Gartner: Penilaian dampak finansial dari data dan tim AI menjadi sangat penting
Singkatnya
Masalah penilaian dampak finansial dari tim Data, AI, dan ML menjadi kritis.
Di dunia masa depan AI yang cerah, semua orang hanya berbicara tentang efek menakjubkan dari analisis data dan apa yang dapat dibawa oleh tim data secara umum. Pernahkah Anda melihat efek ini dalam kenyataan: arus kas tertentu sebagai hasil dari implementasi proyek analisis data? Jawabannya mungkin ambigu. Jadi Gartner membahas masalah mengevaluasi efek dari tim data yang memimpin mereka konferensi tentang data dan analitik tahun ini.
Menurut studi Gartner, sejak tahun 1975, telah terjadi penurunan yang stabil dalam proporsi perusahaan yang mengukur dampak finansial spesifik dari proyek analitik data (pertumbuhan pendapatan, pengurangan biaya, pertumbuhan produktivitas, dan pengurangan risiko). Sudah pada tahun 2020, lebih dari 90% investasi dalam data (terhadap 17% pada tahun 1975) dibenarkan oleh apa yang disebut tujuan strategis: penciptaan inovasi, data sebagai aset, dan nilai merek.
Dan kemudian Anda dapat berbicara banyak tentang bagaimana dan mengapa kita sampai pada hal ini dan apa yang akan terjadi selanjutnya dengan latar belakang awan yang berkumpul di lingkungan ekonomi makro global.
Mengapa tren itu terbentuk?
Membenarkan efek analisis data dalam kaitannya dengan tujuan strategis, dalam banyak kasus, cukup normal. Perkembangan industri dalam beberapa tahun terakhir telah menjadi jelas bagi semua orang, tampaknya: ChatGPT di sini membuat tembakan terakhir menjadi peragu terakhir. Pada saat terobosan, tidak ada perusahaan yang ingin bertahan yang ingin tetap tertinggal tanpa harapan.
Membenarkan efek dengan tujuan strategis kadang-kadang dipaksakan ketika Anda tidak berinvestasi dalam memahami efek keuangan nyata apa yang dapat dihasilkan oleh investasi dalam data dan bagaimana hal ini dapat diukur. Banyak perusahaan menginvestasikan angka besar dalam proyek untuk meningkatkan proses bisnis berdasarkan data, tetapi pada saat yang sama, mereka menghemat pembuatan metodologi untuk mengevaluasi efek dari proyek ini (pengujian AB, analisis pasca investasi proyek data, dll.). Dengan setiap proyek baru, perusahaan semacam itu semakin terjebak dalam perangkap ketidakpastian; bagi mereka, risiko kebangkrutan akhir dari semua aktivitas data meningkat, atau tim data dibesar-besarkan tanpa memahami keberhasilan aktivitas mereka.
Pada saat yang sama, dalam praktiknya, pengenalan metodologi semacam itu selalu menghasilkan efek terbesar pada semua proyek data.
Apa yang akan terjadi selanjutnya?
Sisi gelapnya adalah meningkatnya kerentanan tim data dalam situasi ekonomi makro yang sulit di pasar dunia. Jika 90% efek dari beberapa jenis tim tidak dapat "disentuh" karena mereka berada di masa depan yang cerah, ketika krisis ekonomi meningkat, tim-tim inilah yang akan menjadi yang pertama terkena. Sayangnya, awal dari tren ini sebagian besar dikonfirmasi pada tahun 2022, dan sejumlah skala besar PHK di perusahaan besar.
Sisi baiknya adalah meningkatnya minat dalam penilaian dampak keuangan yang nyata. Dengan latar belakang semua hal di atas, kami memperkirakan bahwa pada tahun 2024–2025 akan ada pembalikan tren, dan lebih banyak investasi akan dibenarkan oleh efek finansial yang nyata.
Dan ini berarti peningkatan minat pada metode seperti ML yang Dapat Diandalkan: bagaimana mengatur pekerjaan tim data sehingga efek aktivitas mereka dapat diukur dan positif secara finansial. Untuk melakukan ini, Anda perlu memikirkan tentang desain sistem ML (agar tidak masuk ke proyek yang jelas-jelas tidak menguntungkan atau tidak dapat direalisasikan), inferensi kausal (agar tidak jatuh ke dalam perangkap pola yang salah), dan pengujian AB (agar benar pahami apakah prototipe Anda akan menghasilkan uang saat penskalaan).
Baca berita terkait lainnya:
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
lebih artikel
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
