تحقيق أقصى استفادة من التحويل المستند إلى البيانات: 10 مبادئ أساسية

مقدمة من مؤسسة هيوليت باكارد



لا يمكن المبالغة في أهمية البيانات للأعمال التجارية اليوم. تظهر الدراسات الشركات القائمة على البيانات تزيد احتمالية تحقيقها لأهداف الإيرادات بنسبة 58٪ مقارنة بالشركات التي لا تعتمد على البيانات ، بينما تزيد احتمالية تفوق أداء الشركات المتباطئة بنسبة 162٪ بشكل ملحوظ. تساعد تحليلات البيانات ما يقرب من نصف جميع الشركات اتخاذ قرارات أفضل عن كل شيء ، من المنتجات التي يقدمونها إلى الأسواق التي يستهدفونها. أصبحت البيانات مهمة في كل صناعة ، سواء كانت تساعد المزارع زيادة قيمة المحاصيل التي ينتجونها أو بشكل أساسي تغيير لعبة كرة السلة .





عند استخدامها على النحو الأمثل ، لا تعد البيانات أقل من أصل مهم للغاية. المشكلة هي أنه ليس من السهل دائمًا تشغيل البيانات. ال تقرير Seagate Rethink Data ، من خلال البحث والتحليل الذي أجرته IDC ، وجد أن 32٪ فقط من البيانات المتاحة للمؤسسات يتم استخدامها على الإطلاق وأن النسبة المتبقية البالغة 68٪ لا يتم استغلالها بالديون. المديرين ليسوا واثقين تمامًا في قدرتهم الحالية - ولا في خططهم طويلة المدى - على انتزاع المستويات المثلى للقيمة من البيانات التي ينتجونها ويحصلون عليها ويديرونها ويستخدمونها.

ما هو الانفصال؟ إذا كانت البيانات مهمة جدًا لصحة الشركة ، فلماذا يصعب إتقانها؟

في الشركات الأفضل إدارة ، تكون الأنظمة التي تربط منتجي البيانات ومستهلكي البيانات آمنة وسهلة الاستخدام. لكنهم في العادة ليسوا كذلك. تواجه الشركات تحديات في العثور على البيانات والاستفادة منها لأغراض استراتيجية. يصعب تحديد مصادر البيانات بل ويصعب تقييمها. قد يكون من الصعب التحقق من صحة مجموعات البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي لأتمتة المهام. يبحث المتسللون دائمًا عن سرقة البيانات أو اختراقها. ويعد العثور على بيانات عالية الجودة تحديًا حتى لأذكى علماء البيانات.



هل كيم جونغ أون بوب

أدى عدم وجود نظام شامل لضمان جودة البيانات ومشاركتها بكفاءة إلى تأخير اعتماد الذكاء الاصطناعي بشكل غير مباشر .

يمكن أن تؤدي فجوات الاتصال أيضًا إلى عرقلة عملية تقديم رؤى مؤثرة. التنفيذيون الذين يمولون مشاريع البيانات ومهندسو البيانات والعلماء الذين ينفذونها لا يفهمون بعضهم البعض دائمًا. يمكن لممارسي البيانات هؤلاء إنشاء خطة مفصلة ، ولكن إذا لم يؤطر الممارس النتائج بشكل صحيح ، فقد يقول مدير الأعمال الذي طلبهم إنهم كانوا يبحثون عن شيء مختلف. سيُعتبر المشروع فاشلاً ، وستنهار فرصة توليد قيمة من الجهد.

تواجه الشركات مشكلات البيانات ، بغض النظر عن مكان وجودها من حيث نضج البيانات. إنهم يحاولون اكتشاف طرق لجعل البيانات جزءًا مهمًا من مستقبلهم ، لكنهم يكافحون لوضع الخطط موضع التنفيذ.

