Верните 40–60 % расходов на ИТ, исправив свои данные

Создание основы семантического графа помогает вашей организации стать управляемой данными, значительно сокращая расходы на ИТ. Организации, которые быстро адаптируются к меняющимся рыночным условиям, имеют конкурентное преимущество перед своими коллегами. 

Дейв МакКомб


Дейв МакКомб

Президент и соучредитель Semantic Arts, практикующий специалист и идейный лидер в области применения семантических технологий в архитектуре предприятия и приложениях, автор книг «Семантика в бизнес-системах», «Программная пустошь» и «Революция, ориентированная на данные».

Достижение этого преимущества зависит от их способности собирать, связывать, интегрировать и преобразовывать данные в аналитическую информацию для бизнес-решений и процессов. Это цель организации, «управляемой данными». 

Однако в гонке за управление данными большинство усилий привело к созданию запутанной сети интеграций и согласований данных в море хранилищ данных, что в сумме составляет от 40% до 60% ежегодных расходов предприятия на технологии. Мы называем это «налогом на неверные данные». Это не только дорого, но и результаты часто не преобразуются в ключевые идеи, необходимые для принятия более эффективных бизнес-решений или более эффективных процессов.

Частично это связано с тем, что интеграция и перемещение данных — не единственная проблема. Сами данные хранятся таким образом, который не является оптимальным для извлечения информации. 

Для извлечения дополнительной ценности из данных необходимы контекст, отношения и структура, ни один из которых не присутствует в том, как сегодня большинство организаций хранят свои данные.

Решение дилеммы данных

Хорошая новость заключается в том, что решение этой дилеммы данных на самом деле довольно простое. Этого можно достичь за небольшую часть затрат, которые организации тратят каждый год на поддержку обширной индустрии обходных путей интеграции данных. 

Поверх ваших данных необходимо создать семантический слой графа, чтобы соединить точки и восстановить контекст. Потребуются усилия, чтобы формализовать общую семантическую модель, которую можно будет сопоставить с активами данных, и превратить неструктурированные данные в формат, который можно будет использовать для анализа. 

Это будущее современных данных и аналитики, а также важнейший фактор, позволяющий получить большую ценность и понимание ваших данных.

Этот переход от реляционного подхода к графовому подходу был хорошо задокументирован Gartner.

Использование графовых методов в большом масштабе станет основой современных данных и аналитики. Графовые технологии будут использоваться в 80% инноваций в области данных и аналитики к 2025 год 

— Gartner, аналитическая компания

Большинство ведущих фирм, занимающихся исследованием рынка, считают графовые технологии «важнейшим фактором реализации». И хотя в настоящее время проводится множество экспериментов, большинство организаций пока лишь прикоснулись к поверхности, рассматривая каждый вариант использования. Это может дать большие преимущества для конкретного варианта использования, но не устраняет причины «налога на неверные данные», с которыми сталкиваются организации. 

Пока руководители не начнут применять более стратегический подход к графовым технологиям, они будут продолжать бороться за предоставление необходимой информации, которая даст им конкурентное преимущество. 

Модернизация вашей среды данных

Большинство организаций достигли совершеннолетия в мире, где доминируют технологии. Произошло множество технологических революций, которые потребовали создания крупных организационных отделов, чтобы все это работало. Несмотря на всю активность, парадигма данных не сильно изменилась. Организации до сих пор управляют данными, используя реляционную технологию, изобретенную в 1970-х годах. 

Хотя реляционные базы данных лучше всего подходят для управления рабочими нагрузками структурированных данных, они не подходят для специальных запросов и анализа на основе сценариев.

Данные стали изолированными и несогласованными в репозиториях и разрозненных хранилищах из-за фрагментации технологий и жесткости реляционной парадигмы. 

Предприятия часто имеют тысячи бизнес-хранилищ и хранилищ данных, каждое из которых основано на собственных моделях данных, которые трудно идентифицировать и еще труднее изменить. Это стало помехой, которая отвлекает ресурсы от бизнес-целей, увеличивает время окупаемости для аналитиков и приводит к разочарованию бизнеса. 

Новая задача, стоящая перед руководством, теперь заключается в исправлении самих данных. Исправление данных возможно с помощью графовых технологий и веб-стандартов, которые совместно используют данные в объединенных средах и между взаимозависимыми системами. Этот подход был усовершенствован для обеспечения точности, гибкости и качества данных. 

