Form_LV

1
Kā Jūs raksturotu savu lomu organizācijā?* This field is required.
Organizācijas vadītājs (CEO)
Finanšu direktors (CFO)
IT direktors (CIO/CTO)
Datu / Analītikas direktors (CDO/CAO) vai ekvivalenta loma
Mārketinga direktors (CMO)
Citi Direktoru līmeņapārstāvji
Organziācijas Valde, Īpašnieks
Struktūrvienības, Nodaļas, Biznesa vienības, departamenta vadītājs vai vietnieks
Vecākais eksperts, vadošais speciālists
Cits (ierakstiet)
Pārdošanas direktors
Grāmatvedis, Finanšu speciālists vai līdzīga loma
Pašnodarbinātais vai Zemnieku saimniecības pārstāvis
2
Jūsu vecums* This field is required.
3
Dzimums* This field is required.
Sieviete
Vīrietis
4
Augstākais iegūtais izglītības līmenis:* This field is required.
Pamatizglītība
Profesionālā izglītība
Vidējā izglītība
Koledžas izglītība
Bakalaura grāds
Maģistra grāds
Doktora grāds
Cits
5
Kuru/-as mācību iesādi/-es Jūs esat absolvējis?(Norādiet visas pabeigtās iestādes)
LU
RTU
RSU
LBTU / LLU
Biznesa augstskola "Turība"
Banku augstskola
Rīgas Ekonomikas augstskola
Cits
6
Kādā nozarē darbojas Jūsu pārstāvētā organizācija?* This field is required.(Atzīmējiet visusatbilstošos)
Lauksaimniecība, mežsaimniecīva un zivsaimniecība
Ieguves rūpniecība un karjeru izstrāde
Apstrādes rūpniecība
Elektroenerģija, gāzes apgāde, siltumapgāde un gaisa kondicionēšana
Ūdens apgāde; notekūdeņu, atkritumu apsaimniekošana un sanācija
Būvniecība
Vairumtirdzniecība un mazumtirdzniecība; automobiļu un motociklu remonts
Transports un uzglabāšana
Izmitināšana un ēdināšanas pakalpojumi
Informācijas un komunikācijas pakalpojumi
Finanšu un apdrošināšanas darbības
Operācijas ar nekustamo īpašumu
Profesionālie, zinātniskie un tehniskie pakalpojumi
Administratīvo un apkalpojošo dienestu darbība
Valsts pārvalde un aizsardzība; obligātā sociālā apdrošināšana
Izglītība
Veselība un sociālā aprūpe
Māksla, izklaide un atpūta
Citi pakalpojumi
7
Ierakstiet konkrētu galveno darbības jomu.Piem., veikals, banka, auto serviss, frizētava, skola, kafejnīca, galdnieka pakalpojumi utt.)
8
Kurā administratīvajā teritorijā atrodas Jūsu organizācija?* This field is required.
Rīga
Please Select
Rīga
Daugavpils
Liepāja
Jelgava
Jūrmala
Ventspils
Rēzekne
Ogre
Valmiera
Jēkabpils
Aizkraukles novads
Alūksnes novads
Augšdaugavas novads
Ādažu novads
Balvu novads
Bauskas novads
Cēsu novads
Dienvidkurzemes novads
Dobeles novads
Gulbenes novads
Jelgavas novads
Jēkabpils novads
Krāslavas novads
Kuldīgas novads
Ķekavas novads
Limbažu novads
Līvānu novads
Ludzas novads
Madonas novads
Mārupes novads
Ogres novads
Olaines novads
Preiļu novads
Rēzeknes novads
Ropažu novads
Salaspils novads
Saldus novads
Saulkrastu novads
Siguldas novads
Smiltenes novads
Talsu novads
Tukuma novads
Valkas novads
Valmieras novads
Varakļānu novads
Ventspils novads
9
Vai tā ir starptautiska organizācija?* This field is required.
Jā
Nē
Nezinu
10
Cik darbinieku strādā organizācijā - Latvijā?* This field is required.
1-9
10-49
50-249
250-499
500+
Nav atbildes / Nezinu
Latvijā
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Row 0, Column 5
Latvijā
1-9
Row 0, Column 0
10-49
Row 0, Column 1
50-249
Row 0, Column 2
250-499
Row 0, Column 3
500+
Row 0, Column 4
Nav atbildes / Nezinu
Row 0, Column 5
11
Cik darbinieku strādā organizācijā - globāli?
1-9
10-49
50-249
250-499
500+
Nav atbildes / Nezinu
Globāli
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Row 0, Column 5
Globāli
1-9
Row 0, Column 0
10-49
Row 0, Column 1
50-249
Row 0, Column 2
250-499
Row 0, Column 3
500+
Row 0, Column 4
Nav atbildes / Nezinu
Row 0, Column 5
12
Cik liels ir organizācijas gada apgrozījums (pēdējais zināmais) - Latvijā?* This field is required.
līdz 0.5 milj. EUR
0.5-1.99 milj. EUR
2-5 milj. EUR
6-10 milj. EUR
11 - 20 milj. EUR
20-49 milj. EUR
50 + milj. EUR
Nav atbildes / nezinu
Latvijā
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Row 0, Column 5
Row 0, Column 6
Row 0, Column 7
Latvijā
līdz 0.5 milj. EUR
Row 0, Column 0
0.5-1.99 milj. EUR
Row 0, Column 1
2-5 milj. EUR
Row 0, Column 2
6-10 milj. EUR
Row 0, Column 3
11 - 20 milj. EUR
Row 0, Column 4
20-49 milj. EUR
Row 0, Column 5
50 + milj. EUR
Row 0, Column 6
Nav atbildes / nezinu
Row 0, Column 7
13
Cik liels ir organizācijas gada apgrozījums (pēdējais zināmais) - globāli?
līdz 0.5 milj. EUR
0.5-1.99 milj. EUR
2-5 milj. EUR
6-10 milj. EUR
11 - 20 milj. EUR
20-49 milj. EUR
50 + milj. EUR
Nav atbildes / nezinu
Globāli
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Row 0, Column 5
Row 0, Column 6
Row 0, Column 7
Globāli
līdz 0.5 milj. EUR
Row 0, Column 0
0.5-1.99 milj. EUR
Row 0, Column 1
2-5 milj. EUR
Row 0, Column 2
6-10 milj. EUR
Row 0, Column 3
11 - 20 milj. EUR
Row 0, Column 4
20-49 milj. EUR
Row 0, Column 5
50 + milj. EUR
Row 0, Column 6
Nav atbildes / nezinu
Row 0, Column 7
14
Q58 Kādi datu apkopošanas un/vai analītiskie apskati tiek gatavoti Jūsu organizācijā?* This field is required.
Finanšu pārskati, ko pieprasa likumdošana
Organizācijas budžets un tā analīze
Mārketinga aktivitāšu atdeves/izmaksu/mērķauditorijas sasniegšanas apkopojumi un analīzes
Produktu/pakalpojumu pārdošanas apkopojumi un analīzes
Produktu/pakalpojum un ražošanas apkopojumi un analīzes
Klientu uzvedības apkopojumi un analīzes
Cilvēkresursu vadības dati, apkopojumi un analīzes
Risku vadības datu apkopojumi un analīzes
Other
15
Q39 Kurš no apgalvojumiem vislabāk atbilst organizācijas iekšējo un ārējo (publiskās datu bāzes, sociālo tīklu informācija utml.) datu lietošanai? Lietoti tiek:* This field is required.
Tikai iekšējie dati
Pārsvarā iekšējie dati, nedaudz ārējie
Iekšējie un ārējie dati aptuveni vienādi
Pārsvarā ārējie dati
Tikai ārējie dati
Nav atbildes / Nezinu
16
Q40 Kādus datu avotus lietojat organizācijā?* This field is required.
Iekšējie visu veida dati
Kredītreitinga/Kredītbiroju informācija
Dati no publiskām/valsts datu bāzēm
Sociālo mediju dati
Trešo pušu mārketinga dati
Ģeogrāfiskās vietas dati
Telekomunikācijas
Epasti
Web uzvedība (digital footprint)
Nav atbildes / nezinu
17
Q31 Kurš no apgalvojumiem vislabāk raksturo organizāciju attiecībā uz datu pārvaldību un kvalitāti?* This field is required.
Slikta - Slikta datu kvalitāte un pārvaldība, kas apgrūtina jebkādu analīzi. Nav funkciju/komandu ar stingru datu fokusu.
Nepietiekama - Datus var lietot, bet tie ir funkcionāli vai procesuāli izolēti. Datu pārvaldības jautājumus reti apspriež organizācijas vadības līmenī.
