| REKLAMA |
 |
Według IDG Enterprise 2016 Data & Analytics Research, 78% przedstawicieli przedsiębiorstw uważa, że zbieranie i analizowanie danych może zainicjować fundamentalną zmianę sposobu prowadzenia ich biznesu w ciągu najwyżej trzech lat. Polska wpisuje się w ten światowy trend. Rodzimi przedsiębiorcy podchodzą jednak do Big Data z daleko idącą ostrożnością – tylko 5,9% polskich firm korzysta z rozwiązań do analizy dużych zbiorów danych.
2016 rok stanowił przełom dla wielu firm powiązanych z segmentem Big Data. Według Deloitte kluczowym trendem w tym okresie była monetyzacja danych. W oparciu o Big Data coraz częściej podejmuje się ważne decyzje biznesowe dotyczące rozwoju, strategii czy kampanii marketingowych. Dlaczego? Osoby zarządzające przedsiębiorstwami zakładają, że wraz z zaawansowanymi analizami pozyskają nowy, głębszy wgląd w informacje, które dają możliwość wzrostu dla swojego biznesu. Według IDG Enterprise 2016 Data & Analytics Research firmy inwestowały do tej pory w narzędzia do analityki danych głównie z myślą o dwóch celach biznesowych: poprawie jakości systemów CRM oraz poszukiwaniu w danych możliwości ich wymiernego wykorzystania w przedsiębiorstwie (tzw. data – driven business).
Główne wyzwania dla biznesu: jakość i dostępność danych
Monetyzacja danych wiąże się jednak z pewnymi wyzwaniami. Głównym problemem jest dokładna ocena przydatności i wiarygodności zasobów danych. Także tych pochodzących ze źródeł zewnętrznych, których do tej pory przedsiębiorstwa w ogóle nie brały pod uwagę, a będą wykorzystywane coraz częściej. Zasilanie systemów firmowych danymi zewnętrznymi to działanie określane jako „data enrichment”. Dzięki niemu firma zyskuje możliwość przetestowania skuteczności zebranych przez siebie informacji. Ze względu na to, biznes będzie przywiązywał coraz większą wagę do jakości danych, zasilając nimi wewnętrzne systemy BI. W tej sytuacji kluczowa staje się aktualność tego typu treści. Dane muszą być regularnie odświeżane i aktualizowane, ponieważ coraz więcej parametrów (np. intencja zakupowa klienta) ma charakter krótkoterminowy. Do tego dochodzi kwestia utrzymywania w bazie pewnego porządku, mająca na celu chociażby uniknięcie mnożenia się kosztów np. związanych z utrzymaniem serwerów. Bogdan Brzozowski, podaje przykład takiej sytuacji:
Polacy, podchodzą z dystansem do technologicznych nowinek. Świadczy o tym dalekie, 23. miejsce wśród zaawansowanych cyfrowo państw Unii Europejskiej według analiz KE. Jednak w przypadku Big Data perspektywy są optymistyczne. Aż 8 do 10 polskich menedżerów IT jest zdania, że analityka wielkich zbiorów danych będzie stanowić podstawę strategii biznesowych dla ich firm w przeciągu najbliższych 5 lat. Natomiast w ciągu najbliższych dwóch aż siedem na dziesięć przedsiębiorstw planuje zwiększenie wydatków na analizę dużych zbiorów danych – Bogdan Brzozowski, IT Consultant w CapgeminiZamienić dane na pieniądze
2016 rok stanowił przełom dla wielu firm powiązanych z segmentem Big Data. Według Deloitte kluczowym trendem w tym okresie była monetyzacja danych. W oparciu o Big Data coraz częściej podejmuje się ważne decyzje biznesowe dotyczące rozwoju, strategii czy kampanii marketingowych. Dlaczego? Osoby zarządzające przedsiębiorstwami zakładają, że wraz z zaawansowanymi analizami pozyskają nowy, głębszy wgląd w informacje, które dają możliwość wzrostu dla swojego biznesu. Według IDG Enterprise 2016 Data & Analytics Research firmy inwestowały do tej pory w narzędzia do analityki danych głównie z myślą o dwóch celach biznesowych: poprawie jakości systemów CRM oraz poszukiwaniu w danych możliwości ich wymiernego wykorzystania w przedsiębiorstwie (tzw. data – driven business).
