Проблемно-ориентированное мышление и когнитивная революция

В современном мире, управляемом данными, анализ данных стал краеугольным камнем принятия решений. Однако, несмотря на преобразующий потенциал, значительное количество аналитических проектов терпят неудачу. В недавней статье , опубликованной в журнале Significance, мы углубились в тонкости анализа данных, подчеркнув важность проблемно-ориентированного мышления для достижения успешных результатов. Комплексная система аналитики Аналитика данных — это широкая область, включающая данные, инструменты и процессы, включающие как вычислительные, так и управленческие процессы для извлечения значимой информации из обработанных данных для принятия решений на основе данных. Проблемы анализа данных усугубляются в эпоху больших данных, когда наборы данных объемны, часто обновляются и разнообразны по типу и качеству. На изображении выше изображена комплексная, ориентированная на ориентацию структура. Построенная на пяти типах аналитики — описательной, диагностической, прогнозирующей, предписывающей и когнитивной — эта структура предлагает уникальную линзу, через которую мы можем ориентироваться в сложности, трудностях и, в конечном итоге, в ценности. Сложность равна вычислительной сложности и относится к ресурсам, которые потребляют алгоритмы (требования к времени и памяти). Сложность связана со сложностью изучаемой проблемы. Ценность — это конечный результат, включающий в себя, среди прочего, более эффективное принятие решений, повышение производительности и конкурентоспособности, а также организационный успех. Следует отметить, что различные виды аналитики, хотя и представлены последовательно, не являются взаимоисключающими; они взаимосвязаны и могут работать одновременно в зависимости от конкретной проблемы. Более того, такое визуальное представление аналитики отражает идею о том, что по мере развития аналитики должна увеличиваться сложность и трудность, требующие больше ресурсов — как вычислительных, так и человеческих. Однако реальность может отличаться, поскольку бывают случаи, когда внедрение более продвинутых уровней аналитики не обязательно оправдано. При таком большом количестве вариантов выбора возникает вопрос: почему наличие большего количества данных или сложных инструментов анализа данных не является гарантом успеха? Существует множество причин, по которым проекты по анализу данных могут потерпеть неудачу. Одна из причин заключается в том, что действия не обязательно принимаются на основе полученной информации в результате инерции/стиля управления, сопротивления, отсутствия поддержки со стороны руководства, внутренней политики или нежелания меняться. Но ответ может также заключаться в отсутствии проблемно-ориентированного подхода к мышлению. Понимание проблемно-ориентированного мышления Проблемно-ориентированное мышление предполагает намеренный сдвиг перспективы с упором на выявление и решение реальных проблем. Это побуждает организации рассматривать анализ данных не просто как технологическое решение, но и как средство решения конкретных проблем. Суть нашего аргумента заключается в важности своевременного принятия решений и индивидуальных аналитических решений, адаптированных к конкретным проблемам. Речь идет не о том, чтобы утонуть в океане данных или владеть самыми передовыми инструментами; речь идет о глубоком понимании проблемы и стратегическом использовании вычислительных ресурсов. Приняв этот подход, мы можем сменить парадигму с высокого уровня отказов на среду, в которой проекты анализа данных процветают и приносят ощутимую пользу. Будущее аналитики ориентировано на проблемы. Преимуществ много. Приняв подход, ориентированный на проблемы, организации могут способствовать развитию культуры постоянного совершенствования. Вместо того, чтобы рассматривать проблемы как препятствия, они становятся возможностями для инноваций и роста. Такое мышление побуждает команды активно искать проблемы, тщательно их анализировать и реализовывать целевые решения. Итеративный характер проблемно-ориентированного мышления не только повышает адаптируемость аналитических стратегий, но и способствует активному подходу к решению возникающих проблем. В конечном счете, организации, которые отдают приоритет проблемно-ориентированной аналитике, имеют больше возможностей справляться со сложностями постоянно меняющейся бизнес-среды и достигать устойчивого успеха. Сила когнитивной аналитики Также уместно отметить, что будущее анализа данных может совершить революцию с появлением когнитивного анализа. По мере развития технологий традиционные методы анализа данных уступают место более сложным подходам, имитирующим когнитивные функции человека. Чтобы достичь такого уровня сложности, когнитивная аналитика заручается помощью искусственного интеллекта, алгоритмов машинного обучения (в частности, обучения с подкреплением ), семантики, теории игр и моделей глубокого обучения. Используя когнитивный анализ, компании могут выявлять скрытые закономерности, понимать сложные взаимоотношения и принимать более обоснованные решения в режиме реального времени. Эта эволюция представляет собой квантовый скачок в возможностях анализа данных, «подталкивая» организации к будущему, где данные не просто анализируются, но всесторонне понимаются и стратегически применяются. Поскольку организации стремятся извлечь большую пользу из своих данных, когнитивный анализ становится маяком инноваций, раздвигая границы возможного. Это похоже на исследование неизведанных территорий разума данных. Когнитивная аналитика – это не просто подсчет цифр; речь идет об ответе на более глубокий вопрос: «Какова степень того, что может произойти?» Речь идет о «глубоком взгляде» на данные, снятии слоев и обнаружении скрытых закономерностей, которые в противном случае могли бы ускользнуть от нас. Представьте себе это как попытку воспроизвести человеческую мысль, имитировать сложную работу нашего собственного мозга. Заключение Поскольку область анализа данных продолжает развиваться, проблемно-ориентированное мышление останется руководящим принципом для организаций, стремящихся в полной мере использовать возможности своих данных. В этом динамичном ландшафте становится очевидным, что каждый тип аналитики предлагает уникальное ценностное предложение и что один размер не подходит всем в сфере аналитики. Поэтому ключевым моментом является согласование аналитического подхода с конкретной проблемой. Более того, углубление в область когнитивной аналитики усиливает инновационный потенциал, используя передовые технологии для воспроизведения процессов человеческого мышления и открытия беспрецедентных идей. В конечном счете, акцент делается на признании того, что будущее аналитики зависит от проблемно-ориентированного подхода и интеграции передовой когнитивной аналитики. Такое сочетание открывает сложный путь к устойчивому успеху в постоянно меняющейся бизнес-среде....

Сообщает android-robot.com

 

Новость из рубрики:

 

Поделиться новостью:

 

Топ новости часа

• +278,83% (17400 пунктов) за 12 мес по паре GBP/USD — Тест стратегии форекс «ChaSyBi»...
• Чемпионат России. «Спартак» в гостях у «Оренбурга», «Динамо» против «Урала», ЦСКА сыграет с «Зенитом» в воскресенье...
• AMD рассказала о видеокартах следующего поколения. В интервью были затронуты в основном вопросы, связанные с ИИ в RDNA 4...
• Иск против «Барсы», допуск российских фехтовальщиков, задержан метатель банана, грант Навки, баттл Смородской и Заремы и другие новости...
• Hyundai Motor câștigă 2016 Kelley Blue Book Awards ca cea mai bună marcă de costuri de proprietate în ultimii 5 ani...
• Выставка мобильных технологий MWC продемонстрирует новые телефоны, искусственный интеллект и метавселенную...