
Μεγάλα Δεδομένα: Διεπιστημονική Δίνη

Το να παίρνεις τα περισσότερα οφέλη που μπορείς από τα δεδομένα, απαιτείται, η πληροφορία να μοιράζεται σε όλα τα τμήματα μίας εταιρείας. Αν και τα information silos παραμένουν διαδεδομένα, οι CIOs και οι αρχηγοί επιχειρήσεων σε πολλές οργανώσεις συνεργάζονται για να καταστήσουν ικανή μια λειτουργική μεταφορά δεδομένων μεταξύ τους με σκοπό να βελτιώσουν τις μεθόδους αποτελεσματικότητας, να μειώσουν τα κόστη, να μειώσουν τους κινδύνους καθώς και να βρίσκουν καινούργιες ευκαιρίες.
Γιατί η λύση του διεπιστημονικού προβλήματος μπορεί να αγνοηθεί;
Οι επιχειρήσεις του σήμερα δίνουν περισσότερη έμφαση σε επιστήμονες δεδομένων, σε αναλυτές επιχειρήσεων και σε προσωπικό που έχει ήδη εμπειρία στα δεδομένα. Μερικές επιχειρήσεις ακόμα απασχολούν ή προσλαμβάνουν μαθηματικούς ή στατιστικολόγους, παρ’ όλο που μπορεί να μην έχουν σκεφτεί να δοκιμάσουν άλλες μορφές ειδίκευσης, οι οποίες θα μπορούσαν να έχουν διαφορετικές και ίσως πιο ακριβείς μορφές ανάλυσης δεδομένων και καινούργιων καινοτομιών.
Γιατί η λύση του διεπιστημονικού προβλήματος θα γίνει πιο δημοφιλής;
Παρά την διαθεσιμότητα καινούργιων μεθόδων έρευνας, τις διαδικτυακές κοινότητες και τη ροή των social media, τα προϊόντα ακόμα αποτυγχάνουν και οι μεγάλες εταιρίες συνεχίζουν να κάνουν λάθη μεγάλου βεληνεκούς. Έχουν περισσότερα δεδομένα από ότι είχαν πριν, αλλά είτε πάει κάτι λάθος με τα δεδομένα, είτε με την ανάλυση αυτών, ίσως και με τα δύο. Διαφορετικά, το αποτέλεσμα μπορεί να μην επαρκεί σε σχέση με αυτό που θα μπορούσε.
Ένα λάθος αδυνατεί να καταλάβει την εσφαλμένη δομή των δεδομένων. Με αυτή την πληροφορία, είναι πιθανόν να εντοπιστούν χαμένα κομμάτια από τα δεδομένα, ποιά τα πιθανά σχέδια δράσης, και ποιοί είναι οι κίνδυνοι που συνοδεύουν την συγκεκριμένη στρατηγική.