Поскольку эти открытые стандарты основаны на детальных концепциях, они становятся строительными блоками многократного использования для надежного фундамента данных. Их принятие устраняет двусмысленность, облегчает автоматизацию и снижает потребность в сверке данных.

Билль о правах на данные

Организациям необходимо напомнить себе, что данные — это просто представление реальных вещей (клиентов, продуктов, людей и процессов), где точность, контекст, семантика и нюансы имеют такое же значение, как и сами данные. 

От тех, кому поручено извлекать ценную информацию из данных, следует соблюдать несколько ожиданий: данные должны быть доступны и доступны при необходимости, храниться в гибком и точном формате, сохранять контекст и назначение исходных данных, и отслеживается по мере прохождения через организацию. Это то, что мы называем «Биллем о правах на данные». 

Предоставление этого Билля о правах на данные достижимо уже сейчас без огромных инвестиций в технологии или масштабных нарушений в работе организации.

Развертывание стратегического графа

Многие организации уже используют графовые технологии и семантические стандарты для возможности находить взаимосвязи и соединять точки в хранилищах данных. Эти организации часто делают это в каждом конкретном случае, охватывая одну область бизнеса и сосредотачиваясь на изолированном приложении, таком как обнаружение мошенничества или анализ цепочки поставок. 

Хотя это может привести к более быстрой окупаемости для отдельного варианта использования, без учета фундаментальных уровней данных, это приводит к созданию еще одной разрозненности без получения ключевого преимущества повторного использования.

Ключ к принятию более стратегического подхода к семантическим стандартам и графам знаний начинается на самом верху с заинтересованностью всего высшего руководства. Без этой поддержки со стороны высшего руководства программе придется столкнуться с трудной борьбой за преодоление организационной инерции с небольшими шансами на широкий успех. Однако при таком уровне поддержки значительно возрастает вероятность получения достаточного участия всех заинтересованных сторон, участвующих в управлении инфраструктурой данных организации.

Хотя начинать как инновационный проект может быть полезно, создание Центра передового опыта использования графа знаний будет иметь еще больший эффект. Это может дать организации специальную команду для продвижения и реализации стратегии, достижения дополнительных побед, чтобы продемонстрировать ценность и использовать лучшие практики и экономию за счет масштаба на этом пути. Им будет поручено как построить фундамент, так и определить приоритетность вариантов использования графов знаний в зависимости от организационных целей.

Одним из ключевых преимуществ этого подхода является возможность начинать с малого, добиваться быстрых результатов и расширяться по мере демонстрации ценности. Невозможно обойти требование изначально предоставить что-то практичное и полезное. 

Объем необходимых инвестиций

Сторонники графа знаний признают, что для полной реализации его потенциала необходим длинный хвост инвестиций. 

Предприятиям необходима

  • базовая оперативная информация, включая перечень технологического ландшафта и план данных и систем, которые необходимо объединить, консолидировать, исключить или перенести. 
  • иметь четкое представление о системах записи, потоках данных, преобразованиях и точках обеспечения. 
  • знать о затратах, связанных с приобретением платформ, баз данных хранилища триплетов, инструментов конвейера и других компонентов, необходимых для построения базового уровня графа знаний.

Организациям необходимо также понимать базовый контент, который поддерживает бизнес-функциональность. Сюда входят справочные данные о хозяйствующих субъектах, агентах и людях. Таксономии и модели данных об условиях и сторонах контракта, значении собственности и контроля, понятиях сторон и ролей и т. д. Эти понятия составляют основу семантического подхода. Возможно, это неинтересно, но они имеют решающее значение, поскольку являются основой для всего остального.

Первоначальный подход

Если подумать об объеме инвестиций, то первое приложение с поддержкой графов может занять от 6 до 12 месяцев от концепции до производства. 

Большую часть времени необходимо потратить на согласование и мобилизацию групп данных, что подчеркивает важнейшую природу лидерства и важность начала с правильного набора вариантов использования. Он должен быть операционно жизнеспособным и решать реальную бизнес-задачу. Первоначальный вариант использования должен быть важен для бизнеса.

  • При правильном стратегическом подходе первая поставка — это инфраструктура плюс управление потоком работ и люди. Это дает организации MVP, включая поэтапный план проекта и его развертывание.
  • Вторая поставка должна состоять из основополагающих строительных блоков для рабочего процесса и возможности повторного использования. Это докажет жизнеспособность подхода.

