Gartner: การประเมินผลกระทบทางการเงินของข้อมูลและทีม AI กลายเป็นเรื่องสำคัญ
ในบทสรุป
ปัญหาในการประเมินผลกระทบทางการเงินของทีม Data, AI และ ML ได้กลายเป็นปัญหาสำคัญ
ในโลกของอนาคตที่สดใสของ AI ทุกคนพูดถึงแต่ผลที่น่าทึ่งของการวิเคราะห์ข้อมูลและสิ่งที่ทีมข้อมูลสามารถนำมาสรุปได้ คุณเคยเห็นผลกระทบเหล่านี้ในความเป็นจริงหรือไม่: กระแสเงินสดเฉพาะอันเป็นผลมาจากการดำเนินโครงการวิเคราะห์ข้อมูล? คำตอบน่าจะคลุมเครือ ดังนั้น Gartner จึงกล่าวถึงปัญหาของการประเมินผลกระทบของทีมข้อมูลที่เป็นผู้นำ การประชุมเกี่ยวกับข้อมูลและการวิเคราะห์ ในปีนี้
จากการศึกษาของ Gartner ตั้งแต่ปี 1975 เป็นต้นมา สัดส่วนของบริษัทที่วัดผลกระทบทางการเงินที่เฉพาะเจาะจงของโครงการวิเคราะห์ข้อมูล (การเติบโตของรายได้ การลดต้นทุน การเพิ่มผลิตภาพ และการลดความเสี่ยง) ลดลงอย่างต่อเนื่อง ในปี 2020 กว่า 90% ของการลงทุนในข้อมูล (เทียบกับ 17% ในปี 1975) ได้รับการพิสูจน์โดยเป้าหมายเชิงกลยุทธ์ที่เรียกว่า: การสร้างนวัตกรรม ข้อมูลเป็นสินทรัพย์ และมูลค่าแบรนด์
จากนั้นคุณสามารถพูดได้มากมายเกี่ยวกับวิธีการและเหตุผลที่เรามาถึงสิ่งนี้ และสิ่งที่จะเกิดขึ้นต่อไปท่ามกลางฉากหลังของก้อนเมฆที่รวมตัวกันในสภาพแวดล้อมเศรษฐกิจมหภาคทั่วโลก
ทำไมเทรนด์ถึงเกิดขึ้น?
การปรับผลของการวิเคราะห์ข้อมูลในแง่ของเป้าหมายเชิงกลยุทธ์เป็นเรื่องปกติ ในหลายกรณี การพัฒนาอุตสาหกรรมในช่วงไม่กี่ปีที่ผ่านมาได้ชัดเจนสำหรับทุกคนแล้ว ดูเหมือนว่า: ChatGPT ที่นี่ทำให้นัดสุดท้ายเป็นผู้สงสัยคนสุดท้าย ในช่วงเวลาแห่งความก้าวหน้า ไม่มีบริษัทใดที่ต้องการอยู่รอดต้องการอยู่ข้างหลังอย่างสิ้นหวัง
การให้เหตุผลที่สมเหตุสมผลกับเป้าหมายเชิงกลยุทธ์บางครั้งอาจถูกบังคับเมื่อคุณไม่ลงทุนในความเข้าใจว่าการลงทุนในข้อมูลจะสร้างผลกระทบทางการเงินที่แท้จริงได้อย่างไรและจะวัดผลได้อย่างไร หลายบริษัทลงทุนจำนวนมากในโครงการเพื่อปรับปรุงกระบวนการทางธุรกิจโดยอาศัยข้อมูล แต่ในขณะเดียวกันก็ประหยัดในการสร้างวิธีการในการประเมินผลของโครงการเหล่านี้ (การทดสอบ AB การวิเคราะห์หลังการลงทุนของโครงการข้อมูล ฯลฯ) ในแต่ละโครงการใหม่ บริษัทเหล่านี้จมอยู่กับกับดักแห่งความไม่แน่นอนมากขึ้นเรื่อยๆ สำหรับพวกเขาแล้ว ความเสี่ยงของการล้มละลายขั้นสุดท้ายของกิจกรรมข้อมูลทั้งหมดกำลังเพิ่มขึ้น หรือทีมข้อมูลมีมากเกินไปโดยไม่เข้าใจความสำเร็จของกิจกรรมของพวกเขา
ในเวลาเดียวกัน ในทางปฏิบัติ การนำวิธีการดังกล่าวมาใช้ทำให้เกิดผลกระทบสูงสุดต่อโครงการข้อมูลทั้งหมดเสมอ
จะเกิดอะไรขึ้นต่อไป?
