Hvorfor digitale transformationsprojekter mislykkes, og hvordan dataarkitektur kan hjælpe

Hvert år bruger store virksomheder billioner af dollars på digitale transformationsprojekter designet til at integrere digitale teknologier i deres forretningsdrift. Disse teknologier inkluderer forudsigende analyse- og beslutningsstøttesystemer og har potentialet til at transformere it traditionelle fokus fra at spare omkostninger og løse tekniske begrænsninger til proaktivt at skabe værdi og muligheder på tværs af organisationen.

Implementeringsudfordringer betyder dog, at mange af disse digitale transformationsprojekter ender i fiasko, hvilket fører til store økonomiske tab for de involverede virksomheder. I en empirisk undersøgelse offentliggjort i KeAis Journal of Digital Economy , forskere fra Harvard Business School og Stockholm School of Economics i Sverige, undersøgte oprindelsen af ​​disse implementeringsudfordringer og undersøgte, hvordan virksomheder kan forbedre deres chancer for at drive virksomhedsværdiskabelse fra nye digitale teknologier, især big data og cloud computing.

Undersøgelsen byggede på detaljerede undersøgelsesdata. Dette blev indsamlet af Keystone Strategy og Microsoft via personlige interviews med senior teknologiledere hos mere end 100 Fortune 1000-virksomheder med en samlet omsætning på over 4 billioner USD. Undersøgelsen dækkede et omfattende sæt af tekniske rammer og avancerede værktøjer udviklet af digitale indfødte inden for dataanalyse og AI-adoption. Hvert undersøgt selskab blev valgt på grund af deres traditionelle driftsmodel, hvilket kan have en negativ indvirkning på adoptionen af ​​nye digitale teknologier. Disse virksomheder er ofte begrænset af komplekse ældre virksomhedssystemer, der er blevet skabt og ændret over lange perioder.

Forskerne identificerede "dataarkitektur", med andre ord den måde, hvorpå en organisations logiske og fysiske dataaktiver og datastyringsressourcer er struktureret, som et afgørende element i vellykket digital transformation. Sam Cao, en adjunkt ved Institut for Entrepreneurship, Innovation and Technology ved Stockholm School of Economics, forklarer:"Dataarkitektur indfanger bredt den teknologiske arkitekturs muligheder omkring behandling af datastrømme gennem flere lag og pipelines, der kombinerer datasæt på tværs af forskellige kilder og lokationer , og udvikle og implementere maskinlæringsmodeller i stor skala. En sammenhængende dataarkitektur giver virksomheder mulighed for at integrere store mængder data på en automatiseret og rettidig måde. Og den hjælper traditionelle virksomheder med at omsætte tekniske investeringer til brugercentrerede co-opfindelser. Sådanne co-opfindelser omfatte maskinlæringsapplikationer og forudsigende analyser indlejret på tværs af organisationen i forskellige forretningsprocesser, som øger værdien af ​​arbejde udført af databrugere og beslutningstagere."

Forskerne fandt også ud af, at ældre systemer negativt påvirker en virksomheds evne til at tilpasse deres dataarkitektur og forpligte sig til transformation. Cao siger:"Forældede teknologikomponenter inden for eksisterende it-systemer kan belaste den digitale transformationsindsats. Komplekse softwaresystemer forværrer problemet yderligere. Missionskritiske softwareapplikationer er indlejret i mange dele af organisationen, hvilket gør ældre teknologier endnu sværere at fjerne."

Hun tilføjer:"Undersøgelsen peger på det faktum, at virksomheder omhyggeligt bør evaluere disse udfordringer, før de forpligter sig til digitale transformationsinitiativer, og det fremhæver vigtigheden af ​​en praktisk arkitektonisk ramme for styring af AI." + Udforsk yderligere

Coronavirus-pandemien kunne tjene som en katalysator til at bygge bedre digitale identitetssystemer