Il y a un peu plus de dix ans, j'ai eu le grand plaisir d'entendre un discours d'ouverture pour mon fils. Eric Lander le chef du projet du génome humain, a décrit son parcours à travers la science et la vie. Il a partagé qu'il n'avait pas de direction claire en tant que majeure en mathématiques à Princeton, et le labyrinthe des décisions qui ont suivi pour l'amener à la biologie génétique. Il a également partagé le processus scientifique et son adoption dans la culture et l'économie du monde moderne. Il a fallu une génération pour comprendre et incorporer les découvertes scientifiques dans l'économie et la culture, comme mon père me l'avait déjà dit.
Il y a beaucoup de choses qui résonnent de cet extraordinaire scientifique, mais je ne suis plus d'accord avec son évaluation de la cadence de l'innovation. C'est plus rapide, beaucoup plus rapide. Le cycle d'innovation qui a débuté dans les laboratoires de chimie, des milliers d'expériences et des centaines d'essais cliniques a été remplacé par des millions d'expériences naturelles par jour. Ce n'est pas seulement vrai pour les disciplines scientifiques d'élite, c'est vrai dans notre vie sociale quotidienne, comme nous le savons. Toutes nos communications, en fait nos pas, peuvent être suivis et testés pour leur puissance prédictive.
Le carburant pour cette accélération a été un grand nombre de données. Des micro-analyses aux articles de blog, l'explosion des données a été rien de moins que météorique. Comme toujours, le défi consiste à transformer les données brutes en observations dans le monde réel, qui peuvent indiquer des modèles et des signaux fiables qui fournissent des informations et prédisent les résultats.
Visualisation avancée et apprentissage automatique, nous sommes en mesure de construire un écosystème qui brise la barrière de la génération. Plutôt que d'attendre des décennies pour que la découverte devienne une théorie acceptée, nous pouvons maintenant créer des idées en quelques jours ou semaines et agir immédiatement. Dans d’autres articles de CIO.com, j’ai écrit sur la façon dont cette accélération a entraîné des activités de fusion et acquisition des réductions spectaculaires des coûts de gestion des données et sur le problème des . .
La consolidation du pipeline d'analyse des données et de la gestion des données est en cours. La combinaison de mon entreprise, Podium Data, et Qlik Technologies, montre comment le marché se structure pour fournir des solutions de bout en bout où les scientifiques, les travailleurs du savoir et les consommateurs peuvent collaborer efficacement. décisions commerciales. Voici plusieurs des principes que j'estime essentiels pour le futur écosystème:
- Raw to ready: le système devrait automatiquement identifier les données sales, les types de données incorrects et les données sémantiquement ambiguës ou douteuses. Si les données ne sont pas structurellement fiables, elles ne peuvent pas être analysées en termes de tendances et de connaissances.
- Shopping en libre-service: les chercheurs d’informations doivent pouvoir consulter, consulter et rechercher des données dans un catalogue intelligent bien documenté et disponible. . La démocratisation des données et des analyses étend la communauté des scientifiques de données d’élite à un large éventail de consommateurs ayant accès à des données bien contrôlées et contrôlées. Une composante humaine essentielle de cette expansion est la maîtrise des données pour que la main-d'œuvre puisse tirer pleinement parti de ces nouvelles capacités.
- Itérations rapides: les analystes devraient pouvoir charger, accéder, préparer et analyser les données en quelques minutes sans que les professionnels de l'informatique soient au courant. Contrairement à l'approche traditionnelle des sandbox analytiques silo, le nouveau paradigme fournit une plate-forme commune qui gère les données tout au long du cycle de vie DataOps, de la découverte à la production. Cela relie davantage les communautés de spécialistes des données et les analystes métier et prend en charge la collecte massive d'informations telles que les ensembles de données les plus populaires ou les plus fiables.
Ces principes permettent d'optimiser une métrique analytique fondamentale définie il y a 10 ans: Votre temps de réponse? Nous savons que les entreprises qui peuvent fournir des réponses en quelques heures plutôt qu'en quelques jours (et non en plusieurs mois) économisent non seulement du temps et de l'argent, mais elles transforment l'entreprise. Les analyses commencent à informer les décisions commerciales urgentes, les processus sont instrumentés pour l'optimisation, les données et les informations deviennent de nouveaux produits. Il suffit de regarder comment les entreprises disposant de données riches et d’analyses agiles (Amazon, Google) s’attaquent aux marchés traditionnels (assurance, banque, commerce de détail).
Les conseils d’administration et les dirigeants de C-Suite lancent des programmes stratégiques de transformation numérique . Le cœur de ces programmes est un écosystème de données et d'analyse agile et intégré qui accélère le délai de réponse et permet un cycle rapide de test et d'apprentissage.
Cet article est publié dans le cadre du réseau IDG Contributor. Voulez-vous vous inscrire?