Η έρευνα της KPMG "Guardians of Trust” που πραγματοποίησε η Forrester Consulting για λογαριασμό της, ανέδειξε τη σημαντική έλλειψη εμπιστοσύνης των στελεχών στα δεδομένα και τα αναλυτικά στοιχεία των επιχειρήσεων. Στην έρευνα συμμετείχαν 2 190 στελέχη επιχειρήσεων που κλήθηκαν να παρουσιάσουν τους λόγους για τους οποίους δεν εμπιστεύονται τα analytics και στη συνέχεια να υποδείξουν τους υπεύθυνους για τη βελτίωση αυτής της κατάστασης.

Συγκεκριμένα, ενώ οι επιχειρήσεις επιζητούν τα οφέλη τα οποία μπορεί να προσφέρει η τεχνολογία, η εμπιστοσύνη στα data & analytics των επιχειρήσεων που αποτελούν τον κινητήριο μοχλό για αυτοματοποιήσεις και βελτιώσεις στο επιχειρείν, παραμένει αρκετά χαμηλή. Μόλις το 35% από τα στελέχη επιχειρήσεων που ερωτήθηκαν απάντησε πως έχει υψηλό βαθμό εμπιστοσύνης στα data & analytics που έχουν στη διάθεση τους, και ως εκ τούτου, τα αξιοποιούν ικανοποιητικά για τη λήψη αποφάσεων ή/και για την αυτοματοποίηση διαδικασιών στην επιχείρηση.

Η έλλειψη εμπιστοσύνης προέρχεται κυρίως από τον ενδοιασμό των στελεχών να εμπιστευτούν data & analytics που δεν έχουν σχεδιάσει ή δημιουργήσει οι ίδιοι και των οποίων η ποιότητα και αξιοπιστία είναι αμφίβολη, τόσο εξαιτίας των δεδομένων - εργαλείων που χρησιμοποιούν, όσο και λόγω των αλγορίθμων που τα παράγουν. Αν μιλήσουμε για εφαρμογές νέων τεχνολογιών όπως η τεχνητή νοημοσύνη (Artificial Intelligence), η αβεβαιότητα αυξάνεται ακόμα περισσότερο, καθώς δεν είναι δυνατό να κατανοηθεί επαρκώς ο τρόπος με τον οποίο αυτές οι εφαρμογές αναπτύσσονται και λειτουργούν.

Αναλύοντας περαιτέρω τις ελλείψεις και τα θέματα που οδηγούν στην έλλειψη εμπιστοσύνης στα data & analytics, προσδιορίστηκαν οι πυλώνες πάνω στους οποίους οι επιχειρήσεις θα πρέπει να στρέψουν την προσοχή τους και τις επενδύσεις τους, ώστε να επιτύχουν τη βέλτιστη αξιοποίηση των δεδομένων που διαθέτουν και στη συνέχεια των νέων τεχνολογιών που θα είναι διαθέσιμες. Οι πυλώνες εμπιστοσύνης είναι οι παρακάτω:

Χρήση κατάλληλων δεδομένων και μοντέλων ή αλγορίθμων σύμφωνα με το σκοπό χρήσης που καλούνται να υπηρετήσουν. Η ποιότητα των πρωτογενών δεδομένων θα ενισχύσει την αξιοπιστία και την εμπιστοσύνη στη χρήση τους.

Τα μοντέλα αφενός να χρησιμοποιούν κατάλληλα και σωστά δεδομένα, και αφετέρου να μπορούν να παραμετροποιηθούν από κατάλληλο επιχειρησιακό και τεχνικό προσωπικό, ώστε να βγάζουν αποτελέσματα και να δίνουν στοιχεία που θα εξυπηρετούν με τον καλύτερο δυνατό τρόπο τα στελέχη στη λήψη επιχειρηματικών αποφάσεων.

Ορθή και ηθική χρήση των analytics, σε συμμόρφωση με τους νόμους περί του απορρήτου των προσωπικών δεδομένων. O πυλώνας αυτός πρέπει να αποτελέσει προτεραιότητα για τις επιχειρήσεις, καθώς οι καταναλωτές ανησυχούν όλο και περισσότερο για τον τρόπο με τον οποίο χρησιμοποιούνται τα προσωπικά δεδομένα και οι συνήθειες τους. Οι καταναλωτές δείχνουν πρόθυμοι να δώσουν προσωπικά τους στοιχεία όταν γνωρίζουν πως θα χρησιμοποιηθούν κατάλληλα από τις επιχειρήσεις.

Βελτιστοποίηση των μοντέλων και των δεδομένων που τα τροφοδοτούν και ευελιξία για προσαρμογές/βελτιώσεις σε μακροχρόνιο ορίζοντα. Ο πυλώνας αυτός γίνεται ιδιαίτερα σημαντικός λόγω της συνεχούς εξέλιξης της τεχνολογίας και της μεταβολής του επιχειρηματικού περιβάλλοντος. Τα στελέχη των επιχειρήσεων οφείλουν να εξοικειωθούν με τις νέες τεχνολογίες που χρησιμοποιούνται για την παραγωγή των analytics, ώστε να συμμετέχουν και να προωθούν τις απαιτούμενες προσαρμογές/βελτιώσεις των μοντέλων και διαδικασιών.

Oι επιχειρήσεις έχουν σημαντικά περιθώρια βελτίωσης σε όλους τους τομείς που αφορούν το χτίσιμο αξιόπιστων analytics, που με τη σειρά τους θα επιτρέψουν την αυτοματοποίηση διαδικασιών και την εξέλιξη των επιχειρησιακών διαδικασιών. Η εμπιστοσύνη στα data & analytics είναι μια αδιαπραγμάτευτη προτεραιότητα που θα πρέπει να περιλαμβάνεται στους στόχους της κάθε επιχείρησης, καθώς αποτελεί τον τρόπο με τον οποίο οι επιχειρήσεις θα προσδώσουν ευελιξία και ταχύτητα στον τρόπο με τον οποίο λειτουργούν.