Construire une organisation de données et d’IA performante
Dans ce contexte, une gestion efficace des données est l’un des fondements d’une organisation basée sur les données. Mais la gestion des données dans une entreprise est très complexe. Au fur et à mesure que de nouvelles technologies de données entrent en service, le fardeau des systèmes hérités et des silos de données augmente, à moins qu’ils ne puissent être intégrés ou cantonnés.
La fragmentation de l’architecture est un casse-tête pour de nombreux directeurs des données (CDO), non seulement en raison des silos, mais également en raison de la variété d’outils sur site et basés sur le cloud que de nombreuses organisations utilisent. En plus de la mauvaise qualité des données, ces problèmes se combinent pour priver les plates-formes de données des organisations, ainsi que les modèles d’apprentissage automatique et d’analyse qu’elles prennent en charge, de la vitesse et de l’échelle nécessaires pour fournir les résultats commerciaux souhaités.
Pour comprendre comment la gestion des données et les technologies sur lesquelles elle repose évoluent face à ces défis, le MIT Technology Review Insights a interrogé 351 CDO, directeurs d’analyse, directeurs de l’information (DSI), directeurs de la technologie (CTO) et autres chefs de file de la technologie. Nous avons également mené des entrevues approfondies avec plusieurs autres hauts dirigeants de la technologie. Voici les principales conclusions:
- Seulement 13% des organisations excellent dans la mise en œuvre de leur stratégie de données. Ce groupe restreint de «performants» produit des résultats commerciaux mesurables dans toute l’entreprise. Ils réussissent grâce à l’attention qu’ils portent aux fondements d’une gestion et d’une architecture saines des données, qui leur permettent de «démocratiser» les données et de tirer de la valeur de l’apprentissage automatique.
- La collaboration basée sur la technologie crée une culture des données de travail. Les CDO interrogés dans le cadre de l’étude accordent une grande importance à la démocratisation des capacités d’analyse et de ML. Les pousser à la pointe avec des technologies de données avancées aidera les utilisateurs finaux à prendre des décisions commerciales plus éclairées – la marque d’une solide culture des données.
- L’impact commercial de ML est limité par les difficultés à gérer son cycle de vie de bout en bout. La mise à l’échelle des cas d’utilisation du ML est extrêmement complexe pour de nombreuses organisations. Le défi le plus important, selon 55% des répondants, est le manque de place centrale pour stocker et découvrir les modèles ML.
- Les entreprises recherchent des plates-formes cloud natives qui prennent en charge la gestion des données, l’analyse et l’apprentissage automatique. Les principales priorités en matière de données des organisations au cours des deux prochaines années se divisent en trois domaines, tous soutenus par une adoption plus large des plates-formes cloud: améliorer la gestion des données, améliorer l’analyse des données et le ML, et étendre l’utilisation de tous les types de données d’entreprise, y compris le streaming et les données non structurées. .
- Les normes ouvertes sont les principales exigences des futures stratégies d’architecture de données. Si les répondants pouvaient créer une nouvelle architecture de données pour leur entreprise, l’avantage le plus critique par rapport à l’architecture existante serait une plus grande adoption des normes open source et des formats de données ouverts.
Téléchargez le rapport complet.
Ce contenu a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n’a pas été rédigé par la rédaction de MIT Technology Review.