ด้านมืดคือความเปราะบางที่เพิ่มขึ้นของทีมข้อมูลในสถานการณ์เศรษฐกิจมหภาคที่ยากลำบากในตลาดโลก หาก 90% ของผลกระทบของทีมบางประเภทไม่สามารถ "แตะต้อง" ได้ เพราะพวกเขาอยู่ที่ไหนสักแห่งในอนาคตอันสดใส เมื่อวิกฤตเศรษฐกิจทวีความรุนแรงขึ้น ทีมเหล่านี้จะได้รับผลกระทบเป็นกลุ่มแรก น่าเสียดายที่จุดเริ่มต้นของเทรนด์นี้ส่วนใหญ่ได้รับการยืนยันภายในปี 2022 และอีกจำนวนมาก การปลดพนักงาน ในบริษัทขนาดใหญ่
ด้านสว่างคือความสนใจที่เพิ่มขึ้นในการประเมินผลกระทบทางการเงินที่แท้จริง จากเบื้องหลังทั้งหมดข้างต้น เราคาดว่าในปี 2024-2025 จะมีการกลับตัวของแนวโน้ม และการลงทุนมากขึ้นจะได้รับการพิสูจน์ด้วยผลกระทบทางการเงินที่แท้จริง
และนี่จะหมายถึงความสนใจที่เพิ่มขึ้นในวิธีการต่างๆ เช่น Reliable ML: วิธีจัดระเบียบงานของทีมข้อมูล เพื่อให้ผลของกิจกรรมสามารถวัดผลได้และเป็นไปในเชิงบวกทางการเงิน ในการทำเช่นนี้คุณต้องคิดถึงการออกแบบระบบ ML (เพื่อไม่ให้เข้าไปในโครงการที่ไม่เกิดประโยชน์หรือไม่สามารถเกิดขึ้นได้อย่างชัดเจน) การอนุมานเชิงสาเหตุ (เพื่อไม่ให้ตกหลุมพรางของรูปแบบที่ผิดพลาด) และการทดสอบ AB (เพื่อให้ถูกต้อง เข้าใจว่าต้นแบบของคุณจะนำเงินมาเมื่อปรับขนาดหรือไม่)
อ่านข่าวที่เกี่ยวข้องเพิ่มเติม:
ข้อจำกัดความรับผิดชอบ
สอดคล้องกับ แนวทางโครงการที่เชื่อถือได้โปรดทราบว่าข้อมูลที่ให้ไว้ในหน้านี้ไม่ได้มีจุดมุ่งหมายและไม่ควรตีความว่าเป็นคำแนะนำทางกฎหมาย ภาษี การลงทุน การเงิน หรือรูปแบบอื่นใด สิ่งสำคัญคือต้องลงทุนเฉพาะในสิ่งที่คุณสามารถที่จะสูญเสียได้ และขอคำแนะนำทางการเงินที่เป็นอิสระหากคุณมีข้อสงสัยใดๆ สำหรับข้อมูลเพิ่มเติม เราขอแนะนำให้อ้างอิงข้อกำหนดและเงื่อนไขตลอดจนหน้าช่วยเหลือและสนับสนุนที่ผู้ออกหรือผู้ลงโฆษณาให้ไว้ MetaversePost มุ่งมั่นที่จะรายงานที่ถูกต้องและเป็นกลาง แต่สภาวะตลาดอาจมีการเปลี่ยนแปลงได้โดยไม่ต้องแจ้งให้ทราบล่วงหน้า
เกี่ยวกับผู้เขียน
Damir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต
บทความอื่น ๆDamir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต