AI-st, analüütikast ja masinõppest maksimaalse kasu saamiseks tuleb pöörata tähelepanu andmete kvaliteedile ja andmehaldusele nii igapäevaprotsessides kui tarkvaraarenduses. Isegi nutikaim algoritm on vaid nii hea, kui seda toitev andmestik. Analüütik Kristin Meriniit räägib andmehalduse põhimõtetest, mis on universaalselt kasulikud – olenemata sellest, kas sinu organisatsioon on andmehalduse teekonna alguses või selles juba kogenud.

Ka väikesed muudatused aitavad kaasa väärtuse loomisele ja raiskamise vähendamisele. Väljakutseks on aga parenduskohtade ülesleidmine ja äriprotsesside ümberdisainimine. Seekord tutvustame ärianalüüsi projekti etappe ning arutleme, milles seisneb äriprotsessides toimuv väärtusloome ja raiskamine ning kuidas seda hinnata.

Kuidas aru saada, kas ja millal peaks kaasama ärianalüütiku? „Tegelikult on vastuse leidmine väga lihtne. Kõik taandub sellele, mis tunne sul on – kas äris läheb kõik hästi? Jah või ei?“ sõnab Trinidad Wisemani ärianalüütik Mihkel Lauk.

Kujutleme, et meil on traditsiooniline kaubandusettevõtte, nt tegeleme lukkude müügiga ehitusettevõtetele ja vähemal määral ka eraklientidele. Klientide ja nendega kokkupuute punktide paremaks mõistmiseks tegime teenusplaani.

Tõenduspõhise otsustamisega (Data Driven decision making) alustamine tundub paljudele ettevõtetele ületamatu väljakutse. Valdkonda uurima hakates jõutakse kiiresti märksõnadeni suurandmed, modelleerimine ja tehisintellekt. Teemasse lisandub sageli ka vajadus andmejärve järele. Olenevalt ettevõttest hinnatakse pingutust ja investeeringut sellega tegelemiseks suureks ning peetakse ebavajalikuks.

Analüüsida võib mida iganes – andmeid, olemeid, protsesse, sündmusi. Sõltuvalt sellest, mis on analüüsitavaks objektiks, rakendatakse selleks vastavaid meetodeid. Ilma läbimõeldud lähenemiseta ei saavuta analüüsis just palju. Selle eesmärk on vaatlusalusele objektile läheneda süstemaatiliselt, tuvastada selle peamised olemid ja seosed nende vahel.