인공 지능 분석은 짧은 몇 년 동안 많은 발전을 이루었지만 사실 대부분의 회사는 여전히 레거시 시스템과 코드가 없거나 낮은 보고서 생성기에서 파생된 기존 보고 기능을 사용하고 있습니다. IT는 80년 또는 20년마다 이러한 보고서를 검토하며 일반적인 결과는 보고서의 XNUMX%가 사용되지 않는 반면 XNUMX%는 많이 사용되는 것입니다. 

만나다: 전자 데이터 폐기 정책 (TechRepublic Premium)

보고서 검토의 목표는 사용되는 보고서를 식별하고 나머지는 제거하는 것입니다. 그러나 보고 및 데이터에서 보다 필수적인 연습은 각 회사의 비즈니스 단위를 중심으로 두 가지를 정렬하여 IT가 비즈니스의 관점에서 비즈니스 정보 요구 사항을 더 잘 이해할 수 있도록 하는 것입니다.

이것이 작동하는 방식은 다음과 같습니다. 고객 서비스 부서는 매달 얼마나 많은 서비스 호출이 있는지, 각 호출을 완료하는 데 걸리는 시간 및 서비스 문제가 무엇인지를 보여주는 표준 시스템 보고서를 사용합니다. 고객 서비스에는 인력 사용, 예산 할당 및 지출 등을 검토하는 표준 보고서도 있습니다. 고객 서비스는 AI 시스템을 사용하여 현장에서 실시간으로 문제를 해결하고 검색 가능한 제품 및 부품 회로도와 매뉴얼의 비정형 데이터 저장소도 사용합니다. 현장 물류를 위해 부서는 각 서비스 차량을 위치별로 추적하는 GIS 매핑 시스템을 사용합니다.

만나다: 데이터 사일로를 무너뜨리는 방법: 4가지 장애물과 솔루션 (TechRepublic)

이것이 IT 관점입니다. 고객 서비스는 구조화된 데이터를 일괄 처리하는 표준 보고서부터 구조화된 데이터와 구조화되지 않은 데이터를 모두 활용하는 실시간 및 일괄 AI 분석 시스템에 이르기까지 다양한 데이터와 보고를 혼합하여 사용합니다. 즉, 레거시 시스템의 정형 데이터와 회로도 및 GIS 맵의 비정형 데이터에 액세스할 수 있는 데이터 패브릭이 짜여져야 합니다. 시스템이 성장함에 따라 사물의 인터넷 데이터 기능이 추가되면 IT의 임무는 가능한 한 많은 플러그 앤 플레이가 될 수 있도록 통합을 배치하는 것입니다. 이것은 고객 서비스에 새로운 시스템을 추가하기 위한 유연한 옵션을 제공하고 데이터 사일로를 제거합니다.

부서별 데이터 워크벤치 아이디어

고객 서비스가 업무를 수행하고 성능과 추세를 평가하기 위해 필요한 모든 데이터를 이해함으로써 IT는 유연하고 확장 가능하며 모든 종류의 데이터 고객 서비스 요구 사항을 처리할 수 있는 데이터 패브릭을 공식화할 수 있습니다. 이 과정에서 IT는 고객 서비스에서 이 데이터를 처리하는 데 사용하는 시스템과 애플리케이션도 식별합니다. 최종 결과는 워크벤치가 고객 서비스에서 사용하는 모든 애플리케이션, 시스템 및 데이터를 정렬하고 분류하기 때문에 IT 부서에서 비즈니스로서의 고객 서비스에 대한 총체적인 이해를 제공하는 부서별 "데이터 워크벤치"입니다.

만나다: Snowflake 데이터웨어 하우스 플랫폼 : 치트 시트 (무료 PDF) (TechRepublic)

데이터 워크벤치가 중요한 이유는 무엇입니까?

모든 부서 애플리케이션, 시스템 및 데이터를 총체적으로 통합하는 데이터 워크벤치 접근 방식으로 각 비즈니스 기능에 접근하면 IT가 비즈니스 및 개별 기능을 더 잘 이해할 수 있습니다. 데이터 및 시스템 통합이 촉진되고 사일로가 제거됩니다.

만나다: 모든 데이터 도구를 통합하는 데이터 패브릭을 구축하는 3 단계 (TechRepublic)

현재까지 개별 사용자 부서에서 데이터 워크벤치 접근 방식을 사용하는 IT 조직은 거의 없지만 데이터와 애플리케이션을 비즈니스에 더 잘 맞추고 독립 실행형 및 구식 시스템과 데이터를 줄이고 확산시킬 수 있는 잠재력 때문에 미래에는 더 많은 IT 조직이 이를 고려할 것입니다. 전사적 비즈니스 인텔리전스.

데이터, 분석 및 AI 뉴스 레터

데이터 과학, 빅 데이터 분석 및 인공 지능에 대한 최신 뉴스와 모범 사례를 알아보십시오. 월요일 전달

오늘 가입

참조