Apmierinoša - Ir identificēti galvenie datu apgabali un dati ir centralizēti repozitorijā/krātuvē.
Laba - Integrēti, akurāti, pamatdati ir pieejami centralizētā datu noliktavā. Dati ir IT pārziņā. Maz unikālu datu avotu.
Izcila – dati tiek uztverti kā stratēģisks aktīvs, ir atsevišķa komanda, kas pārvalda datus. Notiek nemitīga jaunu datu avotu apzināšana un piegāde biznesam.
Nav atbildes/Nezinu
18
Q17 Kurš no apgalvojumiem vislabāk raksturo Jūsu organizācijas analītisko kopienu?* This field is required.
Nav analītiķu vispār
Nekoordinētas analītiskās aktivitātes (1 vai vairāki analītiķi, kuri darbojas atsevišķi)
Lokālas analītiskās komandas, kas ir iesākušas dalīšanos ar rīkiem, datiem un zināšanām
Centrāla analītiskā grupa, ar daļēju koordinēšanu par analītiskajām aktivitātēm visā organizācijā
Centrāla analītiskā grupa, kas cieši koordinē un attīsta analītiskās aktivitātes visā organizācijā
Cits
19
Q18 Kurš visbiežāk ir projektu iniciators datu un analītiskajām aktivitātēm organizācijā?* This field is required.
Pārsvarā organizācijas vadītājs
Pārsvarā kāds no Augstākās vadības (direktoru līmenis, ieskaitot organizācijas vadītāju)
Pārsvarā kāds Departamenta vadītājs
Nav tādu iniciatīvu, kuru projektu iniciators ir augstākā vadība
Nav atbildes/ Nezinu
20
Q19 Cik lielā mērā organizācijai atbilstsekojoši apgalvojumi? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Organizācijas stratēģijas izveide ir balstīta uz datiem un paredzošo analītiku (predictive analytics)
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Organizācijai ir ilgtermiņa Analītikas attīstības stratēģija
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Analītikas attīstīšana ir organizācijas stratēģija konkurētspējas palielināšanai
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Row 2, Column 4
Analītiskais process visā organizācijā ir sakārtots, skaidri definēts un caurspīdīgs
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Row 3, Column 4
Analītika tiek lietota lielākajā daļā no organizācijas darbības un lēmumu pieņemšanas procesiem
Row 4, Column 0
Row 4, Column 1
Row 4, Column 2
Row 4, Column 3
Row 4, Column 4
Organizācijas stratēģijas izveide ir balstīta uz datiem un paredzošo analītiku (predictive analytics)
Organizācijai ir ilgtermiņa Analītikas attīstības stratēģija
Analītikas attīstīšana ir organizācijas stratēģija konkurētspējas palielināšanai
Analītiskais process visā organizācijā ir sakārtots, skaidri definēts un caurspīdīgs
Analītika tiek lietota lielākajā daļā no organizācijas darbības un lēmumu pieņemšanas procesiem
1 - pilnīgi nepiekrītu
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - pilnīgi piekrītu
Row 0, Column 4
1 - pilnīgi nepiekrītu
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - pilnīgi piekrītu
Row 1, Column 4
1 - pilnīgi nepiekrītu
Row 2, Column 0
2
Row 2, Column 1
3
Row 2, Column 2
4
Row 2, Column 3
5 - pilnīgi piekrītu
Row 2, Column 4
1 - pilnīgi nepiekrītu
Row 3, Column 0
2
Row 3, Column 1
3
Row 3, Column 2
4
Row 3, Column 3
5 - pilnīgi piekrītu
Row 3, Column 4
1 - pilnīgi nepiekrītu
Row 4, Column 0
2
Row 4, Column 1
3
Row 4, Column 2
4
Row 4, Column 3
5 - pilnīgi piekrītu
Row 4, Column 4
1 of 5
21
Q20 Cik lielā mērā organizācijai atbilst sekojoši apgalvojumi? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Visa veida analītiskie rīki/platformas/programmatūras (aprakstošās/paredzošās, strukturētiem/nestrukturētiem un vēsturiskiem/‘real-time’ datiem, vizualizācijai) ir plaši un viendabīgi lietoti organizācijas ikdienas darbības un lēmumu pieņemšanas procesos
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Organizācijas datu apstrādes process tiek veikts efektīvi
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Visa veida analītiskie rīki/platformas/programmatūras (aprakstošās/paredzošās, strukturētiem/nestrukturētiem un vēsturiskiem/‘real-time’ datiem, vizualizācijai) ir plaši un viendabīgi lietoti organizācijas ikdienas darbības un lēmumu pieņemšanas procesos
Organizācijas datu apstrādes process tiek veikts efektīvi
1 - pilnīgi nepiekrītu
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - pilnīgi piekrītu
Row 0, Column 4
1 - pilnīgi nepiekrītu
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - pilnīgi piekrītu
Row 1, Column 4
1 of 2
22
Q42 Kurš no apgalvojumiem vislabāk raksturo tehnoloģijas analītikas atbalstam organizācijā?* This field is required.
Neattīstītas, pamatā uz izklājlapām (Excel) un pamata pārskatu veidošanas rīki
Pamatā pārskatu veidošanas rīki ar ierobežotu paredzošās analītikas (predictive analytics) rīkiem
Pārskatu un paredzošās analītikas (predictive analytics) rīki ir plaši pieejami organizācijā
Pārskatu un paredzošās analītikas (predictive analytics) rīki ir plaši pieejami organizācijā, plus rīki, lai analizētu nestrukturētus datus
Pārskatu un paredzošās analītikas (predictive analytics) rīki ir plaši pieejami organizācijā, plus rīki, lai analizētu nestrukturētus datus (nav datu bāžu struktūras) ar iesakošās (prescriptive triggers/alerts) analītikas rezultātiem
Nav atbildes/Nezinu
23
Q26 Kuri no uzskaitītajiem rīkiem/risinājumiem tiek lietoti Jūsu organizācijā datu apstrādes un analītikas nodrošināšanai?* This field is required.(Atzīmējiet visus atbilstošos)
MS Excel
SQL
R
Python
SAS
SPSS
MS Power BI
Tableu
MATLAB
KNIME
Alteryx
RapidMiner
Microsoft SQL Server
Qlik
WPS
SAP Business Objects
Teradata
H2O
TensorFlow
Torch
Hive
Caffe
Other
24
Q21 Kā Jūs raksturotu analītisko attīstību organizācijā no pielietoto analītisko risinājumu/metožu viedokļa?Vai tiek pielietotas vienkāršas, pamata aprakstošas analītiskās metodes (descriptive analytics), vai arī tiek pielietotas padziļinātas, notikumus un uzvedību paredzošas un darbību iesakošas analītiskās metodes (predictions, prescriptions analytics)?* This field is required.Novērtējiet skalā no 1-5, kur 1 - vienkāršas metodes, 5 - padziļinātas analītiskas metodes.
1 - vienkāršas analītiskās metodes (basic analytics)
2
3
4
5 - padziļinātas analītiskās metodes (advanced analytics)
Nezinu
25
Q23 Cik daudz (%) no Jums zināmajām/ Jūsu atbildībā esošajām analītiskajām darbībām (datu apkopojumi, analīzes, apskati, pārskati, monitoringi utt.) tiek atkārtotas vai atjaunotas sekojošā biežumā?
%
1 reizi gadā
Row 0, Column 0
1 reizi mēnesī
Row 1, Column 0
1 reizi nedēļā
Row 2, Column 0
1 reizi dienā
