليمها في الوقت الفعلي هذه الأيام. ما هي عوامل التمكين التقنية في هذا الصدد؟

. لا يمكن أن يكون هناك إجابة واحدة على هذا السؤال. يعتمد الأمر تمامًا على حالة استخدام التحليلات المطروحة. ولكن لإعطاء سياق بسيط لنفس تكوين الأجهزة المحسّن، يمكن تسمية زيادة سرعة تدفق البيانات والبرامج التي تسمح بمعالجة البيانات بأقل جهد ممكن كمحركات للمعالجة السريعة للبيانات وتسليمها. بعض الأمثلة على ذلك يمكن أن تكون بيانات من سوق الأوراق المالية حيث يتم جمع المعلومات في الوقت الفعلي تقريبًا ومعالجتها. يمكن أن يعزى ذلك إلى تقنية تسمى “الويب سكرابنج”. عوامل التمكين التقنية لهذا كثيرة، ولكن يمكننا اعتبار لغات البرمجة النصية مثل آر وبايثون لنفسها. مثال آخر على سطور مماثلة هو البيانات التي تم إنشاؤها من أجهزة إنترنت الأشياء والمعلومات المستمدة منها. ستكون عوامل تمكين التكنولوجيا في هذه الحالة هي أجهزة إنترنت الأشياء والأجهزة الذكية والإنترنت المتوفر عالي السرعة.

س 4. ما هي وحدات تخزين البيانات المرنة وكيف تتيح بيانات متكاملة وجاهزة للاستخدام؟

. تأتي البيانات في أشكال وأشكال مختلفة. يمكن تصنيفها إلى مجموعات رئيسية مثل:

البيانات المنظمة: هذا هو النوع الأكثر شيوعًا من البيانات المتوفرة في عالم التحليلات اليوم. يمثل ما يقرب من 80 ٪ من إجمالي البيانات وهي من السهل الحصول عليها. تكون هذه البيانات في شكل جداول مخزنة في قاعدة بيانات ذات تسلسل هرمي معين. يحتوي على تنسيق محدد مسبقًا للتخزين.

البيانات غير المنظمة: هذا نوع آخر من البيانات اكتسب قوة جذب في الآونة الأخيرة بسبب الكم الهائل من المعلومات المتاحة فيه. البيانات القادمة من “التعليقات” و”مراجعات المستخدمين” و”مراجعات المنتج” وما إلى ذلك هي أحد أشكال البيانات غير المنظمة. البيانات من ملفات الصوت والفيديو والصور والملفات النصية ومستندات الكلمات وغيرها هي شكل آخر من أشكال البيانات غير المنظمة. البيانات غير المهيكلة هي مجموعة من العديد من الأنواع المتنوعة من البيانات المخزنة في تنسيقاتها الأصلية.
مخازن البيانات المرنة هي تلك التي تسمح بتخزين أي نوع من البيانات سواء كانت منظمة أو غير منظمة. يجد تطبيقات واسعة في مجالات متعددة.
تستخدم المؤسسات المالية نفس الشيء لدمج البيانات من مصادر متعددة لإنشاء عرض موحد لعملائها.
تستخدم شركات البيع بالتجزئة العملاقة الكثير من المعلومات في المراجعات والتعليقات التي يتركها المستخدمون لتحسين منتجاتهم وخدماتهم.
تستخدم مراكز الاتصال البيانات من الملفات الصوتية لتقييم الموظفين.
استخدام تحليلات الفيديو من قبل تجار التجزئة للعثور على العناصر غير المتوفرة في مخزونهم.

س 5. ما هي نماذج تشغيل البيانات ولماذا هي مهمة؟

. نموذج تشغيل البيانات هو الطريقة التي تتدفق بها البيانات داخل المنظمة. دعونا نأخذ على سبيل المثال منظمة تجمع البيانات باستخدام الدراسات الاستقصائية وتقوم بالتحليل بناءً عليها. يمكن الإشارة إلى عملية تدفق البيانات بأكملها بدءًا من إرسال الاستطلاعات، والتقاط البيانات من الاستطلاعات، ومشاحنات البيانات إلى إجراء التحليل على هذه البيانات على أنها نموذج تشغيل البيانات.
من المهم لأنه يساعد على اختراق المجموعات المتفرقة التنظيمية والتقنية داخل الأعمال التجارية. إنه يعتمد على نموذج الأعمال ويتناول كيفية معالجة البيانات عبر العمليات التنظيمية، على طول الطريق من جمع البيانات والتطهير والإثراء إلى مشاركة البيانات واستخدامها. إن وجود نموذج تشغيل البيانات الصحيح في المكان الذي يكسر مجموعات المعلومات المنفصلة ويقلل من الاعتماد على أفراد أو فرق معينين هو عناصر حاسمة في إنشاء مؤسسة تعتمد على البيانات.