tunately, achieving the level of im

tunately, achieving the level of impact MGI foresaw has proved difficult. True, there are successful examples of companies such as Amazon and Google, where data analytics is a foundation of the enterprise.2 But for most legacy companies, data-analytics success has been limited to a few tests or to narrow slices of the business. Very few have achieved what we would call “big impact through big data,” or impact at scale. For example, we recently assembled a group of analytics leaders from major companies that are quite committed to realizing the potential of big data and advanced analytics. When we asked them what degree of revenue or cost improvement they had achieved through the use of these techniques, three-quarters said it was less than 1 percent.

ผลลัพธ์ (ไทย) 1:

tunately บรรลุระดับของผลกระทบ MGI foresaw ได้พิสูจน์ยาก จริง มีตัวอย่างความสำเร็จของบริษัทเช่น Amazon และ Google ที่วิเคราะห์ข้อมูลเป็นรากฐานของการ enterprise.2 แต่สำหรับบริษัทดั้งเดิมส่วนใหญ่ ความสำเร็จในการวิเคราะห์ข้อมูลถูกจำกัดทดสอบกี่ หรือแคบชิ้นของธุรกิจ น้อยได้ทำอะไรเราจะเรียก "ผลกระทบใหญ่ผ่านข้อมูลขนาดใหญ่" หรือผลกระทบที่ระดับ ตัวอย่าง เราเพิ่งประกอบกลุ่มผู้นำวิเคราะห์จากบริษัทหลักที่มุ่งมั่นมากที่จะตระหนักถึงศักยภาพของข้อมูลขนาดใหญ่และการวิเคราะห์ขั้นสูง เมื่อเราถามพวกเขาว่าระดับรายได้ หรือต้นทุนการปรับปรุงที่พวกเขาประสบความสำเร็จโดยใช้เทคนิคเหล่านี้ three-quarters กล่าวว่า มีน้อยกว่า 1 เปอร์เซ็นต์

ผลลัพธ์ (ไทย) 2:

tunately บรรลุระดับของผลกระทบ MGI เล็งเห็นได้พิสูจน์ยาก ความจริงมีตัวอย่างที่ประสบความสำเร็จของ บริษัท เช่น Amazon และ Google ซึ่งการวิเคราะห์ข้อมูลเป็นรากฐานของ enterprise.2 แต่ส่วนใหญ่ บริษัท มรดกความสำเร็จข้อมูลการวิเคราะห์ได้ถูก จำกัด ในการทดสอบหรือไม่กี่ชิ้นที่จะแคบของธุรกิจ น้อยมากที่จะประสบความสำเร็จในสิ่งที่เราจะเรียกว่า "ผลกระทบอย่างมากผ่านข้อมูลขนาดใหญ่" หรือผลกระทบในระดับ ตัวอย่างเช่นเราเมื่อเร็ว ๆ นี้ประกอบกลุ่มผู้นำการวิเคราะห์จาก บริษัท ยักษ์ใหญ่ที่มีความมุ่งมั่นมากทีเดียวที่จะตระหนักถึงศักยภาพของข้อมูลขนาดใหญ่และการวิเคราะห์ขั้นสูง เมื่อเราถามพวกเขาสิ่งที่ระดับของรายได้หรือการปรับปรุงค่าใช้จ่ายที่พวกเขาได้ประสบความสำเร็จผ่านการใช้เทคนิคเหล่านี้สามในสี่บอกว่ามันเป็นน้อยกว่าร้อยละ 1

ผลลัพธ์ (ไทย) 3:

tunately บรรลุระดับของผลกระทบ mgi เล็งเห็นถึงพิสูจน์ได้ยาก จริง มีตัวอย่างความสำเร็จของ บริษัท เช่น Amazon และ Google ซึ่งวิเคราะห์ข้อมูลพื้นฐานขององค์กร แต่สำหรับ บริษัท มรดกส่วนใหญ่ , ข้อมูลวิเคราะห์ความสำเร็จได้รับการ จำกัด เพื่อทดสอบบางอย่างหรือแคบชิ้นของธุรกิจน้อยมากที่ได้รับสิ่งที่เราจะเรียก " ผลกระทบใหญ่ผ่านบิ๊ก ดาต้า " หรือผลกระทบที่ขนาด . ตัวอย่างเช่น เราเพิ่งประชุมกลุ่มผู้นำจากทั้งสอง บริษัท ใหญ่ที่ค่อนข้างมุ่งมั่นที่จะตระหนักถึงศักยภาพของข้อมูลและการวิเคราะห์ขั้นสูง เมื่อเราถามมันระดับไหนของรายได้หรือค่าใช้จ่ายการปรับปรุงที่พวกเขาได้รับผ่านการใช้เทคนิคเหล่านี้ประมาณว่ามันน้อยกว่า 1 เปอร์เซ็นต์