Artefact-Newsletter – 29. Juni 2022.
Ausgabe über die data-Umwandlung und die
In dieser monatlichen Ausgabe widmen wir uns der data-Transformation und den Herausforderungen, denen sich Chief Data Officers (CDO) gegenübersehen – anhand von Artikeln unserer Experten.
Sie werden ihre Standpunkte und Analysen zu verschiedenen Themen lesen, wie zum Beispiel data governance: eine Voraussetzung für den Erfolg eines KI-Projekts, datamesh: data – Der Weg zur Dezentralisierung, data-Technik, Das Video-Testimonial von RECKITT über ihr audience-Motorprojekt und vieles mehr.
Die fünf dringlichsten Herausforderungen, denen sich die Leiter der Abteilung Data derzeit gegenübersehen
Ghadi Hobeika, Managing Partner bei Artefact USA, teilt seine wichtigsten Erkenntnisse, nachdem er im Rahmen des „North American Data & Analytics Digital Summit“ eine Breakout-Session geleitet hat, an der zahlreiche Chief Data Officers teilnahmen: „Die Zukunft der data-Führungskraft“.
Zu den wichtigsten Hindernissen und Erkenntnissen, die sie nannten, gehören:
:
- den Umfang ihrer Arbeit klar umreißen
- Data Governance ist der Schlüssel
- Geschäftssilos durchbrechen
- Talente durch … binden
Karrierewege - Ein Plädoyer für den Wandel
Data Governance, eine Voraussetzung für den Erfolg von KI-Projekten
In einem Interview, Justine Nerce, Partner bei Artefact, erläutert die Bedeutung von data governance und die spezifische Positionierung von Artefact in diesem Bereich.
Justine greift auf ihre Erfahrungen zurück, um Fragen wie die folgenden zu beantworten:
:
- Was sind die Herausforderungen von data governance heute?
- Wie unterstützt Artefact Unternehmen bei der Implementierung von data governance?
- Was zeichnet die globale Vision von Artefact aus?
- Haben Sie ein konkretes Beispiel für eine Unterstützung, die Sie geleistet haben?
- Was können wir in Zukunft erwarten, wenn alle ihre data governance eingeführt haben?
Data Mesh: der Weg zur Dezentralisierung von data
Pascal Coggia, UK Managing Director und Partner sowie Christopher Bannocks, ehemaliger Leiter des Bereichs Data bei Canon und der ING Bank, erläutert, was Data Mesh ist und was es nicht ist, und warum es ebenso sehr eine Denkweise wie ein Ansatz ist.
Gemeinsam gehen sie auf einige der am häufigsten gestellten Fragen ein, darunter:
:
- Was ist eine Data Masche? Wie unterscheidet es sich von einem data See?
- Was ist mit “data als Produkt” gemeint?
- Welche Vorteile ergeben sich für Unternehmen?
- Welche Herausforderungen bestehen bei der Einführung von Data Mesh?
- Wann ist ein Unternehmen bereit, eine Data Mesh-Strategie einzuführen?
- Welche Arten von Unternehmen setzen Data Mesh erfolgreich ein?
Die Managementstrategien im Rahmen von Data entwickeln sich ständig weiter, und Unternehmen müssen bereit sein, sich an Veränderungen anzupassen, um wettbewerbsfähig zu bleiben.
Wie sieht die Zukunft der data-Technik aus?
Benoît Goujon, Data Engineer bei Artefact, erläutert, wie sich die Position des data-Ingenieurs weiterentwickelt hat und inwiefern sich die Aufgaben dieser Position von Unternehmen zu Unternehmen unterscheiden.
:
- Data-Ingenieure werden die cloud-Technologien und SaaS-Produkte massiv nutzen
- Data-Ingenieure verbringen weniger Zeit mit dem Programmieren und mehr mit der Überwachung
- Die Ingenieure von Data werden von den Feature-Teams in das Foundation-Team wechseln.
Darüber hinaus ist Benoît der Ansicht, dass die nächste Generation von data-Ingenieuren nicht an einem bestimmten data-Produkt arbeiten wird. Ihr Ziel wird es sein, die Produktteams produktiver zu machen.
Wie RECKITT mithilfe der Lösung „Artefact Audience Engine“ seine Medienausgaben optimierte und den Umsatz steigerte
Sehen Sie sich an, wie unser Team Reckitt dabei unterstützt hat, sich zu einem „Digital-First“-Unternehmen zu wandeln und data effektiv einzusetzen, um den Umsatz mit dem Artefact Audience Engine, die mithilfe von ML- und KI-Modellen data in umsetzbare Erkenntnisse umwandelt. Interdisziplinäre Teams trugen dazu bei, die „Audience Engine“ im gesamten globalen Geschäft von Reckitt einzuführen und zu skalieren. Dies
führte zu „Test-and-Learn“-Kampagnen, die zeigten, dass 30% – Steigerung des ROI bei den Medienausgaben!
Whitepaper: “Optimierung der Wirkung von maschinellem Lernen durch präskriptive Analytik.”
Dieses Whitepaper, verfasst von Experten bei beides IBM und Artefact hebt drei konkrete Beispiele hervor:
:
- Bedarfsprognose: Die Ermittlung der optimalen Produktionsstrategie
- Optimierung von Marketingkampagnen: Mehr Kampagnen mit geringerem Budget durchführen
- Preisstrategie: Den richtigen Preis finden, um den Gewinn zu steigern
Da Artefact ein IBM Silver Business Partner, Artefact und Data Consultants arbeiten eng mit den geschäftlichen und technischen Experten von IBM zusammen.
DATENBERATUNG | DATEN- UND DIGITALMARKETING | DIGITALER HANDEL