Постепенное создание вариантов использования

Следующая серия вариантов использования должна быть основана на сопоставлении функциональных возможностей, чтобы извлечь выгоду из возможности повторного использования концепции. 

Это позволит командам переключить свои усилия с создания технических компонентов на добавление дополнительной функциональности. Это означает 30% от первоначальной стоимости, а развертывание может быть в три раза быстрее. Ваши затраты будут продолжать снижаться по мере того, как предприятие расширяет возможности многократного использования компонентов, достигая полной стоимости примерно к третьему году.

Стратегическая игра – это не 3–5 миллионов долларов на первые несколько доменов, и основная инфраструктура, необходимая для движения организации вперед. Совершенно возможно продолжать постепенно добавлять варианты использования, но это не обязательно лучший способ извлечь выгоду из цифрового будущего. 

Долгосрочную экономическую эффективность базового графа знаний предприятия (EKG) следует сравнивать с затратами на управление тысячами разрозненных структур. Для крупного предприятия эта сумма может измеряться сотнями миллионов долларов, если не учитывать преимущества расширенных возможностей в области анализа данных и соблюдения нормативных обязательств по управлению рисками.

Краткое описание бизнес-кейса

Организации платят «налог на неверные данные» в размере 40–60% своих ежегодных ИТ-расходов за запутанную сеть интеграций своих хранилищ данных. Что еще хуже, следование этому курсу не поможет организации достичь своей цели — управления данными. 

С самими данными есть проблема. Это связано с тем, что данные традиционно хранятся в строках, столбцах и таблицах, которые не имеют контекста, связей и структуры, необходимых для извлечения необходимой информации.

Добавление слоя семантического графа — это простое и ненавязчивое решение, позволяющее соединить точки, восстановить контекст и предоставить все необходимое для успеха групп данных. 

Хотя налог на неправильные данные сам по себе количественно оправдывает затраты на решение проблемы, он едва ли затрагивает всю полученную отдачу. Сторона альтернативных издержек, хотя ее труднее оценить количественно, не менее важна, поскольку граф знаний предоставляет множество новых данных и возможностей анализа:

  • лучшие результаты ИИ и науки о данных,
  • улучшенная персонализация и рекомендации для увеличения доходов,
  • более целостное представление через структуры данных,
  • высокоточные цифровые двойники активов, процессов и систем для анализа «что, если» и многое другое.

Хотя большинство организаций начали развертывать графовые технологии в отдельных случаях использования, они еще не применили их фундаментально для решения проблемы «налога на неверные данные» и решения основной проблемы с данными. 

Успех потребует участия и спонсорства со стороны высшего руководства, чтобы преодолеть организационную инерцию. Для достижения наилучших результатов создайте Центр передового опыта в области графов, ориентированный на стратегическое развертывание как основы семантических графов, так и высокоприоритетных вариантов использования. 

Ключ будет заключаться в том, чтобы начать с малого, добиться быстрых результатов с возрастающей ценностью и эффективно донести эту информацию до всех заинтересованных сторон.

Хотя первоначальные инвестиции могут начаться с небольших затрат, ожидайте, что первоначальные проекты займут от 6 до 12 месяцев. 

Для покрытия первых нескольких проектов должно быть достаточно бюджета в размере 1,5–3 миллионов долларов США. 

Результаты оправдают дальнейшие инвестиции в графовые проекты по всей организации, каждый из которых развертывается на 30 % быстрее и дешевле, чем предыдущие проекты, благодаря использованию лучших практик и экономии за счет масштаба.

Заключение

Экономическое обоснование убедительно: затраты на разработку базовых графовых технологий составляют лишь небольшую часть суммы, ежегодно тратимой только на налог на неверные данные. Решение этой проблемы сейчас проще и актуальнее, чем когда-либо. 

Неспособность развивать возможности обработки данных, предлагаемые графовыми технологиями, может поставить организации в невыгодное положение, особенно в мире, где возможности искусственного интеллекта растут, а критическая информация предоставляется практически в реальном времени. Альтернативные издержки значительны. Решение простое. Настало время действовать.

Источник

Курирование и адаптация: Онтограф

Вы дочитали статью до конца, видимо вас так же интересует эта тема. Пожалуйста, поставьте оценку пользы для вас этого материала.
Если у вас есть свои идеи по теме, напишите в комментариях — мы с радостью возьмем на вооружение и улучшим этот материал с пользой для других читателей.

Оцените автора
Онтограф
Добавить комментарий