Przewiduje się, że do 2020 roku analityka predyktywna i preskryptywna przyciągnie około 40% nowych inwestycji w Business Intelligence. Pierwsza służy przewidywaniu przyszłych scenariuszy rozwoju rynku oraz zachowań klientów i konkurencji. Druga dostarcza wiedzy, jak te zachowania można modelować i wpływać aktywnie na postawy korzystne z punktu widzenia firmy. Przedsiębiorstwa coraz bardziej koncentrują się na analizie zachowań klientów. W ten sposób poszukują szansy na wejście na nowe rynki, kreowanie nowych modeli biznesowych oraz chcą poprawiać swoją operacyjność. Inwestycje w analitykę, Big Data oraz BI wychodzą tym celom naprzeciw – tłumaczy dalej Bogdan BrzozowskiSkala możliwości zastosowania rozwiązań Big Data jest w dużej mierze zależna od branży. Przede wszystkim korzystają z nich firmy z sektora usług finansowych. W ich wypadku Big Data służy m.in. do oceny ryzyka kredytowego lub selekcji klientów, którym zostanie przedstawiona oferta konkretnego produktu bankowego. Dzięki zaawansowanym algorytmom takie procesy są realizowane w czasie rzeczywistym. Jeszcze niedawno zajmowały nawet do kilku dni. Kolejnym sektorem świadomym użyteczności Big Data jest handel i telekomunikacja. Do tego grona zaliczają się również firmy produkcyjne, które dzięki analityce mogą obniżać koszty operacyjne nawet o 20% i liczyć na 30% wzrost zysków. Na ten efekt, a więc wymierne pójście w górę słupka przychodu, liczą wszyscy menedżerowie wprowadzający do firm projekty BI. I oczekują wykazania ich skuteczności.
Główne wyzwania dla biznesu: jakość i dostępność danych
Monetyzacja danych wiąże się jednak z pewnymi wyzwaniami. Głównym problemem jest dokładna ocena przydatności i wiarygodności zasobów danych. Także tych pochodzących ze źródeł zewnętrznych, których do tej pory przedsiębiorstwa w ogóle nie brały pod uwagę, a będą wykorzystywane coraz częściej. Zasilanie systemów firmowych danymi zewnętrznymi to działanie określane jako „data enrichment”. Dzięki niemu firma zyskuje możliwość przetestowania skuteczności zebranych przez siebie informacji. Ze względu na to, biznes będzie przywiązywał coraz większą wagę do jakości danych, zasilając nimi wewnętrzne systemy BI. W tej sytuacji kluczowa staje się aktualność tego typu treści. Dane muszą być regularnie odświeżane i aktualizowane, ponieważ coraz więcej parametrów (np. intencja zakupowa klienta) ma charakter krótkoterminowy. Do tego dochodzi kwestia utrzymywania w bazie pewnego porządku, mająca na celu chociażby uniknięcie mnożenia się kosztów np. związanych z utrzymaniem serwerów. Bogdan Brzozowski, podaje przykład takiej sytuacji:
Olbrzymia ilość danych utrudnia ich analizę oraz utrzymanie spójności przechowywanej informacji. 33 proc. zbieranych przez firmy danych klasyfikuje się jako zbędne, przestarzałe lub nieistotne, czyli ROT (Redundant, Obsolete or Trivial).Typowym przykładem są zduplikowane rekordy, które bardzo często pojawiają się podczas wprowadzania danych adresowych podmiotów prawnych lub osób fizycznych. Tradycyjne metody wyszukiwania były niewystarczające w identyfikacji takich przypadków. W odpowiedzi na ten problem wykorzystaliśmy rozwiązanie nazwane „fuzzy search”, będące nowym podejściem do przeszukiwania i analizy tekstów w relacyjnych bazach danych – komentuje Bogdan Brzozowski.Drugim istotnym zagadnieniem, zaraz po jakości danych, jest ich dostępność oraz łatwość zarządzania nimi. Firmy chcą analizować treści w czasie rzeczywistym i sprawnie dostosowywać swoje oprogramowanie w zależności od bieżących potrzeb. Takie możliwości otwierają przed nimi usługi chmurowe – czyli w skrócie model usług przetwarzania danych oparty na zewnętrznej infrastrukturze dostawcy. Według analiz Gartnera do ich zalet należą m.in. elastyczność, skalowalność, obniżka kosztów, innowacyjność i wsparcie wzrostu biznesu.
