Elk jaar besteden grote bedrijven biljoenen dollars aan digitale transformatieprojecten die zijn ontworpen om digitale technologieën stevig in hun bedrijfsvoering te verankeren. Deze technologieën omvatten voorspellende analyse- en beslissingsondersteunende systemen en hebben het potentieel om de traditionele focus van IT te transformeren van kostenbesparing en het oplossen van technische beperkingen naar het proactief creëren van waarde en kansen in de hele organisatie.

Implementatieproblemen zorgen er echter voor dat veel van deze digitale transformatieprojecten op een mislukking uitlopen, wat leidt tot enorme financiële verliezen voor de betrokken bedrijven. In een empirische studie gepubliceerd in KeAi's Journal of Digital Economy , onderzochten onderzoekers van Harvard Business School en Stockholm School of Economics in Zweden de oorsprong van deze implementatie-uitdagingen en onderzochten hoe ondernemingen hun kansen op het creëren van bedrijfswaardecreatie uit nieuwe digitale technologieën, met name big data en cloudcomputing, kunnen verbeteren.

Het onderzoek was gebaseerd op gedetailleerde onderzoeksgegevens. Dit werd verzameld door Keystone Strategy en Microsoft via persoonlijke interviews met senior technologiemanagers bij meer dan 100 Fortune 1000-bedrijven, met een gecombineerde omzet van meer dan $ 4 biljoen. Het onderzoek omvatte een uitgebreide reeks technische kaders en geavanceerde tools die zijn ontwikkeld door digital natives op het gebied van data-analyse en AI-adoptie. Elk onderzocht bedrijf is gekozen vanwege zijn traditionele bedrijfsmodel, wat een negatieve invloed kan hebben op de adoptie van nieuwe digitale technologieën. Deze bedrijven worden vaak beperkt door complexe legacy bedrijfssystemen die gedurende lange tijd zijn gemaakt en aangepast.

De onderzoekers identificeerden 'data-architectuur', met andere woorden, de manier waarop de logische en fysieke data-assets en datamanagement-resources van een organisatie zijn gestructureerd, als een cruciaal element van succesvolle digitale transformatie. Sam Cao, een assistent-professor bij de afdeling Ondernemerschap, Innovatie en Technologie aan de Stockholm School of Economics, legt uit:"Data-architectuur omvat in grote lijnen de mogelijkheden van de technologische architectuur rond het verwerken van datastromen via meerdere lagen en pijplijnen, waarbij datasets uit verschillende bronnen en locaties worden gecombineerd. , en het ontwikkelen en implementeren van machine learning-modellen op grote schaal. Een coherente data-architectuur stelt bedrijven in staat om grote hoeveelheden data op een geautomatiseerde en tijdige manier te integreren. En het helpt traditionele bedrijven om technische investeringen te vertalen naar gebruikersgerichte co-uitvindingen. omvatten machine learning-applicaties en voorspellende analyses die in de hele organisatie zijn ingebed in verschillende bedrijfsprocessen, die de waarde verhogen van het werk dat wordt uitgevoerd door gegevensgebruikers en besluitvormers."

De onderzoekers ontdekten ook dat legacy-systemen een negatief effect hebben op het vermogen van een bedrijf om hun data-architectuur op elkaar af te stemmen en zich te committeren aan transformatie. Cao zegt:"Verouderde technologische componenten binnen bestaande IT-systemen kunnen digitale transformatie-inspanningen belemmeren. Complexe softwaresystemen verergeren het probleem verder. Missiekritieke softwaretoepassingen zijn ingebed in veel delen van de organisatie, waardoor legacy-technologieën nog moeilijker te verwijderen zijn."

Ze voegt eraan toe:"De studie wijst op het feit dat bedrijven deze uitdagingen zorgvuldig moeten evalueren voordat ze zich inzetten voor digitale transformatie-initiatieven, en het benadrukt het belang van een praktisch architectonisch raamwerk voor het beheer van AI." + Verder verkennen

Coronavirus pandemie kan dienen als katalysator om betere digitale identiteitssystemen te bouwen