Η αξιοποίηση σύγχρονων εργαλείων ανάλυσης δεδομένων μπορεί να κερδίζει συνεχώς έδαφος ωστόσο η ανθρώπινη “διαίσθηση” και η “εμπειρία” παραμένουν κυρίαρχα κριτήρια των επιχειρηματικών επιλογών στην Ελλάδα, «καθώς τα ψηφιακά εργαλεία δεν συνοδεύονται από τον ανάλογο διοικητικό και λειτουργικό μετασχηματισμό», όπως αναδεικνύεται στη μελέτη που δημοσίευσε το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ.
«Η αξιοποίηση κάθε είδους δεδομένων από ανθρώπους αλλά και επιχειρήσεις ανέκαθεν έδινε ισχυρά πλεονεκτήματα», δήλωσε στον Περιφερειακό Τηλεοπτικό Σταθμό CRETA και την εκπομπή Live με την Αντιγόνη ο σύμβουλος στον τομέα ενημέρωσης του ΣΕΒ, Γιάννης Μητσός.
ΆλλαΣχετικά άρθρα
Εξάλλου, όπως αναφέρεται στην έκθεση, τα τελευταία 10 χρόνια, η εμπορική διαθεσιμότητα εργαλείων τεχνητής νοημοσύνης (μηχανική μάθηση, σχεσιακά δίκτυα και νευρωνικά δίκτυα, ασαφή σύνολα, ρομποτικό λογισμικό, βαθιά μάθηση, αναπαράσταση γνώσης, κ.λπ.) έχει αυξηθεί κατακόρυφα.
«Η τεχνητή νοημοσύνη έχει διευρύνει τις δυνατότητες ανάλυσης δεδομένων σε τέτοιο βαθμό που πλέον δημιουργούνται συμπεράσματα, γνώσεις και αποφάσεις συγκρίσιμες με την εμπειρία της ανώτερης διοίκησης της επιχείρησης», τόνισε χαρακτηριστικά ο κ. Μητσός.
Η ίδια μελέτη δείχνει ότι τα 2/3 των επιχειρήσεων περιορίζουν τη συλλογή και ανάλυση δεδομένων σε μια πολύ μικρή ομάδα εργαζομένων, ενώ το 67% των ανώτερων διοικήσεων μεγαλύτερων οργανισμών δεν επικροτεί την ροή δεδομένων μεταξύ διαφορετικών μονάδων εντός της επιχείρησης. Το γεγονός ότι τα 2/3 των διοικήσεων σε μεγαλύτερους οργανισμούς δεν αναγνωρίζουν την ροή πληροφοριών εντός της επιχείρησης ως μία ζωτική λειτουργία παραγωγικότητας, είναι σημαντικός διοικητικός αναχρονισμός και ανασταλτικός παράγοντας στον ψηφιακό μετασχηματισμό της οικονομίας.
«Τα οφέλη είναι ήδη ορατά σε εκείνες τις επιχειρήσεις που επενδύουν σε τεχνολογίες ανάλυσης δεδομένων και ταυτόχρονα μετασχηματίζουν τη διοικητική λειτουργία τους», τόνισε ο σύμβουλος στον τομέα ενημέρωσης του ΣΕΒ Γιάννης Μητσός.
Βασικά ευρήματα
· Η αξιοποίηση δεδομένων ανέκαθεν έδινε ισχυρά πλεονεκτήματα, πλέον όμως τα εργαλεία ανάλυσης δεδομένων της 3ης Βιομηχανικής Επανάστασης που βασίζονταν σε στατιστικά μοτίβα αντικαθίστανται από εργαλεία τεχνητής νοημοσύνης.
· Η ανάλυση του τεράστιου όγκου δεδομένων που παράγονται κάθε μέρα μπορεί να αποτελέσει ανταγωνιστικό πλεονέκτημα, βελτιώνοντας λειτουργίες, τεκμηριώνοντας αποφάσεις και αυξάνοντας την προσαρμοστικότητα.
· Τα τελευταία 10 χρόνια, η εμπορική διαθεσιμότητα εργαλείων τεχνητής νοημοσύνης (μηχανική μάθηση, σχεσιακά δίκτυα και νευρωνικά δίκτυα, ασαφή σύνολα, ρομποτικό λογισμικό, βαθιά μάθηση, αναπαράσταση γνώσης, κ.λπ.) έχει αυξηθεί κατακόρυφα.
· Στην Ελλάδα, αν και η αξιοποίηση σύγχρονων ψηφιακών εργαλείων κερδίζει συνεχώς έδαφος στις επιχειρήσεις, συχνά δεν συνοδεύονται από τον ανάλογο διοικητικό και λειτουργικό μηχανισμό.
· Για παράδειγμα, αν και η Ελλάδα βρίσκεται πάνω από τον ευρωπαϊκό μέσο όρο στην προμήθεια συστημάτων Big Data Analytics, μόνο το 39% των επιχειρήσεων έχει εντάξει την ανάλυση δεδομένων στην κουλτούρα και στις διαδικασίες λήψης αποφάσεων, παρά τα πολύ σημαντικά οφέλη που είναι ήδη ορατά.
· Το Παρατηρητήριο Ψηφιακού Μετασχηματισμού του ΣΕΒ με τη συνεργασία της Deloitte προτείνει έναν οδικό χάρτη μέσω 10 καίριων ερωτημάτων, για τον ψηφιακό μετασχηματισμό.