Usługi w modelu cloud dają użytkownikom szansę sprawnego funkcjonowania w świecie Big Data bez zbędnych inwestycji np. w drogi sprzęt czy serwery, przy zachowaniu pełnej sprawności działania. Umożliwiają też pracę z dowolnego miejsca. Równie ważny jest fakt, że dzięki funkcjonowaniu „na zewnątrz” produkty cloudowe mogą być szybko aktualizowane i dostosowywane do zmian zachodzących na rynku. Trudno się więc dziwić, że zyskują na popularności. Jak przewiduje Gartner, do 2020 roku aż 50 proc. usług w zakresie tzw. outsourcingu IT będzie związanych z strategiami wdrożenia usług chmurowych. Duże zainteresowanie firm w tym zakresie odczuwamy także na przykładzie własnych doświadczeń z projektami cloud realizowanymi przy użyciu technologii przetwarzania in-memory SAP HANA. Tylko w 2016 roku liczba subskrybentów usług SAP w tym modelu sięgnęła aż 110 mln, a poziom przychodów firmy z tego tytułu wyniósł 3 mld dolarów - mówi Tomasz Niebylski, dyrektor ds. wsparcia sprzedaży w SAP Polska.
Najnowsze wiadomości
Customer-specific AI: dlaczego w 2026 roku to ona przesądza o realnym wpływie AI na biznes
W 2026 roku sztuczna inteligencja przestaje być ciekawostką technologiczną, a zaczyna być rozliczana z realnego wpływu na biznes. Organizacje oczekują dziś decyzji, którym można zaufać, procesów działających przewidywalnie oraz doświadczeń klientów, które są spójne w skali. W tym kontekście coraz większe znaczenie zyskuje customer-specific AI - podejście, w którym inteligencja jest osadzona w danych, procesach i regułach konkretnej firmy, a nie oparta na generycznych, uśrednionych modelach.
PROMAG S.A. rozpoczyna wdrożenie systemu ERP IFS Cloud we współpracy z L-Systems
PROMAG S.A., lider w obszarze intralogistyki, rozpoczął wdrożenie systemu ERP IFS Cloud, który ma wesprzeć dalszy rozwój firmy oraz integrację kluczowych procesów biznesowych. Projekt realizowany jest we współpracy z firmą L-Systems i obejmuje m.in. obszary finansów, produkcji, logistyki, projektów oraz serwisu, odpowiadając na rosnącą skalę i złożoność realizowanych przedsięwzięć.
SkyAlyne stawia na IFS dla utrzymania floty RCAF
SkyAlyne, główny wykonawca programu Future Aircrew Training (FAcT), wybrał IFS Cloud for Aviation Maintenance jako cyfrową platformę do obsługi technicznej lotnictwa i zarządzania majątkiem. Wdrożenie ma zapewnić wgląd w czasie rzeczywistym w utrzymanie floty, zasoby i zgodność, ograniczyć przestoje oraz zwiększyć dostępność samolotów szkoleniowych RCAF w skali całego kraju. To ważny krok w modernizacji kanadyjskiego systemu szkolenia załóg lotniczych.
Wykorzystanie AI w firmach rośnie, ale wolniej, niż oczekiwano. Towarzyszy temu sporo rozczarowań
Wykorzystanie sztucznej inteligencji w firmach rośnie, ale tempo realnych wdrożeń pozostaje znacznie wolniejsze od wcześniejszych oczekiwań rynku. Dane pokazują, że z rozwiązań AI korzysta dziś wciąż niewiele przedsiębiorstw, a menedżerowie coraz częściej wskazują na bariery regulacyjne, koszty oraz brak powtarzalnych efektów biznesowych. W praktyce technologia jest testowana głównie w wybranych obszarach, a kluczowe decyzje nadal pozostają po stronie człowieka. Również w firmach, które wdrożyły AI, nierzadko towarzyszą temu rozczarowania.
Europejski przemysł cyfryzuje się zbyt wolno – ERP, chmura i AI stają się koniecznością
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Europejski przemysł średniej wielkości wie, że cyfryzacja jest koniecznością, ale wciąż nie nadąża za tempem zmian. Ponad 60% firm ocenia swoje postępy w transformacji cyfrowej jako zbyt wolne, mimo rosnącej presji konkurencyjnej, regulacyjnej i kosztowej. Raport Forterro pokazuje wyraźną lukę między świadomością potrzeby inwestycji w chmurę, ERP i AI a realną zdolnością do ich wdrożenia – ograniczaną przez braki kompetencyjne, budżety i gotowość organizacyjną.
