Onderzoek Trifacta onthult obstakels voor acceptatie van analytics

Trifacta, aanbieder in data wrangling, heeft het rapport 'Obstacles to AI & Analytics Adoption in the Cloud' gepubliceerd, dat belangrijke uitdagingen onthult die organisaties belemmeren om hun analyseprocessen te moderniseren via de cloud.

Het onderzoek, waarbij 646 dataprofessionals in verschillende bedrijfstakken en titels werden ondervraagd, onderzoekt hoe organisaties omgaan met de versnelde transitie van data naar de cloud, de obstakels van het opschonen van gegevens voor analyse en de tijdsbeperkingen waarmee ze worden geconfronteerd bij data preparation voor analyse, AI- en machine learning-initiatieven. Een nadere blik laat zien hoe deze uitdagingen het algehele succes van deze projecten belemmeren, de mogelijkheid om de efficiëntie bij het werken met gegevens te verbeteren, nieuwe initiatieven uit te voeren en de besluitvorming te versnellen.

Onnauwkeurigheid remt AI-projecten
Het tijdrovende karakter van data preparation is een nadeel voor organisaties: data scientists besteden te veel tijd aan het voorbereiden van gegevens en te weinig tijd om deze te analyseren. Bijna de helft (46 procent) van de respondenten besteedt naar verluidt meer dan 10 uur aan het correct voorbereiden van gegevens voor een analyse- en AI/ML-initiatief, terwijl anderen wekelijks meer dan 40 uur besteden aan data preparation-processen alleen. Hoewel data preparation een tijdrovend, inefficiënt proces is, is het absoluut essentieel voor het succes van elk analyseproject. Enkele van de belangrijkste implicaties van gegevensonnauwkeurigheid zijn het gevolg van het verkeerd berekenen van de vraag (59 procent) en het richten op de verkeerde vooruitzichten (26 procent). Beslissingen op basis van gegevens zouden verbeterd kunnen worden als organisaties een bredere set gegevens in hun analyse zouden kunnen opnemen, zoals ongestructureerde data van derden van klanten, semigestructureerde data of data uit relationele databases.

C-Suite heeft kennis genomen
Simpel gezegd, als datakwaliteit slecht is, zullen analyses en AI/ML-initiatieven waardeloos zijn. Hoewel 60 procent van de C-suite-respondenten aangeeft dat hun bedrijf vaak gegevensanalyse gebruikt om toekomstige zakelijke beslissingen te nemen, heeft 75 procent geen vertrouwen in de kwaliteit van hun data. Ongeveer eenderde meent dat lage datakwaliteit ervoor zorgde dat analyses en AI/ML-projecten langer duurden (38 procent), meer kosten meebrachten (36 procent) of de verwachte resultaten niet haalden (33 procent). Aangezien 71 procent van de organisaties vertrouwt op data-analyse om toekomstige zakelijke beslissingen te nemen, zorgen deze inefficiënties voor een verspilling van middelen en belemmeren ze de mogelijkheid om inzichten te vergaren die cruciaal zijn voor de totale bedrijfsgroei.

Opkomst van AI en ML Push Cloud-acceptatie
De voordelen van de cloud zijn moeilijk te overschatten, met name omdat het betrekking heeft op de mogelijkheid om snel analyses en AI/ML-initiatieven te schalen, wat een uitdaging vormt voor hedendaagse data cleansing processen in silo’s. Er zijn veel redenen voor wijdverspreide cloudmigratie, waarbij 66 procent van de respondenten verklaart dat alle of de meeste van hun analyses en AI/ML-initiatieven in de cloud draaien, 69 procent van de respondenten rapporteert dat de organisatie de cloudinfrastructuur gebruikt voor data management en 68 procent van IT-professionals de cloud gebruikt om meer of al hun data op te slaan - een trend die alleen maar zal groeien. 88 procent van de IT-professionals schat dat over twee jaar alle of de meeste data in de cloud worden opgeslagen.

Volgens CEO Adam Wilson van Trifacta is de groei van cloud computing van fundamenteel belang voor de toekomst van AI, analytics en machine learning-initiatieven.” Helaas onderstreept het tempo en de schaal waarin deze groei plaatsvindt de behoefte aan gecoördineerde data preparation, aangezien datakwaliteit een van de grootste obstakels blijft in de zoektocht van elke organisatie om hun analyseprocessen in de cloud te moderniseren."

Methodologie
Trifacta voerde het wereldwijd onderzoek uit bij 646 data preparation professionals. Het onderzoek werd uitgevoerd tussen 20 augustus 2019 en 30 augustus 2019, in samenwerking met ResearchScape International.
Download hier een gratis exemplaar van het rapport 2020 Obstacles to AI & Analytics Adoption in the Cloud.