Varje år spenderar stora företag biljoner dollar på digitala transformationsprojekt som är utformade för att ordentligt integrera digital teknik i deras affärsverksamhet. Dessa teknologier inkluderar prediktiv analys och beslutsstödssystem och har potential att omvandla ITs traditionella fokus från att spara kostnader och lösa tekniska begränsningar till att proaktivt skapa värde och möjligheter i hela organisationen.

Men implementeringsutmaningar innebär att många av dessa digitala transformationsprojekt slutar i misslyckande, vilket leder till enorma ekonomiska förluster för de inblandade företagen. I en empirisk studie publicerad i KeAis Journal of Digital Economy , forskare från Harvard Business School och Handelshögskolan i Stockholm i Sverige, undersökte ursprunget till dessa implementeringsutmaningar och undersökte hur företag kan förbättra sina chanser att driva affärsvärdeskapande från ny digital teknik, särskilt big data och cloud computing.

Studien byggde på detaljerade undersökningsdata. Detta samlades in av Keystone Strategy och Microsoft via personliga intervjuer med seniora teknikchefer på mer än 100 Fortune 1000-företag, med sammanlagda intäkter på över 4 biljoner dollar. Enkäten omfattade en omfattande uppsättning tekniska ramverk och avancerade verktyg utvecklade av digitala infödda inom dataanalys och AI-adoption. Varje företag som undersöktes valdes ut för sin traditionella verksamhetsmodell, vilket kan påverka införandet av ny digital teknik negativt. Dessa företag är ofta begränsade av komplexa äldre företagssystem som har skapats och modifierats under långa tidsperioder.

Forskarna identifierade "dataarkitektur", med andra ord, det sätt på vilket en organisations logiska och fysiska datatillgångar och datahanteringsresurser är strukturerade, som en avgörande del av framgångsrik digital transformation. Sam Cao, biträdande professor vid institutionen för entreprenörskap, innovation och teknik vid Handelshögskolan i Stockholm, förklarar, "Dataarkitektur fångar brett den tekniska arkitekturens kapacitet kring att bearbeta dataströmmar genom flera lager och pipelines, genom att kombinera datamängder från olika källor och platser , och utveckla och distribuera modeller för maskininlärning i stor skala. En sammanhängande dataarkitektur gör det möjligt för företag att integrera stora mängder data på ett automatiserat och snabbt sätt. Och det hjälper traditionella företag att översätta tekniska investeringar till användarcentrerade samuppfinningar. Sådana samuppfinningar inkluderar maskininlärningsapplikationer och prediktiv analys inbäddad över hela organisationen i olika affärsprocesser, vilket ökar värdet av arbete som utförs av dataanvändare och beslutsfattare."

Forskarna fann också att äldre system negativt påverkar ett företags förmåga att anpassa sin dataarkitektur och åta sig omvandling. Cao säger:"Föråldrade teknikkomponenter inom befintliga IT-system kan belasta ansträngningar för digital transformation. Komplexa programvarusystem förvärrar problemet ytterligare. Verksamhetskritiska programvaruapplikationer är inbäddade i många delar av organisationen, vilket gör äldre teknologier ännu svårare att ta bort."

Hon tillägger, "Studien pekar på det faktum att företag noggrant bör utvärdera dessa utmaningar innan de satsar på digitala transformationsinitiativ, och den belyser vikten av ett praktiskt arkitektoniskt ramverk för att hantera AI." + Utforska vidare

Coronavirus-pandemin kan fungera som en katalysator för att bygga bättre digitala identitetssystem