Najnowsze artykuły
5 pułapek zarządzania zmianą, które mogą wykoleić transformację cyfrową i wdrożenie ERP
Dlaczego jedne wdrożenia ERP dowożą korzyści, a inne kończą się frustracją, obejściami w Excelu i spadkiem zaufania do systemu? Najczęściej decyduje nie technologia, lecz to, jak organizacja prowadzi zmianę: czy liderzy biorą odpowiedzialność za decyzje czy tempo jest dopasowane do zdolności absorpcji oraz czy ludzie dostają klarowność ról i realne kompetencje. Do tego dochodzi pytanie: co po go-live - stabilizacja czy chaos w firmie? Poniżej znajdziesz 5 pułapek, które najczęściej wykolejają transformację i praktyczne sposoby, jak im zapobiec.
SAP vs Oracle vs Microsoft: jak naprawdę wygląda chmura i sztuczna inteligencja w ERP
Wybór systemu ERP w erze chmury i sztucznej inteligencji to decyzja, która determinuje sposób działania organizacji na lata — a często także jej zdolność do skalowania, adaptacji i realnej transformacji cyfrowej. SAP, Oracle i Microsoft oferują dziś rozwiązania, które na pierwszy rzut oka wyglądają podobnie, lecz w praktyce reprezentują zupełnie odmienne podejścia do chmury, AI i zarządzania zmianą. Ten artykuł pokazuje, gdzie kończą się deklaracje, a zaczynają realne konsekwencje biznesowe wyboru ERP.
Transformacja cyfrowa z perspektywy CFO: 5 rzeczy, które przesądzają o sukcesie (albo o kosztownej porażce)
Transformacja cyfrowa w finansach często zaczyna się od pytania o ERP, ale w praktyce rzadko sprowadza się wyłącznie do wyboru systemu. Dla CFO kluczowe jest nie tylko „czy robimy pełną wymianę ERP”, lecz także jak policzyć ryzyko operacyjne po uruchomieniu, ocenić wpływ modelu chmurowego na koszty OPEX oraz utrzymać audytowalność i kontrolę wewnętrzną w nowym modelu działania firmy.
Agentic AI rewolucjonizuje HR i doświadczenia pracowników
Agentic AI zmienia HR: zamiast odpowiadać na pytania, samodzielnie realizuje zadania, koordynuje procesy i podejmuje decyzje zgodnie z polityką firmy. To przełom porównywalny z transformacją CRM – teraz dotyczy doświadczenia pracownika. Zyskują HR managerowie, CIO i CEO: mniej operacji, więcej strategii. W artykule wyjaśniamy, jak ta technologia redefiniuje rolę HR i daje organizacjom przewagę, której nie da się łatwo nadrobić.
Composable ERP: Przewodnik po nowoczesnej architekturze biznesowej
Czy Twój system ERP nadąża za tempem zmian rynkowych, czy stał się cyfrową kotwicą hamującą rozwój? W dobie nieciągłości biznesowej tradycyjne monolity ustępują miejsca elastycznej architekturze Composable ERP. To rewolucyjne podejście pozwala budować środowisko IT z niezależnych modułów (PBC) niczym z klocków, zapewniając zwinność nieosiągalną dla systemów z przeszłości. W tym raporcie odkryjesz, jak uniknąć pułapki długu technologicznego, poznasz strategie liderów rynku (od SAP po MACH Alliance) i wyciągniesz lekcje z kosztownych błędów gigantów takich jak Ulta Beauty. To Twój strategiczny przewodnik po transformacji z cyfrowego "betonu" w adaptacyjną "plastelinę".
Real-Time Intelligence – od trendu do biznesowego must-have
Sposób prowadzenia działalności gospodarczej dynamicznie się zmienia. Firmy muszą stale dostosowywa… / Czytaj więcej
EPM – co to jest? Czy jest alternatywą dla BI?
Nowoczesne systemy BI i EPM dostarczają wiedzy potrzebnej do efektywnego zarządzania firmą. Czy zna… / Czytaj więcej
W jaki sposób firmy zwiększają swoją odporność na zmiany?
Do zwiększenia odporności na zmiany, konieczna jest pełna kontrola nad codziennymi procesami zapewn… / Czytaj więcej
Dlaczego systemy kontrolingowe są potrzebne współczesnym firmom?
Narzędzia Corporate Performance Management (CPM) pozwalają na przyśpieszenie tempa podejmowania dec… / Czytaj więcej
Hurtownie danych – funkcje i znaczenie dla BI
Przepisów na sukces biznesu jest na rynku wiele. Nie ulega jednak wątpliwości, że jednym z kluczowy… / Czytaj więcej
Po co dane w handlu? Okazuje się, że ich analityka może dać nawet 30 proc. większe zyski!
Jak wynika z badania firmy doradczej Capgemni, producenci FMCG oraz firmy związane z handlem detali… / Czytaj więcej
