Ροή
Κάθε επιχείρηση αξιοποιεί δεδομένα. Παλαιότερα αυτή γίνονταν εμπειρικά, σταδιακά με στατιστικά μοτίβα, κάθε επιχείρηση, την χρησιμοποιεί ώστε να προσαρμόζει τη λειτουργία και να λαμβάνει τεκμηριωμένες αποφάσεις.
Σήμερα, στην 4 η βιομηχανική επανάσταση, στο αναλυτικό οπλοστάσιο έχει προστεθεί και η Τεχνητή Νοημοσύνη η οποία έχει επιταχύνει, διευρύνει και διευκολύνει την αναλυτική δυνατότητα σε υπερθετικό βαθμό. Άλλωστε, η ΤΝ έχει αυξηθεί θεαματικά και κερδίζει έδαφος στις επιχειρήσεις όλου του κόσμου, ενώ και η εμπορική διαθεσιμότητα των εργαλείων αυξάνει συνεχώς. Όλο και περισσότερες επιχειρησιακές διαδικασίες, συστήματα και εφαρμογές ενσωματώνουν την ανάλυση δεδομένων, ενώ δημιουργείται και ένα σύνθετο οικοσύστημα προϊόντων και υπηρεσιών από επιχειρήσεις όλων των μεγεθών και προμηθευτές τεχνολογίας που καλύπτουν όλο το φάσμα της Μηχανικής Μάθησης / Τεχνητής Νοημοσύνης. Ως «κλάδος», η τεχνητή νοημοσύνη αναμένεται να δημιουργήσει επιχειρηματική αξία ύψους US$ 2,9 τρισ. το 2021, ενώ σε βάθος τριετίας η Τεχνητή Νοημοσύνη θα έχει καταστεί ως η πιο κοινή προσέγγιση στην ανάλυση δεδομένων.
Δημιουργεί σημαντικά οφέλη σε όλο το φάσμα της οικονομικής δραστηριότητας (δείτε εδώ το Special Report του ΣΕΒ), από τη δυνατότητα πρόβλεψης της ζήτησης, προσαρμογής της παραγωγής (34% μείωση χρόνου παραγωγής), και τη διαχείριση αποθεμάτων (έως 25%) στη βιομηχανία και το εμπόριο, μέχρι το R&D και το μάρκετινγκ (25% και 5% μείωση δαπανών αντίστοιχα). Στις χρηματοοικονομικές υπηρεσίες αξιολογούνται καλύτερα οι κίνδυνοι και η πιστοληπτική ικανότητα, ενώ ακόμα και στο δημόσιο τομέα, εργαλεία analytics και ρομποτικά συστήματα βελτιώνουν διαδικασίες και παρεχόμενες υπηρεσίες. Το εύρος και ο όγκος των δεδομένων είναι τέτοιος, που έχει δημιουργηθεί και ένα νέο επιχειρηματικό μοντέλο, βασισμένο στην αρχή “data as a service”, όπου επιχειρήσεις αναθέτουν σε τρίτους παρόχους τη διαχείριση των δεδομένων τους μέσω outsourcing. Σύμφωνα με την Deloitte, οι επιχειρήσεις που αξιοποιούν συστηματικά αναλύσεις δεδομένων έχουν διπλάσια πιθανότητα να υπερβούν τους στόχους ανάπτυξης και ανταγωνιστικότητας.
Η Τεχνητή Νοημοσύνη είναι με άλλα λόγια, ήδη εδώ και παρέχει πλήθος λύσεων. Ωστόσο, η αξιοποίησή της, δεν είναι ωστόσο μια αμιγώς τεχνολογική διαδικασία. Αντίθετα, έχει τον ανθρώπινο παράγοντα στο επίκεντρο. Στην πράξη αφορά σε τρία, αλληλένδετα, επίπεδα: την προμήθεια συστημάτων, την εταιρική λειτουργία και κουλτούρα λήψης αποφάσεων, και την οργάνωση και δεξιότητες του ανθρώπινου δυναμικού.
Στην Ελλάδα, για παράδειγμα, ενώ βρισκόμαστε πάνω από τον ευρωπαϊκό μέσο όρο στην προμήθεια συστημάτων Big Data Analytics (12 οι στην ΕΕ), μόνο το 39% των επιχειρήσεων έχει εντάξει την ανάλυση δεδομένων στην κουλτούρα και τις διαδικασίες λήψης αποφάσεων. Όμως, η μελέτη δείχνει πως σε επίπεδο επιχειρήσεων, αυτές με κουλτούρα πληροφόρησης και αξιοποίησης της πληροφόρησης για αποφάσεις, έχουν διπλάσιες πιθανότητες να υπερβούν τους επιχειρηματικούς στόχους. Επιπλέον, η ομαδική προσπάθεια, ο εκδημοκρατισμός της πληροφορίας, και analytics δίνουν επιπλέον ώθηση (εκεί όπου υπήρχαν, το 88% ξεπέρασε τους επιχειρηματικούς στόχους). Με άλλα λόγια, σύγχρονες δεξιότητες, διάσπαρτες μέσα στην επιχείρηση, ηγετικά στελέχη με προσανατολισμό σε μια στρατηγική βασισμένη στην αξία της πληροφορίας για τη διακυβέρνηση και λήψη αποφάσεων είναι όλες σημαντικές πτυχές.
Η υιοθέτηση ενός μηχανισμού διακυβέρνησης δεδομένων, η επένδυση σε ψηφιακές τεχνολογίες και η πρόσληψη εξειδικευμένου ανθρώπινου δυναμικού δεν επαρκούν για να πραγματοποιηθεί το επιθυμητό άλμα. Το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ με τη συνεργασία της Deloitte προτείνουν έναν οδικό χάρτη για την αξιοποίηση δεδομένων: Ξεκινάει με κρίσιμα ερωτήματα προβλημάτων, στόχων και στρατηγικής, περνάει από τον εντοπισμό των κρίσιμων δεδομένων και τη διασφάλιση της αξιοπιστίας τους και συνεχίζεται με τη δημιουργία οργανωτικής δομής, στελεχών, και ευθυνών. Παράλληλα, επιδιώκονται οι κατάλληλες δεξιότητες, τα συστήματα, η στρατηγική προμηθειών, η ανάλυση πιθανών παραγόντων αποτυχίας του μετασχηματισμού και η διασφάλιση της δεοντολογίας και των δεδομένων.
