Masa Depan Data dan Analitik Bukan Lebih Banyak Dasbor, Melainkan Kecerdasan Keputusan

Bisnis tidak kekurangan dasbor. Mereka dapat melihat lebih banyak bagian perusahaan daripada sebelumnya. Mengapa kemudian, setelah semua investasi kami dalam data, platform, visualisasi, dan analitik swalayan, organisasi masih kesulitan untuk memutuskan dan bertindak?

Jalur dari sinyal ke tindakan tetap secara mengejutkan manual. Seseorang harus menemukan dasbor yang tepat, menafsirkan apa yang berubah, menyelaraskannya dengan pengetahuan yang terperangkap di sistem lain dan di kepala orang, mengumpulkan tim, memutuskan apa yang harus dilakukan, lalu bertindak.

Dasbor tetap berharga, tetapi mereka dibangun terutama untuk meningkatkan visibilitas. Mereka jarang mengumpulkan semua konteks yang dibutuhkan oleh sebuah keputusan. Mereka jarang memberikan intelijen pada saat keputusan diambil. Masalahnya bukan akses ke informasi, melainkan jarak dan upaya antara informasi dan tindakan. AI mengungkap kesenjangan itu. AI juga menawarkan para pemimpin teknologi kesempatan untuk menjembatani kesenjangan tersebut. 

Kecerdasan keputusan menghubungkan data tepercaya, konteks bisnis, penilaian manusia, dan tindakan yang diatur di sekitar keputusan yang menciptakan nilai. Dengan itu, CIO dapat mengubah data dan analitik dari fungsi penyampaian informasi yang berbasis artefak menjadi sistem keputusan perusahaan yang menciptakan nilai lebih besar. Wawasan harus disampaikan pada saat keputusan, bukan di dalam batas repositori data perusahaan.

Masa depan data dan analitik bukan lebih banyak dasbor. Itu adalah kecerdasan keputusan.

Berikan Akses yang Diatur AI ke Data Perusahaan Terdistribusi

Kecerdasan keputusan bergantung pada AI yang mengakses data perusahaan tepercaya sebagai konteks tanpa mengorbankan kontrol keamanan yang ada atau meningkatkan profil risiko data dan analitik organisasi.

Bawa model ke data untuk mengurangi risiko AI. Berikan AI konteks data di semua platform. Satukan lineage dan sentralisasikan keamanan data dan kontrol akses di seluruh estate data.

Demokratisasi Analitik Rutin dan Pembuatan Dasbor

Alihkan produksi dasbor ke bisnis. Sediakan data dan analitik swalayan yang sesungguhnya. Untuk menghasilkan wawasan berulang hari ini, sumber daya yang terampil dalam data menghabiskan jam dan hari untuk memahami skema data, menulis kueri dan pipeline, menjadwalkan pekerjaan, serta memvisualisasikan metrik dan KPI. Pengguna bahasa alami kurang beruntung. Mereka harus menunggu dalam antrean tim analitik selama minggu hingga bulan.

Tim saya menerapkan alat kueri bahasa alami (NLQ) untuk memungkinkan karyawan yang tidak memiliki keterampilan data, pengetahuan data, atau kefasihan teknis, menghasilkan wawasan bermakna dalam dasbor yang disesuaikan yang dapat mereka bagikan kepada orang lain. Mereka mengembangkan dasbor mereka dalam hitungan menit atau jam, hanya menggunakan prompt.

Untuk keamanan, kami mempertahankan pembatasan privasi data yang ada dan menerapkan keamanan tingkat baris langsung dari platform data kami. Untuk privasi, kami hanya menggunakan model publik untuk memvektorisasi prompt dan membandingkannya dengan metadata bisnis dan teknis. Untuk akurasi dan keandalan, kami membatasi respons pada data perusahaan yang diatur dan SQL yang dapat dieksekusi alih-alih jawaban AI yang variabel, tidak dapat dijelaskan, dan dihasilkan AI.

NLQ telah mengurangi waktu hingga wawasan sebesar 90% bagi pengguna bahasa alami.

Selain percepatan kecepatan keputusan, kami mengamati bahwa setelah bisnis mewarisi kepenulisan dan kepemilikan aset intelijen, mereka memperoleh kesadaran yang lebih besar tentang di mana intelijen dapat diambil ketika mereka paling membutuhkannya. 

Demokratisasi analitik rutin dan pembuatan dasbor memungkinkan tim data dan analitik merebut kembali kapasitas berharga untuk hasil bernilai lebih tinggi.

Investasikan Kembali Kapasitas Analitik untuk Menampilkan Sinyal pada Saat Keputusan

Investasikan kembali kapasitas yang tersedia ke dalam kecerdasan keputusan. Identifikasi sinyal yang terkubur dalam data organisasi. Tampilkan mereka pada momen keputusan yang kritis dalam satu tampilan terpadu.

Bisnis tidak lagi bertanya, “Apa yang terjadi pada akun ini?” Mereka bertanya, “Kebutuhan apa yang diungkapkan pelanggan dalam interaksinya dengan kami? Produk atau layanan apa yang akan memenuhi kebutuhan tersebut? Individu mana di departemen mana yang harus bertanggung jawab memenuhi kebutuhan itu sekarang?”

Sebelumnya, organisasi kami kesulitan mengidentifikasi peluang untuk menerapkan layanan profesional guna meningkatkan pengalaman pelanggan. Jawaban kami adalah Shared Customer Intelligence, sebuah alat yang menambang kasus dukungan untuk mengidentifikasi di mana pelanggan mengalami kesulitan mengoptimalkan penggunaan produk. Alat ini menampilkan layanan profesional dan peluang pelatihan yang paling membantu pelanggan tersebut. Ia juga merekomendasikan eskalasi kasus ketika sentimen negatif terdeteksi.

Untuk memaksimalkan kapasitas layanan pelanggan, aplikasi Case Analyzer kami menawarkan Manajer Layanan Pelanggan ringkasan singkat dan sentimen untuk semua kasus. Mereka dapat menyiapkan akun dalam hanya 5% dari waktu yang dulu diperlukan, dan dapat melayani lebih dari dua kali lipat jumlah akun secara bersamaan. Alat ini menampilkan kemungkinan resolusi kasus berdasarkan kasus yang telah diselesaikan serta artikel basis pengetahuan yang sangat relevan. Ia menampilkan wawasan kritis kepada Manajer Layanan Pelanggan pada saat kebutuhan pelanggan muncul. 

Apa yang kami pelajari adalah bahwa inteligensi keputusan mempercepat kecepatan keputusan. Kemudian kami bertanya-tanya manfaat tambahan apa yang dapat kami peroleh jika keputusan dapat didelegasikan, pra-otorisasi, atau otomatisasi dalam batas-batas tata kelola yang tepat.

Hubungkan Sinyal Itu ke Tindakan yang Diatur

Inteligensi keputusan harus melakukan lebih dari sekadar meningkatkan keputusan manusia yang konsekuensial. Inteligensi keputusan memiliki tiga mode: menampilkan konteks untuk menginformasikan keputusan manusia, mengusulkan tindakan dengan otoritas manusia yang dipertahankan, mengeksekusi tindakan yang telah diotorisasi di bawah kontrol yang telah ditetapkan.

Jika tim pemasaran tidak perlu memeriksa peluang pelatihan, beri wewenang kepada agen AI untuk mengundang pelanggan ke webinar, menawarkan pelatihan dengan diskon, atau membuka peluang layanan profesional di CRM. Jika penyebab utama yang teridentifikasi untuk sebuah kasus pasti, tugaskan agen untuk menginstruksikan pelanggan menerapkan solusi. Jika tidak pasti, beri wewenang kepada agen untuk meminta informasi tambahan dan mencatat pertukaran dengan pelanggan.

Aksi otonom tentu memerlukan tata kelola TI yang kuat. Aksi akan otomatis, akuntabilitas tidak. Hak keputusan, ambang kepercayaan, dan aturan eskalasi harus didefinisikan dengan jelas. Keterjelasan, akuntabilitas, dan kemampuan untuk dibalik harus dirancang dan dibangun dengan cermat dalam alur kerja. Pengawasan manusia sangat penting.

Mode “act” dari inteligensi keputusan dapat mengoptimalkan biaya dalam bisnis dan TI. Alur kerja bisnis memerlukan pengawasan manusia yang lebih sedikit, dan karena otomatisasi tersebut muncul di luar sistem transaksional, siklus modifikasi objek CRM atau ERP yang panjang dapat dihindari. Itu baik, karena bisnis semakin tidak toleran menunggu perubahan sistem. 

Dengan kepemilikan dasbor yang didemokratisasi, inteligensi keputusan yang dipercepat, dan beberapa keputusan serta tindakan rutin yang diserahkan kepada agen dengan tata kelola yang tepat, tim dapat mempersiapkan evolusi berikutnya dari proses surface-decide-act.

Akhirnya Demokratisasikan Elemen Desain Alur Kerja

Tujuan akhir mungkin bukan sekadar analitik layanan mandiri, keputusan yang ditingkatkan, dan alur kerja otomatis. Seiring waktu, antarmuka bahasa alami dapat memungkinkan tim bisnis merancang kembali komponen alur kerja secara mandiri, di bawah tata kelola TI. 

Era dasbor memberi perusahaan visibilitas yang belum pernah terjadi sebelumnya ke data lintas domain. Era AI menuntut kemampuan untuk menerjemahkan intelijen tepercaya menjadi tindakan tepat waktu dan dapat dipertanggungjawabkan. CIO harus mempertimbangkan lima tindakan berikut:

Organisir berdasarkan keputusan, bukan deliverable. Identifikasi keputusan bisnis berulang yang secara tidak proporsional meningkatkan pendapatan, mengoptimalkan biaya, mengurangi risiko, dan memperbaiki pengalaman pelanggan.

Modernisasi rantai intelijen. Bawa model AI ke data tepercaya sebagai konteks. Terapkan tata kelola, keamanan, dan jejak data yang tepat. Tingkatkan keterampilan sumber daya manusia pada hak keputusan, penilaian, dan pemantauan AI.

Lepaskan dan investasikan kembali kapasitas. Gantikan aktivitas kueri dan visualisasi rutin yang dilakukan tim data dan analitik dengan pembuatan dasbor dinamis yang diatur dan layanan mandiri. Investasikan kembali pada deteksi sinyal, desain sistem keputusan, dan rekayasa ulang proses bisnis.

Sederhanakan operasi bisnis dengan agen yang diatur. Sambil mempertahankan pengawasan manusia, akuntabilitas manusia, dan tata kelola TI, redefinisikan hak keputusan dan jalur eskalasi untuk mencakup agen. 

Kembangkan metrik keberhasilan. Penggunaan dan adopsi dasbor adalah metrik yang lemah. Ukur waktu sinyal-ke-tindakan, kualitas keputusan, dan seperti biasa, hasil bisnis yang dihasilkan.

Era dasbor membuat informasi terlihat. Era inteligensi keputusan harus membuatnya konsekuen.