Row 3, Column 0
Ik pēc dažām stundām
Row 4, Column 0
1 reizi stundā
Row 5, Column 0
Reālā laikā atspoguļots
Row 6, Column 0
Kopā
Row 7, Column 0
1 reizi gadā
1 reizi mēnesī
1 reizi nedēļā
1 reizi dienā
Ik pēc dažām stundām
1 reizi stundā
Reālā laikā atspoguļots
Kopā
%
Row 0, Column 0
%
Row 1, Column 0
%
Row 2, Column 0
%
Row 3, Column 0
%
Row 4, Column 0
%
Row 5, Column 0
%
Row 6, Column 0
%
Row 7, Column 0
1 of 8
26
Q27 Vai organizācijā ir atsevišķa funkcija/komanda/cilvēki, kuri strādā uz izpēti un attīstību, lai atbalstītu/ nodrošinātu analītikas attīstību un inovatīvu risinājumu pārbaudi un ieviešanu?* This field is required.
Jā
Nē
Nezinu
27
Q28 Vai organizācijā ir konkrēts atbildīgais par sekojošām aktivitātēm?* This field is required.
Jā
Nē, bet ir nolemts iecelt
Nav un nav plānots
Nezinu
Vispārēja atbildība par datiem organizācijā
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Datu privātums
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Datu drošība
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Datu integrācija un vadība
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Datu pārvaldība
Row 4, Column 0
Row 4, Column 1
Row 4, Column 2
Row 4, Column 3
Analītika un izpratne
Row 5, Column 0
Row 5, Column 1
Row 5, Column 2
Row 5, Column 3
Vispārēja atbildība par datiem organizācijā
Datu privātums
Datu drošība
Datu integrācija un vadība
Datu pārvaldība
Analītika un izpratne
Jā
Row 0, Column 0
Nē, bet ir nolemts iecelt
Row 0, Column 1
Nav un nav plānots
Row 0, Column 2
Nezinu
Row 0, Column 3
Jā
Row 1, Column 0
Nē, bet ir nolemts iecelt
Row 1, Column 1
Nav un nav plānots
Row 1, Column 2
Nezinu
Row 1, Column 3
Jā
Row 2, Column 0
Nē, bet ir nolemts iecelt
Row 2, Column 1
Nav un nav plānots
Row 2, Column 2
Nezinu
Row 2, Column 3
Jā
Row 3, Column 0
Nē, bet ir nolemts iecelt
Row 3, Column 1
Nav un nav plānots
Row 3, Column 2
Nezinu
Row 3, Column 3
Jā
Row 4, Column 0
Nē, bet ir nolemts iecelt
Row 4, Column 1
Nav un nav plānots
Row 4, Column 2
Nezinu
Row 4, Column 3
Jā
Row 5, Column 0
Nē, bet ir nolemts iecelt
Row 5, Column 1
Nav un nav plānots
Row 5, Column 2
Nezinu
Row 5, Column 3
1 of 6
28
Q29 Kādas ar datu pārvaldību saistītas politikas ir jau ieviestas organizācijā?* This field is required.
Ir
Nav
Izstrādes procesā
Nezinu
Datu privātuma politika
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Datu drošības politika
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Sociālo mediju lietošanas politika organizācijā
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Politika, kas ierobežo kibernoziegumu risku organizācijā
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Datu pieejas politika
Row 4, Column 0
Row 4, Column 1
Row 4, Column 2
Row 4, Column 3
Politikas, kas nosaka datu savākšanu, uzturēšanu, lietošanu, izplatīšanu un arhivēšanu
Row 5, Column 0
Row 5, Column 1
Row 5, Column 2
Row 5, Column 3
Politikas, kas pārvalda darbinieku iekārtu lietošanu
Row 6, Column 0
Row 6, Column 1
Row 6, Column 2
Row 6, Column 3
Datu uzskaites politika
Row 7, Column 0
Row 7, Column 1
Row 7, Column 2
Row 7, Column 3
Datu privātuma politika
Datu drošības politika
Sociālo mediju lietošanas politika organizācijā
Politika, kas ierobežo kibernoziegumu risku organizācijā
Datu pieejas politika
Politikas, kas nosaka datu savākšanu, uzturēšanu, lietošanu, izplatīšanu un arhivēšanu
Politikas, kas pārvalda darbinieku iekārtu lietošanu
Datu uzskaites politika
Ir
Row 0, Column 0
Nav
Row 0, Column 1
Izstrādes procesā
Row 0, Column 2
Nezinu
Row 0, Column 3
Ir
Row 1, Column 0
Nav
Row 1, Column 1
Izstrādes procesā
Row 1, Column 2
Nezinu
Row 1, Column 3
Ir
Row 2, Column 0
Nav
Row 2, Column 1
Izstrādes procesā
Row 2, Column 2
Nezinu
Row 2, Column 3
Ir
Row 3, Column 0
Nav
Row 3, Column 1
Izstrādes procesā
Row 3, Column 2
Nezinu
Row 3, Column 3
Ir
Row 4, Column 0
Nav
Row 4, Column 1
Izstrādes procesā
Row 4, Column 2
Nezinu
Row 4, Column 3
Ir
Row 5, Column 0
Nav
Row 5, Column 1
Izstrādes procesā
Row 5, Column 2
Nezinu
Row 5, Column 3
Ir
Row 6, Column 0
Nav
Row 6, Column 1
Izstrādes procesā
Row 6, Column 2
Nezinu
Row 6, Column 3
Ir
Row 7, Column 0
Nav
Row 7, Column 1
Izstrādes procesā
Row 7, Column 2
Nezinu
Row 7, Column 3
1 of 8
29
Q30 Kā Jūs novērtētu, cik liela uzmanība organizācijā tiek pievērsta datu kvalitātei?* This field is required.Novērtējiet skalā no 1-5, kur 1 - netiek pievērsta vispār, 5 - ļoti pievēršs uzmanību.
1 - netiek pievērta vispār
2
3
4
5 - ļoti pievēršs
Nezinu
30
Q32 Kurš no apgalvojumiem vislabāk raksturo organizāciju attiecībā uz ‘big data’ lietošanu?* This field is required.
Nav vajadzības pēc "big data"
Šobrīd nav plānu attiecībā uz "big data"
Ir interese par "big data", bet nav vēl veikti ieguldījumi un nav plāna, kā to ieviest
Tiek veikta izpēte
Plāno ieviest / uzsākt ar "big data" saistītus projektus
Aktīvi norit pilotprojekti
Šobrīd ir procesā "big data" risinājumu ieviešana
Ir ieviests viss un nodrošināts, lai lietotu/analizētu "big data"
Nav atbildes / Nezinu
31
Q34 Cik lielā mērā organizācijai atbilst sekojoši apgalvojumi? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Organizācijā ir pietiekami analītisko cilvēkresursu, lai veiktu pieprasītās analītiskās darbības
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Esošo analītisko resursu vidū ir atbilstošas zināšanas/pieredze, lai pielietotu sarežģītākas analītiskās metodes
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Organizācija atbalsta vajadzīgo zināšanu iegūšanu un attīstīšanu (apmācības, konferences, atbalsts jaunu analītisko tehniku un risinājumu testēšanai)
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Row 2, Column 4
Organizācijas visas analītiskās funkcijas labi sadarbojas savā starpā
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Row 3, Column 4
Organizācijā ir pietiekami analītisko cilvēkresursu, lai veiktu pieprasītās analītiskās darbības
Esošo analītisko resursu vidū ir atbilstošas zināšanas/pieredze, lai pielietotu sarežģītākas analītiskās metodes
Organizācija atbalsta vajadzīgo zināšanu iegūšanu un attīstīšanu (apmācības, konferences, atbalsts jaunu analītisko tehniku un risinājumu testēšanai)
Organizācijas visas analītiskās funkcijas labi sadarbojas savā starpā
1 - pilnīgi nepiekrītu
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - pilnīgi piekrītu
Row 0, Column 4
1 - pilnīgi nepiekrītu
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - pilnīgi piekrītu
Row 1, Column 4
1 - pilnīgi nepiekrītu
Row 2, Column 0
2
Row 2, Column 1
3
Row 2, Column 2
4
Row 2, Column 3
5 - pilnīgi piekrītu
Row 2, Column 4
1 - pilnīgi nepiekrītu
Row 3, Column 0
2
Row 3, Column 1
3
Row 3, Column 2
4
Row 3, Column 3
5 - pilnīgi piekrītu
Row 3, Column 4
1 of 4
32
Q35 Kurš galvenokārt ir atbildīgs par datu un analītikas attīstību organizācijā?* This field is required.
Organizācijas vadītājs (CEO)
Finanšu direktors (CFO)
Risku direktors (CRO)
IT direktors (CIO/CTO)
Datu/Analītikas direktors (CDO/CAO) vai ekvivalenta loma
Mārketinga direktors (CMO)
Pārdošanas direktors
Ražošanas direktors
Citi Direktoru līmeņa pārstāvji
Organizācijas Valde
Biznesa vienības vai departamenta vadītājs
Dažādi iecelti datu pārvaldnieki
DWH vai BI komandas
Datu arhitektu komanda
Individuāli departamenti
Nav viena konkrēta atbildīgā
Nezinu
Other
33
Q38 Cik lielā mērā organizācijai atbilst sekojoši apgalvojumi? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Dati/informācija organizācijā tiek uzskatīti par organizācijas aktīviem/vērtību
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Analītiskais pamatojums ņem virsroku pār vadības pieredzi, kad jārisina svarīgi biznesa jautājumi
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Organizācijai iegulda analītiskajās tehnoloģijās, analītisko talantu piesaistē un apmācībā
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Row 2, Column 4
Organizācijai ir svarīgi pastiprināt analītikas lietojumu, lai pieņemtu labākus lēmumus
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Row 3, Column 4
Dati/informācija organizācijā tiek uzskatīti par organizācijas aktīviem/vērtību
Analītiskais pamatojums ņem virsroku pār vadības pieredzi, kad jārisina svarīgi biznesa jautājumi
Organizācijai iegulda analītiskajās tehnoloģijās, analītisko talantu piesaistē un apmācībā
Organizācijai ir svarīgi pastiprināt analītikas lietojumu, lai pieņemtu labākus lēmumus
1 - pilnīgi nepiekrītu
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - pilnīgi piekrītu
Row 0, Column 4
1 - pilnīgi nepiekrītu
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - pilnīgi piekrītu
Row 1, Column 4
1 - pilnīgi nepiekrītu
Row 2, Column 0
2
Row 2, Column 1
3
Row 2, Column 2
4
Row 2, Column 3
5 - pilnīgi piekrītu
Row 2, Column 4
1 - pilnīgi nepiekrītu
Row 3, Column 0
2
Row 3, Column 1
3
Row 3, Column 2
4
Row 3, Column 3
5 - pilnīgi piekrītu
Row 3, Column 4
1 of 4
34
Q37 Cik lielā mērā Jūs piekrītat apgalvojumam, ka IT un Bizness strādā kopā, lai definētu, kuri dati ir vajadzīgi un tiem jātiek saglabātiem, kā arī regulāri tiek pārskatītas un atjaunotas prasības to saglabāšanai un piekļuvei? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Nezinu
35
Q45 Cik lielā mērā organizācijai atbilst sekojoši apgalvojumi? * This field is required.Novērtējiet skalā no 1-5, kur 1 - pilnīgi nepiekrītu un 5 - pilnīgi piekrītu.
1 - pilnīgi nepiekrītu
2
3
4
5 - pilnīgi piekrītu
Esošās tehnoloģijas un sistēmas ir atbilstošas organizācijas vajadzībām
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Ir izveidota organizatoriska datu vadības struktūra
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Esošās tehnoloģijas un sistēmas ir atbilstošas organizācijas vajadzībām
Ir izveidota organizatoriska datu vadības struktūra
1 - pilnīgi nepiekrītu
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - pilnīgi piekrītu
Row 0, Column 4
1 - pilnīgi nepiekrītu
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - pilnīgi piekrītu
Row 1, Column 4
1 of 2
36
Q56 - Kā Jūs raksturotu līdzsvaru starp intuīciju/pieņēmumiem un uz datiem balstītu analītikas izmantošanu organizācijā sekojošu jautājumu risināšanā? Novērtējiet skalā no 1-5, kur 1 - intuīcija un 5 - analītika.* This field is required.Novērtējiet skalā no 1-5, kur 1 - intuīcija un 5 - analītika.
1 - intuīcija
2
3
4
5 - analītika
Izmaksu samazināšana
Row 0, Column 0
Row 0, Column 1
Row 0, Column 2
Row 0, Column 3
Row 0, Column 4
Finanšu prognozēšana
Row 1, Column 0
Row 1, Column 1
Row 1, Column 2
Row 1, Column 3
Row 1, Column 4
Ikdienas darbības procesu optimizēšanā
Row 2, Column 0
Row 2, Column 1
Row 2, Column 2
Row 2, Column 3
Row 2, Column 4
Mērķa tirgus identificēšanā
Row 3, Column 0
Row 3, Column 1
Row 3, Column 2
Row 3, Column 3
Row 3, Column 4
Cenošanas metodes izveide
Row 4, Column 0
Row 4, Column 1
Row 4, Column 2
Row 4, Column 3
Row 4, Column 4
Organizācijas stratēģisko mērķu nospraušana
Row 5, Column 0
Row 5, Column 1
Row 5, Column 2
Row 5, Column 3
Row 5, Column 4
Darbinieka snieguma novērtējums
Row 6, Column 0
Row 6, Column 1
Row 6, Column 2
Row 6, Column 3
Row 6, Column 4
Reālā laika lēmumu pieņemšana
Row 7, Column 0
Row 7, Column 1
Row 7, Column 2
Row 7, Column 3
Row 7, Column 4
Riska novērtēšanas modeļu izveide
Row 8, Column 0
Row 8, Column 1
Row 8, Column 2
Row 8, Column 3
Row 8, Column 4
Mārketinga kampaņas definēšana
Row 9, Column 0
Row 9, Column 1
Row 9, Column 2
Row 9, Column 3
Row 9, Column 4
Ieviešot/attīstot jaunus produktus un pakalpojumus
Row 10, Column 0
Row 10, Column 1
Row 10, Column 2
Row 10, Column 3
Row 10, Column 4
Izmaksu samazināšana
Finanšu prognozēšana
Ikdienas darbības procesu optimizēšanā
Mērķa tirgus identificēšanā
Cenošanas metodes izveide
Organizācijas stratēģisko mērķu nospraušana
Darbinieka snieguma novērtējums
Reālā laika lēmumu pieņemšana
Riska novērtēšanas modeļu izveide
Mārketinga kampaņas definēšana
Ieviešot/attīstot jaunus produktus un pakalpojumus
1 - intuīcija
Row 0, Column 0
2
Row 0, Column 1
3
Row 0, Column 2
4
Row 0, Column 3
5 - analītika
Row 0, Column 4
1 - intuīcija
Row 1, Column 0
2
Row 1, Column 1
3
Row 1, Column 2
4
Row 1, Column 3
5 - analītika
Row 1, Column 4
1 - intuīcija
Row 2, Column 0
2
Row 2, Column 1
3
Row 2, Column 2
4
Row 2, Column 3
5 - analītika
Row 2, Column 4
1 - intuīcija
Row 3, Column 0
2
Row 3, Column 1
3
Row 3, Column 2
4
Row 3, Column 3
5 - analītika
Row 3, Column 4
1 - intuīcija
Row 4, Column 0
2
Row 4, Column 1
3
Row 4, Column 2
4
Row 4, Column 3
5 - analītika
Row 4, Column 4
1 - intuīcija
Row 5, Column 0
2
Row 5, Column 1
3
Row 5, Column 2
4
Row 5, Column 3
5 - analītika
Row 5, Column 4
1 - intuīcija
Row 6, Column 0
2
Row 6, Column 1
3
Row 6, Column 2
4
Row 6, Column 3
5 - analītika
Row 6, Column 4
1 - intuīcija
Row 7, Column 0
2
Row 7, Column 1
3
Row 7, Column 2
4
Row 7, Column 3
5 - analītika
Row 7, Column 4
1 - intuīcija
Row 8, Column 0
2
Row 8, Column 1
3
Row 8, Column 2
4
Row 8, Column 3
5 - analītika
Row 8, Column 4
1 - intuīcija
Row 9, Column 0
2
Row 9, Column 1
3
Row 9, Column 2
4
Row 9, Column 3
5 - analītika
Row 9, Column 4
1 - intuīcija
Row 10, Column 0
2
Row 10, Column 1
3
Row 10, Column 2
4
Row 10, Column 3
5 - analītika
Row 10, Column 4
1 of 11
37
Q46 Kādas ir galvenās problēmas/šķēršļi, kas kavē pielietot/ieviest/attīstīt advancētākas analītiskās pieejas un risinājumus uzņēmumā? * This field is required.(Atzīmējiet vismaz 3 svarīgākos)
Datu drošība
Datu privātums
Datu kvalitāte
Datu pieejamība/piekļuve
Atbilstošu analītisko rīku pieejamība
Biznesa prasību iegūšana
Organizācijas augstākās vadības nepietiekams atbalsts
Nav skaidrs, vai investīcijas atmaksāsies
Nav zināma labākā prakse (best practise)
Nav atbilstošu tehnisko zināšanu
Nav pārliecības, kā lietot rezultātus
Grūtības ar nestrukturēto datu pieejamību
Esošās datu bāžu sistēmas/programmatūras/risinājumi nespēj ātri apstrādāt/piegādāt liela apjoma un/vai nestrukturētus datus lietotājiem ērtā veidā
Nespēja izskaidrot sarežģītu analītisko risinājumu rezultātus biznesa lietotājiem saprotamā valodā
Nespēja manipulēt un integrēt dažādus datus
Nepietiekams analītisko cilvēku skaits un/vai nepietiekamas zināšanas/pieredze
Grūtības parādīt/novērtēt ietekmi uz biznesa rezultātiem monetārā veidā (ROI, business case)
Grūtības piesaistīt un noturēt analītiskos talantus
Organizācijas analītisko funkciju struktūra/organizācija
Grūtības atrast optimālos analītiskos rīkus
Uzraugošo iestāžu nostāja attiecībā uz datiem un analītisko metožu pielietojumu
Izmaksas/investīcijas saistītas ar attīstīšanu un ieviešanu (infrastruktūra, rīki, cilvēki)
Centralizētas/vienotas datu noliktavas (DWH, Data lake) trūkums/sadrumstaloti datu avoti
Grūtības savākt un analizēt ‘big data’
Grūtības ieviest produkcijā automātiskus analītisko risinājumus/modeļus
Cits (ierakstiet)
Nav šķēršļu
Other
38
Q51 - Kādi soļi būtu jāsper, lai analītiskās iniciatīvas būtu veiksmīgas un organziācija ieguldītu analītiskās funkcijas pilnvērtīgā attīstībā?* This field is required.(Atzīmējiet vismaz 3 svarīgākos)
Nav atbildes/Nezinu
Komandas ar atbilstošām zināšanām izveide
Jāpanāk aktīvs augstākās vadības atbalsts
Uzskatāmi jāparāda kā analītika uzlabo konkurētspēju
Jānodrošina zināšanas un pacietība datu integrācijā
Atbilstošāko tehnoloģiju/programmatūru izvēle
Jānodrošina efektīva pieeja iekšējiem datiem
Jāierosina nelieli projekti reālajā dzīvē, kas parādā potenciālo pievienoto vērtību biznesa rezultātiem
Analītikas attīstības stratēģijas izveide
Jānodrošina investīcijas informācijas tehnoloģiju infrastruktūrā
Analītisko rezultātu sasaiste ar lēmumu pieņemšanas procesu ieviešana
Jānodrošina efektīva pieeja ārējiem datiem
Jāveicina analītisko speciālistu aktīva sadarbība ar biznesa pārstāvjiem
Jāievieš ar datu drošību, privātumu, kvalitāti saistītas politikas
Jāparāda taustāmi ieguvumi biznesam no analītiskās iniciatīvas, organizācijas darbības optimizēšanai un finansiāliem ieguvumiem
Jāatrisina tehnoloģiskās barjeras un jāpaātrina izpētes un attīstības jautājumi mērķa apgabalos
Jāveicina tāda organizācijas kultūra/uztvere, ka dati/informācija ir būtisks tās aktīvs
Jāievieš motivācijas programmas, lai veicinātu dalīšanos ar datiem kopējā rezultāta uzlabošanai
Jānodrošina cilvēkkapacitāte ‘big data’ analītikā
Jānodrošina plašāka analītikas lietošana mārketinga un ar klientu saskarsmi saistītos jautājumos
Jāidentificē potenciālās vērtības radīšanas iespējas un riski
Jāizveido iekšēja kapacitāte, lai veidotu ‘data-driven’ organizāciju
Analītikas centralizācija un/vai Analītiskā zināšanu centra izveide, kas virza visu analītisko funkciju organizācijā
Analītikas decentralizācija
Jāattīsta politikas, kas līdzsvaro organizācijas vēlmi izmantot datus un radīt pievienoto vērtību organizācijai, un klientu vēlmi pēc
drošības un privātuma
Pareizo ‘data-driven’ iniciatīvu izvēle
Other
39
Q52 - Kādi ir lielākie ieguvumi organizācijai no dažādām analītiskajam iniciatīvām?* This field is required.(Atzīmējiet vismaz 3 svarīgākos)
Labāka plānošana un prognozēšana
Samazinātas izmaksas
Uzlaboti ikdienas procesi
Konkurētspējas palielināšana
Gudrākā/labāka lēmumu pieņemšana
Labāka spēja reaģēt uz izmaiņām tirgū
Palielināta klientu apmierinātība
Jauni, papildus klienti
Labāks organizācijas finanšu sniegums
Jaunas biznesa iespējas
Dziļāka tirgus un konkurentu izpratne
Labāka riska novērtēšana un spēja reaģēt uz ekonomiskās vides izmaiņām
Risku un krāpniecības samazināšana
Dziļāka un precīzāka izpratne par biznesu
Jaunu produktu vai pakalpojumu radīšana, kas palielina ienākumu plūsmu
Labākas attiecības ar klientiem un sadarbības partneriem
Palielināts ienākums/apgrozījums no esošiem klientiem/produktiem
Palielināta tirgus daļa
Klientu segmentācija
Labāka iespēju palielināšana no galvenajām stratēģiskajām iniciatīvām
Automatizēti ‘real-time’ lēmumu pieņemšanas procesi
Nav atbildes/Nezinu
Other
40
Q53 Cik ilgā laikā ir novērojama atdeve organizācijai pēc ieguldījumu (rīki, cilvēki, platformas, datu avoti utml.) veikšanas datu ieguvē/pieejas nodrošināšanā/ analītikā?* This field is required.
mazāk par 6 mēneši
7-12 mēneši
13-18 mēneši
19-24 mēneši
24+ mēneši
Nav pozitīvas atdeves
Nezinu
41
Q54 - Kā Jūs raksturotu organizācijas ieguldījumus datu ieguvē/pieejas nodrošināšanā/ analītikā?* This field is required.
Palielinās
Paliek tādi paši
Samazinās
Nezinu
42
Q55 Kādos ar datu ieguvi/pieeju nodrošināšanu/ analītiku saistītos virzienos organizācija iegulda visvairāk?* This field is required.
Cilvēki
Rīki/platformas
Apmācības
Datu avoti
Datu privātums
Datu pārvaldība
Nekur neiegulda
Other
43
Calculation - sources
44
Calculation - Technology
45
Calculation - culture
46
Calculation - usage
47
Calculation - Strategy
48
Calculation - BigData
49
Calculation - governance
50
Calculation - techniques
51
Calculation - process analytics
52
Calculation - quality
53
Calculation - people
54
Calculation - sponsorship
55
Calculation - Process Org
56
Calculation - Dom.organization
57
Calculation - Dom.human
58
Calculation - Dom.analytics
59
Calculation - Dom.data
60
Calculation - Dom.IT
61
Y=
62
p=
63
AA result
64
AA level 1 stage
1. līmenis. Iesācējs (nav balstīts uz datiem) 

Paļaušanās uz izklājlapām, kur analīze galvenokārt tiek veikta, izmantojot pamata izklājlapu rīkus, piemēram, Excel. Datu kvalitātes problēmas, ja datu apkopošana ir sarežģīta, kā arī problēmas ar datu precizitāti un pilnīgumu. Ierobežots datu atbalsts, kur analītikas iniciatīvām vadība neatbalsta vai neatbalsta to vispār. Ad Hoc analīze, kurā analītiskās darbības ir sporādiskas un tām trūkst struktūras.
65
AA level 2 stage
2. līmenis. Vidējs (sakārtotā analīze) 

Ir progress, bet joprojām darbojas tvertnēs. Analītiskās darbības tiek veiktas dažādās nodaļās vai komandās bez saskaņošanas. Dati ir pieejamāki, taču tie joprojām var tikt glabāti nodaļai raksturīgos krātuvēs. Komandas veic analīzi autonomi bez centralizētas koordinācijas. Nav skaidru datu īpašnieku, kas būtu atbildīgs par datu kvalitāti un pārvaldību.
66
AA level 3 stage
3. līmenis: speciālists (koordinēta operatīvā analīze) 

Analītiķi tiek plaši izmantoti operatīvi ar zināmu koordināciju starp analītikas komandām. Var būt izveidotas datu noliktavas, krātuves vai datu ezeri. Analītika ir integrēta daudzos darbības procesos un lēmumu pieņemšanā. Notiek koordinācija starp analītiskajām komandām, labākās prakses apmaiņa un noteikta centrālā pārraudzība. Dati tiek glabāti datu noliktavās, krātuvēs vai datu ezeros, lai nodrošinātu labāku piekļuvi un pārvaldību. Datu pārvaldības prakse ar dažām datu īpašumtiesībām.
67
AA level 4 stage
4. līmenis. Eksperts (analītika kā konkurences priekšrocība) 

Analītika ir dziļi integrēta procesos un lēmumu pieņemšanā, nodrošinot konkurences priekšrocības. Analītika ir pilnībā integrēta pamata biznesa procesos un lēmumu pieņemšanā. Datu kvalitāte ir nemainīgi augsta, izmantojot stabilu datu pārvaldības praksi. Organizācija ir pieņēmusi uz datiem balstītu kultūru un domāšanas veidu. Analītika ir galvenā konkurences priekšrocība, kas veicina inovāciju un efektivitāti.
68
AA level 5 stage
5. līmenis: Vizionārais Novators (modernākā Analytics ekosistēma) 

Ir skaidra vīzija par analītikas jauninājumiem. Uzlabotā analītika tiek izmantota jebkurā organizācijas funkcijā. Tiek aktīvi izmantoti un pieņemti visprogresīvākie rīki, paņēmieni un risinājumi. Pastāvīgas mācīšanās un analītikas uzlabošanas kultūra ir dziļi iesakņojusies. Analytics ir ilgstošas konkurences priekšrocības avots, un organizācija ir tirgus līderis savā nozarē. Organizācijai ir galvenā loma analītikas, tehnoloģiju un datu ētikas nākotnes veidošanā globālā mērogā. Šī līmeņa sasniegšana atspoguļo organizācijas apņemšanos virzīt iespējamās robežas un izmantot analītiku sabiedrības uzlabošanai.
69
AA level stage
70
R - Domain: Organization - Level 1
Izveidojiet analītikas lomas: sāciet, izveidojot lomas, kas ir atbildīgas par analīzi, piemēram, datu analītiķus vai datu zinātniekus. 

Analīzes stratēģija: izstrādājiet pamata analīzes stratēģiju, kurā izklāstīti analītikas izmantošanas mērķi un uzdevumi. 

Ieguldiet rīkos: sāciet ieguldīt pamata analīzes rīkos un programmatūrā datu analīzei. 

Piekļuve datiem: uzlabojiet piekļuvi datiem un uzglabāšanu, pat ja tas attiecas tikai uz iekšējiem datiem. 

Datu pārvaldība: izveidojiet datu pārvaldības pamatpraksi, lai nodrošinātu datu kvalitāti un drošību.
71
R - Domain: Organization - Level 2
Starpfunkcionāla sadarbība: veiciniet ciešāku sadarbību starp analītikas komandām un citām nodaļām, lai nodrošinātu, ka analītikas ieskati tiek integrēti lēmumu pieņemšanas procesos. 

Datu pārvaldības briedums: tālāk attīstīta datu pārvaldības prakse, tostarp datu kvalitātes pārvaldība un datu īpašumtiesības. 

Uz datiem balstīta stratēģija: cieši saskaņojiet analītikas stratēģiju ar vispārējo uzņēmējdarbības stratēģiju, lai nodrošinātu, ka analītikas iniciatīvas atbalsta plašākus organizācijas mērķus. 

Resursu piešķiršana: piešķiriet vairāk resursu un budžeta analītikas iniciatīvām, tostarp uzlabotiem analītikas rīkiem un talantiem. 

Vadītāju iesaistīšanās: aktīvāk iesaistiet augstākos vadītājus analītikas centienos, lai nodrošinātu viņu pastāvīgu atbalstu un saistības.
72
R - Domain: Organization - Level 3
Stratēģiskā saskaņošana: nodrošiniet, lai analītikas iniciatīvas būtu pilnībā saskaņotas ar organizācijas stratēģiskajiem mērķiem un uzdevumiem. 

Uz datiem balstīta vadība: veiciniet uz datiem balstītas vadības kultūru visā organizācijā, augstākā līmeņa vadītājiem aktīvi atbalstot analīzi. 

Analītikas pārvaldība: ieviesiet uzlabotas analītikas pārvaldības praksi, lai nodrošinātu ētisku un atbilstošu datu izmantošanu. 

Daudzfunkcionāla sadarbība: pastipriniet sadarbību starp analītikas komandām un biznesa vienībām, lai nodrošinātu analītikas ieskatu izmantošanu visās jomās. 

Investīcijas inovācijās: piešķiriet resursus inovatīviem analītikas projektiem, kas var veicināt konkurences priekšrocības.
73
R - Domain: Organization - Level 4
Nozares līderība: nostipriniet organizācijas kā domu līdera un nozares ietekmētāja pozīciju uzlabotas analītikas pielietošanā. 

Nepārtrauktas inovācijas: veiciniet nepārtrauktas atkārtotas inovāciju kultūru, kurā analītikas stratēģijas tiek atkārtoti novērtētas un proaktīvi attīstītas. 

Stratēģiskās partnerības: veidojiet stratēģiskas partnerības ar vadošajiem tehnoloģiju uzņēmumiem, akadēmiskajām aprindām un pētniecības iestādēm inovāciju jomā. 

Tirgus paplašināšana: izpētiet tirgus paplašināšanas un dažādošanas iespējas, izmantojot uz analīzi balstītas iniciatīvas. 

Ētiskais AI: vadošā loma ētiskas AI prakses un pārredzamības jomā, nosakot nozares standartus.
74
R - Domain: Organization - Level 5
Turpiniet atpazīt un apbalvot inovācijas organizācijā, veicinot eksperimentēšanas un radošuma kultūru. Nodrošiniet, lai uz datiem balstīta lēmumu pieņemšana būtu neatņemama organizācijas kultūras un darbības sastāvdaļa.
75
R - Domain: Organization - RECOMMENDATION
76
R - Domain: People - Level 1
Pamata apmācība: sniedziet darbiniekiem pamata apmācību datu analīzē un statistikā. 

Datu apzināšanās: palieliniet darbinieku izpratni par datu un analītikas potenciālu. 

Prasmju attīstība: mudiniet darbiniekus attīstīt savas analītiskās prasmes, izmantojot tiešsaistes kursus vai seminārus. 

Analītikas čempions: identificējiet personas, kuras izrāda interesi par analīzi, un iedrošiniet viņus atbalstīt analītikas iniciatīvas. 

Vadības atbalsts: meklējiet atbalstu no vadības, lai piešķirtu resursus apmācībai un prasmju attīstībai.
77
R - Domain: People - Level 2
Papildu apmācība: piedāvājiet uzlabotas apmācības programmas datu zinātnē, mašīnmācībā un AI, lai uzlabotu analītikas komandas un citu attiecīgo darbinieku prasmes. 

Talantu iegūšana: piesaistiet un nolīgsiet labākos analītikas talantus ar īpašām prasmēm progresīvās tehnoloģijās. 

Datu pratība: turpiniet veicināt datu pratību visā organizācijā, nodrošinot mērķtiecīgas apmācības un resursus. 

Analītikas čempioni: identificējiet un pilnvarojiet analītikas čempionus dažādās nodaļās, lai veicinātu uz datiem balstītu lēmumu pieņemšanu. 

Līderības attīstība: ieguldiet līderības attīstības programmās, kas koncentrējas uz datu un analītikas vadības prasmēm.
78
R - Domain: People - Level 3
Padziļināta prasmju attīstīšana: nodrošiniet padziļinātu apmācību specializētās analītikas jomās, piemēram, padziļinātā apmācībā, dabiskās valodas apstrādē vai pastiprinošā apmācībā. 

Datu zinātnes izcilība: turpiniet piesaistīt labākos datu zinātnes talantus un attīstīt iekšējās datu zinātnes zināšanas. 

Datu vadības attīstība: izstrādājiet datu vadības programmas, lai sagatavotu vadītājus, kuri saprot datu un analītikas stratēģisko lomu. 

Analītikas izcilības centri: apsveriet iespēju izveidot vairākus analītikas izcilības centrus (CoE) dažādās uzņēmējdarbības vienībās. 

Datu pratība dažādās funkcijās: veiciniet datu pratību ne tikai analītikas komandās, bet arī visās uzņēmējdarbības funkcijās.
79
R - Domain: People - Level 4
Inovācijas čempioni: identificējiet un sniedziet iespēju inovāciju čempioniem, kuri var paplašināt analītikas iespējas. 

Uzlaboto prasmju ekosistēma: attīstiet progresīvu prasmju ekosistēmu, tostarp AI ētiku, kvantu skaitļošanu un progresīvas tehnoloģijas. 

Globālais talants: piesaistiet pasaules labākos talantus datu zinātnē, mašīnmācībā un jaunās jomās no dažādām vidēm. 

Datu vadība: attīstiet datu vadību, kas virza inovācijas un veicina sadarbību starp funkcijām. 

Akadēmiskās partnerības: sadarbojieties ar universitātēm un pētniecības iestādēm, lai paliktu analītikas zināšanu priekšgalā.
80
R - Domain: People - Level 5
Mudiniet darbiniekus apstrīdēt konvencijas un izpētīt netradicionālas idejas. Attīstīt inovāciju laboratorijas vai centrus, kas paredzēti eksperimentiem. Sadarbojieties globāli ar organizācijām, valdībām un akadēmiskajām aprindām, lai risinātu globālās problēmas, izmantojot analīzi. 
Saglabājiet spēcīgu klātbūtni kā domāšanas līderis analītikas nozarē. Publicējiet pētījumus, uzstājieties konferencēs un piedalieties diskusijās par analītikas nākotni.
81
R - Domain: People - RECOMMENDATION
82
R - Domain: Culture - Level 1
Veiciniet datu apzināšu: izveidojiet iniciatīvas, lai veicinātu izpratni par datiem un to nozīmi lēmumu pieņemšanā. 

Veiciniet eksperimentēšanu: veiciniet eksperimentēšanas kultūru, kurā darbinieki tiek mudināti izpētīt datus un gūt ieskatus. 

Atalgojiet analīzes izmantošanu: atpazīstiet un atalgojiet darbiniekus, kuri lēmumu pieņemšanai aktīvi izmanto analīzi. 

Uz datiem balstītas diskusijas: mudiniet uz datiem balstītas diskusijas un lēmumu pieņemšanu sanāksmēs un projektos. 

Sāciet analītikas aizstāvību: sāciet atbalstīt analīzi kā vērtīgu rīku procesu un rezultātu uzlabošanai.
83
R - Domain: Culture - Level 2
Inovācijas kultūra: veiciniet inovācijas kultūru, kurā darbinieki tiek mudināti eksperimentēt ar datiem un analīzi, lai veicinātu inovāciju. 

Uz datiem balstīta lēmumu pieņemšana: nostipriniet uz datiem balstītu lēmumu pieņemšanas kultūru, padarot to par organizācijas DNS galveno daļu. 

Analītikas atpazīstamība: atpazīstiet un atalgojiet darbiniekus, kuri sniedz nozīmīgu ieguldījumu analītikas iniciatīvās. 

Datu caurspīdīgums: veiciniet datu pārredzamību, padarot datu un analītikas ieskatus pieejamus plašākam darbinieku lokam. 

Analītikas aizstāvība: mudiniet darbiniekus visos līmeņos aizstāvēt analīzi un tās vērtību savās jomās.
84
R - Domain: Culture - Level 3
Inovācijas ekosistēma: veiciniet inovāciju ekosistēmu, kurā tiek aktīvi veicināta un atbalstīta analītikas virzīta inovācija. 

Uz datiem balstīta lēmumu pieņemšana: nodrošiniet, lai uz datiem balstīta lēmumu pieņemšana būtu norma un lai darbinieki visos līmeņos būtu ērti izmantot datus, lai informētu par savu izvēli. 

Inovācijas atzinība: Atziniet un atalgojiet darbiniekus, kuri piedalās inovatīvos analītikas projektos. 

Datu caurspīdīgums: uzlabojiet datu caurspīdīgumu, padarot datus un ieskatus viegli pieejamus visiem darbiniekiem. 

Analīzes aizstāvība dažādos departamentos: mudiniet nodaļas un komandas atbalstīt analīzi kā līdzekli, lai uzlabotu savu darbību.
85
R - Domain: Culture - Level 4
Traucējumu kultūra: izveidojiet traucējumu kultūru, kurā tiek pieņemti jauninājumi un darbinieki tiek mudināti apstrīdēt rezultātus. 

Domāšanas veids, kas balstīts uz datiem: visos līmeņos ieguliet domāšanas veidu, kas balstīts uz datiem, nodrošinot, ka dati un analītika ir lēmumu pieņemšanas un kultūras sastāvdaļa. 

Inovāciju atzīšana: atpazīstiet un apbalvojiet inovācijas visā organizācijā, veicinot eksperimentēšanas kultūru. 

Datu pārredzamība un privātums: līdzsvarojiet datu pārredzamību ar privātumu un drošību, nodrošinot ētisku datu praksi. 

Sadarbība starp nozarēm: sadarbojieties ar organizācijām ārpus savas nozares, lai veicinātu starpnozaru inovāciju, izmantojot datu koplietošanu.
86
R - Domain: Culture - Level 5
Izpētiet partnerības ārpus savas nozares, lai izmantotu analītikas zināšanas jaunās nozarēs, atklājot jaunas iespējas inovācijai un ietekmei.
87
R - Domain: Culture - RECOMMENDATION
88
R - Domain: Analytics - Level 1
Pamata analīzes rīki: ieguldiet pamata analīzes rīkos un programmatūrā datu analīzei. 

Ad hoc analīze: sāciet veikt ad hoc analīzi, izmantojot pieejamos datus. 

Strukturēti ieskati: sāciet strukturēt ieskatus, kas iegūti no datu analīzes. 

Datu ziņošana: attīstiet pamata datu ziņošanas iespējas, lai sniegtu ieskatu. 

Analītikas ceļvedis: izveidojiet plānu progresīvāku analīzes metožu ieviešanai nākotnē.
89
R - Domain: Analytics - Level 2
Augstākās analītikas pieņemšana: sāciet izmantot uzlabotas analīzes metodes, tostarp paredzamo un preskriptīvo analīzi, un izpētiet mašīnmācīšanos un AI. 

Papildu rīki: ieguldiet uzlabotā analītikas programmatūrā un rīkos, kas atbalsta sarežģītu modelēšanu un analīzi. 

Ar datiem pamatoti produkti: izpētiet iespējas izveidot uz datiem balstītus produktus un pakalpojumus, kas rada papildu vērtību. 

Inovācijas iniciatīvas: Sāciet inovācijas iniciatīvas, kas izmanto analīzi, lai veicinātu produktu un procesu inovācijas. 

Analītikas izcilības centrs: apsveriet iespēju izveidot analītikas izcilības centru (CoE), lai centralizētu zināšanas un paraugpraksi.
90
R - Domain: Analytics - Level 3
Uzlabota modelēšana: paplašiniet uzlaboto analītikas metožu izmantošanu, tostarp mašīnmācīšanos, dziļo mācīšanos un mākslīgo intelektu dažādās funkcijās. 

AI integrācija: integrējiet AI tehnoloģijas, piemēram, tērzēšanas robotus vai ieteikumu sistēmas, klientiem paredzētajās lietojumprogrammās vai pakalpojumos. 

Uz datiem balstīta produktu izstrāde: veiciniet produktu izstrādi un inovācijas, izmantojot uz datiem balstītu ieskatu un klientu atsauksmes. 

Papildu pārskatu veidošana un vizualizācija: ieviesiet uzlabotus atskaišu un vizualizācijas rīkus, kas sniedz praktisku ieskatu. 

Inovāciju laboratorijas: izveidojiet inovāciju laboratorijas vai centrus, kas paredzēti progresīvu analītikas risinājumu un tehnoloģiju izpētei.
91
R - Domain: Analytics - Level 4
Visprogresīvākās tehnoloģijas: aktīvi izpētiet un pieņemiet jaunākās analītikas tehnoloģijas, piemēram, kvantu skaitļošanu un izskaidrojamo AI. 

Inovāciju laboratorijas: izveidojiet īpašas inovāciju laboratorijas vai centrus, kas koncentrējas uz nākamās analītikas robežas izpēti. 

Atvērtā pirmkoda ieguldījumi: sniedziet ieguldījumu atvērtā pirmkoda analīzes projektos un kopienās, lai dalītos zināšanās un veicinātu inovācijas. 

Ar AI darbināmi produkti: izstrādājiet ar AI darbināmus produktus un pakalpojumus, kas izjauc tradicionālos uzņēmējdarbības modeļus. 

Uz datiem balstīta pētniecība: vadošā loma uz datiem balstītā pētniecībā, nosakot pētniecības darba kārtību jūsu nozarē.
92
R - Domain: Analytics - Level 5
Turpiniet paplašināt analītikas robežas, izmantojot progresīvus pētījumus. Sadarbojieties ar universitātēm, pētniecības iestādēm un nozares kolēģiem, lai virzītu tālāk zināšanas šajā jomā. Investējiet pētniecībā un attīstībā, lai izpētītu to iespējamos pielietojumus analītikā.
93
R - Domain: Analytics - RECOMMENDATION
94
R - Domain: Data - Level 1
Datu vākšana: risināt datu vākšanas problēmas un strādāt pie datu vākšanas metožu uzlabošanas. 

Datu kvalitāte: sāciet uzlabot datu kvalitāti, jo īpaši attiecībā uz datiem, kas jums jau ir. 

Pamatdatu glabāšana: ieguldiet pamata datu glabāšanas risinājumos, piemēram, datubāzēs vai datu noliktavās. 

Datu integrācija: sāciet integrēt datus no dažādiem iekšējiem avotiem, pat ja tas ir manuāls process. 

Datu apzināšanās: palieliniet darbinieku izpratni par datu kvalitātes un datu pārvaldības nozīmi.
95
R - Domain: Data - Level 2
Ārējie datu avoti: paplašiniet datu avotus, lai iekļautu ārējos datus, piemēram, trešo pušu datus vai datus no nozares avotiem. 

Lielo datu infrastruktūra: ieguldiet lielo datu infrastruktūrā un tehnoloģijās, lai apstrādātu lielākus datu apjomus un apstrādātu reāllaikā. 

Datu ezeri: ieviesiet datu ezerus vai līdzīgus risinājumus elastīgākai un mērogojamākai datu glabāšanai. 

Datu integrācijas izcilība: turpiniet uzlabot datu integrācijas iespējas, lai nodrošinātu netraucētu piekļuvi datiem no dažādiem avotiem. 

Datu kvalitātes automatizācija: automatizējiet datu kvalitātes pārbaudes un uzlabojiet datu kvalitātes pārvaldības praksi.
96
R - Domain: Data - Level 3
Datu ekosistēmas paplašināšana: paplašiniet datu ekosistēmu, iekļaujot tajā plašāku ārējo un nestrukturēto datu avotu klāstu, piemēram, sociālo mediju datus vai IoT datus. 

Lielie dati un reāllaika analīze: uzlabojiet lielo datu un reāllaika analīzes iespējas, lai atbalstītu ātrāku lēmumu pieņemšanu. 

Datu pārvaldības briedums: pilnveidot datu pārvaldības praksi, īpaši, ja tiek apstrādāti sensitīvi dati vai būtiski paplašināti datu avoti. 

Datu kvalitātes automatizācija: automatizējiet datu kvalitātes pārbaudes un ieviesiet uzlabotas datu kvalitātes pārvaldības metodes. 

Datu monetizācija: izpētiet iespējas gūt peļņu no datiem, izmantojot partnerības, datu tirgus vai datu kā pakalpojuma piedāvājumus.
97
R - Domain: Data - Level 4
Datu ekosistēmas paplašināšana: paplašiniet datu ekosistēmu, iekļaujot tajā netradicionālus datu avotus, piemēram, kosmosa datus, genomikas vai vides datus. 

AI datu pārvaldībā: ieviesiet AI virzītus datu pārvaldības risinājumus, kas automatizē datu vākšanu, apstrādi un kvalitātes kontroli. 

Monetizācijas stratēģijas: izstrādājiet uzlabotas datu monetizācijas stratēģijas, radot jaunas ieņēmumu plūsmas. 

Datu koplietošanas konsorciji: vadiet vai piedalieties datu koplietošanas konsorcijās un ekosistēmās, lai veicinātu kolektīvu inovāciju. 

Uz privātumu orientēta datu prakse: ieviesiet uzlabotas, uz privātumu orientētas datu prakses, ievērojot augstākos ētikas standartus.
98
R - Domain: Data - Level 5
Nepārtraukti izpētiet datu monetizācijas stratēģijas, lai radītu jaunas ieņēmumu plūsmas un maksimāli palielinātu datu līdzekļu vērtību.
99
R - Domain: Data - RECOMMENDATION
100
R - Domain: Technology - Level 1
IT pamata infrastruktūra: ieguldiet pamata IT infrastruktūrā, lai atbalstītu datu glabāšanu un analīzi. 

Analytics rīki: sāciet izmantot pamata analīzes programmatūru un rīkus datu analīzei. 
Piekļuve datiem: uzlabojiet datu pieejamību analītiķiem un lēmumu pieņēmējiem. 

Datu apstrāde: sāciet pamata datu apstrādes un pārveidošanas iespējas. 

Datu drošība: novērsiet pamata datu drošības problēmas, jo īpaši, ja ir iesaistīti sensitīvi dati. 
Ir svarīgi noteikt prioritātes iniciatīvām, pamatojoties uz organizācijas mērķiem un pieejamajiem resursiem, vienlaikus nepārtraukti novērtējot progresu un vajadzības gadījumā pielāgojot stratēģiju.
101
R - Domain: Technology - Level 2
Advanced Technology Stack: pieņemiet progresīvu tehnoloģiju kopas, kas atbalsta lielo datu apstrādi, AI un mašīnmācīšanos. 

Reāllaika analīze: ieguldiet reāllaika analīzes iespējās, lai nodrošinātu atsaucīgāku lēmumu pieņemšanu. 

Datu drošības uzlabošana: pastipriniet datu drošības pasākumus, lai aizsargātu sensitīvu informāciju saskaņā ar normatīvajām prasībām. 
Uzlabota datu apstrāde: ieviesiet uzlabotas datu apstrādes un pārveidošanas iespējas, piemēram, datu konveijerus un ETL automatizāciju. 

Eksperimentēšana ar Emerging Tech: aktīvi eksperimentējiet ar jaunām tehnoloģijām, piemēram, kvantu skaitļošanu vai blokķēdes analītikas lietojumprogrammām.
102
R - Domain: Technology - Level 3
Uzlabotas tehnoloģiju kopas: ieguldiet progresīvo tehnoloģiju komplektos, kas atbalsta AI un mašīnmācīšanos plašā mērogā. 

AI integrācija: ieviesiet AI un mašīnmācīšanās platformas, kas nodrošina automatizāciju un intelektu dažādos procesos. 

Uzlabota datu apstrāde: attīstiet uzlabotas datu apstrādes iespējas, lai atbalstītu sarežģītas analītikas darba slodzes. 

Datu drošības izcilība: uzlabojiet datu drošības pasākumus, lai nodrošinātu sensitīvu datu aizsardzību. 

Inovācijas ar Emerging Tech: eksperimentējiet ar jaunām tehnoloģijām, piemēram, kvantu skaitļošanu vai blokķēdi, lai atklātu jaunas analītikas iespējas.
103
R - Domain: Technology - Level 4
Jauno tehnoloģiju ieviešana: izmantojiet jaunas tehnoloģijas, kas pārsniedz analīzi, piemēram, blokķēdi, lai radītu sinerģiju ar analītikas iespējām. 

Mēroga mākslīgais intelekts: ieviesiet AI plašā mērogā, automatizējot lēmumu pieņemšanas procesus un izmantojot AI vadītu ieskatu visā organizācijā. 

Datu ekosistēmu integrācija: panākiet nemanāmu datu integrāciju visā datu ekosistēmā, atbalstot datu veiklību un mērogojamību. 

Datu drošības izcilība: turpiniet uzlabot datu drošības un privātuma pasākumus saskaņā ar mainīgajiem noteikumiem. 

Inovāciju smilškaste: izveidojiet novatorisku smilškastes vidi ātrai analītisko risinājumu prototipēšanai un testēšanai.
104
R - Domain: Technology - Level 5
Izveidojiet stratēģiskas alianses ar vadošajiem tehnoloģiju uzņēmumiem un pētniecības iestādēm, lai piekļūtu resursiem un paliktu analītikas iespēju priekšgalā. 

Izstrādājiet ar AI darbinātus produktus un pakalpojumus, kas izjauc tradicionālos uzņēmējdarbības modeļus vai rada pilnīgi jaunus tirgus.
105
R - Domain: Technology - RECOMMENDATION
Should be Empty: