NOW T.31

ΣΕΠΤΕΜΒΡΙΟΣ 2021 #6 αυτή η αλλαγή φέρνει έναν νέο τρόπο εργασίας. Αποτελούν πα- ρελθόν οι μέρες εκείνες όπου τα εγχειρίδια κατάρτισης ήταν κάτι συνηθισμένο, καθώς το σημερινό ανθρώπινο δυναμικό λειτουρ- γεί γρήγορα μέσα από ένα εύκολο και διαισθητικό περιβάλλον. Επιπλέον, ενώ η ταχύτητα και η απλότητα είναι βασικά στοιχεία, οι επικεφαλής των επιχειρήσεων εξακολουθούν να έχουν υψηλές προσδοκίες σχετικά με την ποιότητα και την ασφάλεια των δεδο- μένων. Μια κεντρική πλατφόρμα analytics όπου η τεχνολογία της πληροφορικής παίζει καθοριστικό ρόλο, εξακολουθεί να αποτελεί θεμελιώδες μέρος οποιασδήποτε στρατηγικής ανάλυσης. Σύμφω- να με εκτιμήσεις ειδικών, η τοποθέτηση analytics στο cloud είναι κάτι πολύ περισσότερο από μια απλή επιλογή ανάπτυξης, καθώς αφαιρεί τα εμπόδια μεταξύ ατόμων, τοποθεσιών, δεδομένων και συστημάτων, για να αλλάξει ριζικά τον τρόπο με τον οποίο οι άν- θρωποι αλληλεπιδρούν με την πληροφορία και την τεχνολογία. Ιστορία των analytics Η σύγκριση στατιστικών στοιχείων και η ανάλυση δεδομένων προηγούνται χρονικά στην ιστορία, υπάρχουν όμως μερικά σημα- ντικά ορόσημα που βοήθησαν να εξελιχτούν τα analytics στη δια- δικασία που γνωρίζουμε σήμερα. Το 1785, ο William Playfair παρουσίασε την έννοια ενός ραβδο- γράμματος, το οποίο είναι ένα από τα βασικά (και ευρέως χρησι- μοποιούμενα) χαρακτηριστικά οπτικοποίησης δεδομένων. Η ιστο- ρία λέει ότι το ραβδόγραμμα εφευρέθηκε για να δείξει μερικές δεκάδες σημεία δεδομένων. Το 1812, ο χαρτογράφος Charles Joseph Minard σχεδίασε τις απώ- λειες που υπέστη ο στρατός του Ναπολέοντα στην πορεία του προς τη Μόσχα. Ξεκινώντας από τα σύνορα Πολωνίας-Ρωσίας, δη- μιούργησε έναν γραμμικό χάρτη με χοντρές και λεπτές γραμμές που έδειχναν πώς οι απώλειες συνδέονταν με το βαρύ χειμώνα και το χρονικό διάστημα όπου ο στρατός ήταν μακριά από τις γραμ- μές προμήθειας. Το 1890, ο Herman Hollerith εφηύρε μια «μηχανή πίνακα», η οποία κατέγραφε δεδομένα σε διάτρητες κάρτες. Αυτό επέτρεψε την τα- χύτερη ανάλυση των δεδομένων, επιταχύνοντας έτσι τη διαδι- κασία καταμέτρησης της απογραφής των ΗΠΑ από τα 7 χρόνια στους 18 μήνες. Αυτό καθιέρωσε μια επιχειρηματική απαίτηση για συνεχή βελτίωση της συλλογής και της ανάλυσης δεδομένων, η οποία τηρείται ακόμη και σήμερα. Τα analytics σήμερα Τη δεκαετία του 1970 και του 1980 δημιουργήθηκαν τα λογισμι- κά RDB (Relational Database) και SQL (Standard Query Language) που θα χρησιμοποιούνταν για ανάλυση δεδομένων κατά παραγ- γελία. Στα τέλη της δεκαετίας του 1980, οWilliam H. Inmon, πρότεινε την ιδέα της «αποθήκης δεδομένων», όπου οι πληροφορίες θα μπο- ρούσαν να δέχονται γρήγορη και επανειλημμένη προσπέλαση. Επιπλέον, ο αναλυτής της Gartner Howard Dresner τη χαρακτήρι- σε ως «επιχειρηματική ευφυΐα», η οποία άνοιξε το δρόμο για μια βιομηχανική ώθηση προς ανάλυση δεδομένων με σκοπό την κα- λύτερη κατανόηση των επιχειρηματικών διαδικασιών. Στη δεκαετία του 1990, η ιδέα της εξόρυξης δεδομένων επέτρε- ψε στις επιχειρήσεις να αναλύσουν και να ανακαλύψουν μοτίβα σε εξαιρετικά μεγάλα μεγέθη δεδομένων. Αναλυτές δεδομένων και επιστήμονες δεδομένων επικεντρώθηκαν σε γλώσσες προγραμ- ματισμού (όπως R και Python) για να αναπτύξουν αλγόριθμους μηχανικής μάθησης, να εργαστούν με μεγάλα σύνολα δεδομένων και να δημιουργήσουν πολύπλοκες οπτικοποιήσεις δεδομένων. Στη δεκαετία του 2000, οι καινοτομίες στη διαδικτυακή αναζήτη- ση επέτρεψαν την ανάπτυξη των MapReduce, Apache Hadoop και Apache Cassandra για να βοηθήσουν στην ανακάλυψη, την προε- τοιμασία και την παρουσίαση πληροφοριών. Analytics επόμενης γενιάς Καθώς το ενδιαφέρον των επιχειρήσεων έχει πλέον μετατο- πιστεί από την απλή απόκτηση ορατότητας δεδομένων στην απαίτηση περισσότερων πληροφοριών, τα εργαλεία και οι δυνα- τότητές τους έχουν επίσης εξελιχτεί. Τα πρώτα σύνολα εργαλεί- ων analytics βασίστηκαν στα σημασιολογικά μοντέλα που δημι- ουργήθηκαν από λογισμικό επιχειρηματικής νοημοσύνης. Αυτά βοήθησαν στη δημιουργία ισχυρής διακυβέρνησης, ανάλυσης Οι εφαρμογές αναλύουν δεδομένα για να προβλέπουν μελλοντικά αποτελέσματα μέσω μηχανικής μάθησης. 3 Ένα πρόγραμμα διαχείρισης δεδομένων μπορεί να καλύψει όλα τα τμήματα του οργανισμού. 4

RkJQdWJsaXNoZXIy NjE3Njcz