إذا كنت في هذا الموقف ، ماذا تفعل؟

وجدت الشركات نفسها عند نقطة انعطاف مماثلة في 2010 ، في محاولة لترتيب أماكنها في السحابة. لقد استغرقوا سنوات في تطوير استراتيجياتهم السحابية ، والتخطيط لعمليات الترحيل السحابية ، واختيار الأنظمة الأساسية ، وإنشاء مكاتب الأعمال السحابية ، وهيكلة مؤسساتهم للاستفادة على أفضل وجه من الفرص القائمة على السحابة. اليوم ، يجنون الفوائد: لقد مكنهم انتقالهم إلى السحابة من تحديث تطبيقاتهم وأنظمة تكنولوجيا المعلومات الخاصة بهم.



يتعين على الشركات الآن اتخاذ قرارات مماثلة بشأن البيانات. إنهم بحاجة إلى النظر في العديد من العوامل للتأكد من أن البيانات توفر أساسًا لأعمالهم للمضي قدمًا. يجب أن يطرحوا أسئلة مثل:

  • هل البيانات التي يحتاجها العمل متاحة بسهولة؟
  • ما هي أنواع مصادر البيانات المطلوبة؟ هل هناك مجموعات بيانات موزعة ومتنوعة لا تعرف عنها شيئًا؟
  • هل البيانات نظيفة وحديثة وموثوقة وقادرة على التكامل مع الأنظمة الحالية؟
  • هل بقية المستوى C على متن الطائرة مع نهج مسؤول البيانات الرئيسي؟
  • هل يتواصل علماء البيانات والمستخدمون النهائيون بشكل فعال حول ما هو مطلوب وما يتم تسليمه؟
  • كيف يتم تبادل البيانات؟
  • كيف يمكنني الوثوق ببياناتي؟
  • هل لكل شخص ومنظمة تحتاج إلى الوصول إلى البيانات الحق في استخدامها؟

هذا أكثر من مجرد ذكاء الأعمال. يتعلق الأمر بالاستفادة من فرصة تتشكل. يتزايد استخدام البيانات ، وأصبحت أدوات الاستفادة منها أكثر كفاءة ، وتتزايد خبرة علماء البيانات. لكن من الصعب السيطرة على البيانات. لم يتم إعداد العديد من الشركات لتحقيق أقصى استفادة من البيانات المتوفرة لديها. تحتاج الشركات إلى الاستثمار في الأشخاص والعمليات والتقنيات التي ستفعل ذلك قيادة استراتيجيات البيانات الخاصة بهم .

مع وضع كل هذا في الاعتبار ، إليك 10 مبادئ يجب على الشركات اتباعها عند تطوير استراتيجيات البيانات الخاصة بها:

1. افهم مدى أهمية بياناتك حقًا

كم هي قيمة البيانات الخاصة بك بالنسبة لك؟ يمكن قياس ذلك بعدة طرق. هناك مقاييس تقليدية يجب مراعاتها ، مثل تكاليف الحصول على البيانات ، وتكلفة تخزينها ونقلها ، وتفرد البيانات التي يتم الحصول عليها ، وفرصة استخدامها لتوليد إيرادات إضافية. تؤثر مقاييس السوق على قيمة البيانات ، مثل جودة البيانات وعمر البيانات وشعبية منتج البيانات.

يمكن أن تكون بياناتك ذات قيمة للآخرين أيضًا. على سبيل المثال ، افترض أن المستشفى تجمع مجموعات بيانات المرضى التي يمكن أن تولد قيمة لبياناتك. في هذه الحالة ، قد تكون هذه البيانات ذات أهمية للباحثين عن الأمراض ، ومصنعي الأدوية ، وشركات التأمين ، وغيرهم من المشترين المحتملين. هل هناك آلية مطبقة لإخفاء هوية المستخدمين المحتملين لبياناتك وتجميعها والتحكم فيها وتحديدها؟

تُعد الفرصة ، المتوازنة مع التكلفة اللازمة لتقديمها ، إحدى الطرق لتحديد القيمة المحتملة لبياناتك.

2. تحديد ما يجعل البيانات ذات قيمة

في حين أنه قد يكون من الصعب وضع قيمة فعلية للدولار على بياناتك ، إلا أنه من الأسهل تحديد العناصر التي تساهم في البيانات التي تتمتع بدرجة عالية من القيمة. يمكن اختزالها إلى معادلة فكرية بسيطة:

الاكتمال + الصلاحية = الجودة

الجودة + التنسيق = سهولة الاستخدام

البيانات القابلة للاستخدام + ممارس البيانات الذي يستخدمها جيدًا = VALUE

لا يمكن أن يستمر مشروع البيانات الخاص بك بدون بيانات جيدة. هل جودة بياناتك عالية بما يكفي لتكون جديرة بالاهتمام؟ سيعتمد ذلك جزئيًا على مدى اكتمال العينة التي جمعتها. هل حقول البيانات مفقودة؟ تعتمد الجودة أيضًا على مدى صحة المعلومات. هل تم جمعها من مصدر موثوق؟ هل البيانات حالية أم أن الوقت قلل من صحتها؟ هل تجمعون بياناتكم وتخزنونها وفقًا لمعايير وأنماط الصناعة والقطاع؟

يجب أن تكون بياناتك قابلة للاستخدام حتى تستحق الاستثمار. يؤدي إعداد أنظمة لممارسي البيانات لاستخدام البيانات وتحليلها جيدًا وربطها بقادة الأعمال الذين يمكنهم الاستفادة من الأفكار إلى إغلاق الحلقة.

3. حدد مكانك في رحلة البيانات الخاصة بك

إن تحديد موقع شركة لتحقيق الاستفادة الكاملة من الحوسبة السحابية هي رحلة. يجب أن ينطبق نفس التفكير على البيانات.

تعتمد القرارات التي تتخذها الشركات بشأن استراتيجيات البيانات الخاصة بها إلى حد كبير على مكان وجودهم في رحلات البيانات الخاصة بهم. إلى أي مدى أنت في رحلة البيانات الخاصة بك؟ يمكن أن تساعد أدوات ومخططات التقييم الشركات في تحديد مواقعها. يجب أن تتجاوز التقييمات تحديد الأدوات الموجودة في مجموعة تقنيات الشركة. يجب أن ينظروا في كيفية معالجة البيانات عبر المؤسسة بعدة طرق ، مع مراعاة الحوكمة وإدارة دورة الحياة والأمان والاستيعاب والمعالجة وهياكل البيانات والاستهلاك والتوزيع ومعرفة البيانات وتسييل البيانات.

يمكن قياس الاستهلاك والتوزيع وحدهما من حيث قدرة المؤسسة على تطبيق خدمات تتراوح من ذكاء الأعمال إلى تدفق البيانات إلى تطبيقات الخدمة الذاتية لتحليلات البيانات. هل نفذت الشركة دعمًا لاستخدام البيانات من قبل الشخصيات الفردية؟ هل يدعم واجهات برمجة التطبيقات الفردية؟ بالنظر إلى معرفة البيانات كفئة ، ما مدى تقدم قواميس بيانات الشركة ومسارد الأعمال والكتالوجات وخطط إدارة البيانات الرئيسية؟

يكشف تسجيل كل مجموعة من القدرات عن نقاط القوة والضعف في الشركة من حيث جاهزية البيانات. حتى تقوم الشركة بإلقاء نظرة فاحصة ، قد لا تدرك مدى قربها أو بعدها عن المكان الذي تريده أو تريده.

4. تعلم كيفية التعامل مع البيانات من مصادر مختلفة

تأتي البيانات إلى المؤسسات من جميع الاتجاهات - من داخل الشركة ، وأجهزة إنترنت الأشياء ، وأنظمة المراقبة بالفيديو على الحافة ، والشركاء ، والعملاء ، ووسائل التواصل الاجتماعي ، والويب. مئات زيتابايت من البيانات العالمية يجب إدارتها وحمايتها وتحسينها بشكل انتقائي للاستخدام المريح والمنتج.

هذا هو التحدي للشركات التي لم تطور أنظمة لجمع البيانات وإدارة البيانات. أينما تأتي البيانات ، يجب أن تكون هناك آلية لتوحيدها بحيث تكون البيانات قابلة للاستخدام لتحقيق فائدة أكبر.

تفرض الشركات المختلفة والبلدان المختلفة قواعد مختلفة بشأن ماذا وكيف يمكن تبادل المعلومات. حتى الإدارات الفردية داخل نفس الشركة يمكن أن تتعارض مع قواعد حوكمة الشركات التي تحدد المسارات التي يجب أن تتبعها مجموعات بيانات معينة. وهذا يعني فرض الوصول إلى البيانات وسياسات التوزيع. لاغتنام فرص البيانات هذه ، تحتاج الشركات إلى هندسة مسارات لاكتشاف مجموعات بيانات جديدة وفرض قواعد حوكمة لإدارتها.

في التصنيع ، تقيس الشركات الموجودة على خط سلسلة التوريد جودة أجزائها ومورديها. غالبًا ما تكون الآلات والروبوتات التي يستخدمونها مملوكة للموردين. قد يرغب الموردون في إعداد عقود لمعرفة من لديه الحق في استخدام البيانات لحماية مصالحهم التجارية الخاصة ، ويجب على الشركات المصنعة تحديد متطلبات مشاركة البيانات الخاصة بهم مع شركائهم ومورديهم مقدمًا.

5. احصل على التزام استراتيجي من C-suite

تفيد البيانات العديد من مستويات المؤسسة ، وستقوم الشخصيات في كل مستوى من المستويات المتأثرة بالضغط من أجل جانب معين من عملية قيمة البيانات. يريد علماء البيانات المزيد من التكنولوجيا عالية القدرة وسهلة الاستخدام. يدفع قادة خط الأعمال للحصول على رؤى أفضل وأسرع. في الجزء العلوي من الهرم توجد المجموعة C ، والتي تعطي الأولوية لتوجيه البيانات إلى قيمة الأعمال.

من الأهمية بمكان الحصول على مدراء تنفيذيين من المستوى C مع استراتيجية بيانات شاملة. القيام بذلك بشكل صحيح ، بعد كل شيء ، يمكن أن يكون مدمرًا. يتطلب استخراج القيمة القصوى من البيانات من المنظمة تعيين موظفين بمجموعات مهارات جديدة ، وإعادة تنظيم ثقافتها ، وإعادة هندسة العمليات القديمة ، وإعادة تصميم منصة البيانات القديمة. إنه مشروع تحولي لا يمكن إنجازه دون الحصول على دعم من المستويات العليا للشركة.

يتزايد انفتاح C-suite لتوسيع استخدام المنظمات للبيانات. بجانب مشاركة العملاء ، فإن ثاني أعلى مجال استراتيجي للاهتمام على مستوى مجلس الإدارة هو الاستفادة من البيانات وتحسين عملية صنع القرار للبقاء تنافسية واستغلال ظروف السوق المتغيرة ، وفقًا لتقرير IDC 'منظور تحليل السوق: تكامل البيانات العالمية وبرامج الاستخبارات ، 2021. ' في نفس التقرير ، أوضح 83٪ من المديرين التنفيذيين الحاجة إلى المزيد من البيانات المدفوعة أكثر مما كانت عليه قبل الوباء.

كيف يجب أن تضمن المنظمات انضمام C-suite؟ إذا كنت من أصحاب المصلحة بدون مسمى من المستوى C ، فإن وظيفتك هي العمل مع زملائك للعثور على راع تنفيذي لنقل الرسالة إلى القادة الذين يتحكمون في عملية صنع القرار. البيانات هي أحد الأصول الإستراتيجية التي ستحدد نجاح الشركة على المدى الطويل ، لكنها لن تحدث بدون موافقات على أعلى المستويات.

6. في البيانات التي نثق بها: تأكد من أن بياناتك لا تشوبها شائبة

مع توسع الذكاء الاصطناعي في كل جانب من جوانب الحياة الحديثة تقريبًا ، تزداد مخاطر ممارسات الذكاء الاصطناعي الفاسدة أو المعيبة بشكل كبير. يعود ذلك إلى جودة البيانات المستخدمة لتدريب نماذج الذكاء الاصطناعي. كيف تم إنتاج البيانات؟ هل كان يعتمد على جهاز استشعار معيب؟ هل كان هناك أصل بيانات متحيزة تم إنشاؤه في مجموعة البيانات؟ هل جاء اختيار البيانات من موقع واحد بدلاً من مجموعة بيانات صالحة إحصائيًا؟

يعتمد الذكاء الاصطناعي الجدير بالثقة على وجود بيانات جديرة بالثقة يمكن استخدامها لبناء نماذج شفافة وجديرة بالثقة وغير متحيزة وقوية. إذا كنت تعرف كيف يتم تدريب النموذج وتشك في حصولك على نتائج خاطئة ، يمكنك إيقاف العملية وإعادة تدريب النموذج. أو ، إذا تساءل شخص ما عن النموذج ، يمكنك الرجوع وشرح سبب اتخاذ قرار معين ، ولكن يجب أن يكون لديك بيانات نظيفة وموثقة للرجوع إليها.

غالبًا ما يطلب مراقبو السياسات من الحكومات دعم كيفية استخدامهم للذكاء الاصطناعي وإثبات أن تحليلاتهم ليست مبنية على بيانات متحيزة. أثارت صحة الخوارزميات المستخدمة مناقشات حول الجهود المبذولة للاعتماد على التعلم الآلي للتوجيه قرارات النطق بالحكم واتخاذ قرارات بشأنها مطالبات مزايا الرعاية الاجتماعية أو غيرها من الأنشطة الحكومية.

يتم تدريب النموذج في خطوات. أنت تبني نموذجًا يعتمد على البيانات. ثم تختبر النموذج وتجمع بيانات إضافية لإعادة اختباره. إذا تم تمريره ، فإنك تحوله إلى نموذج إنتاج أكثر قوة. تستمر الرحلة بإضافة المزيد من البيانات ، وتدليكها ، وتحديد ما إذا كان نموذجك يواجه التدقيق بمرور الوقت.

أدى عدم وجود نظام شامل لضمان جودة البيانات ومشاركتها بكفاءة إلى تأخير اعتماد الذكاء الاصطناعي بشكل غير مباشر. وفق IDC ، يعتقد 52٪ من المشاركين في الاستطلاع أن تحديات جودة البيانات وكميتها والوصول إليها تعيق عمليات نشر الذكاء الاصطناعي.

7. اغتنم فرصة البيانات الوصفية

يتم تعريف البيانات الوصفية بشكل بيضاوي على أنها 'بيانات توفر معلومات حول بيانات أخرى'. إنه ما يعطي البيانات السياق الذي يحتاجه المستخدمون لفهم جزء من خصائص المعلومات ، حتى يتمكنوا من تحديد ما يجب فعله بها في المستقبل.

تُستخدم معايير البيانات الوصفية بشكل شائع للأغراض المتخصصة ، مثل تطبيقات الصناعة المحددة كتالوجات فلكية ، أو أنواع البيانات مثل ملفات XML . ولكن هناك أيضًا حالة يجب إجراؤها من أجل إطار عمل بيانات وصفية أقوى حيث لا يمكننا فقط تحديد البيانات بطرق مشتركة ولكن أيضًا وضع علامة على عناصر البيانات المفيدة طوال رحلتها. من أين نشأت هذه القطعة من البيانات؟ من شاهده؟ من استخدمها؟ ما الذي تم استخدامه؟ من الذي أضاف أي جزء من مجموعة البيانات؟ هل تم التحقق من البيانات؟ هل يحظر استخدامه في مواقف معينة؟

يتطلب تطوير هذا النوع من آلية البيانات الوصفية طبقة تقنية مفتوحة للمساهمات من أولئك الذين يشاهدون ويلمسون جزءًا معينًا من البيانات. كما يتطلب أيضًا التزامًا من مجموعات واسعة من أصحاب المصلحة الذين يرون قيمة القدرة على مشاركة البيانات بشكل استراتيجي وشفاف.

سيكون إنشاء طبقة بيانات وصفية مفتوحة إضافية خطوة مهمة نحو ذلك السماح بإضفاء الطابع الديمقراطي على الوصول إلى البيانات من خلال تمكين المشاركة الشفافة لسمات البيانات الرئيسية اللازمة للوصول والحوكمة والثقة والنسب. شركة هيوليت باكارد نهج لمساحات البيانات هو فتح معيار بيانات وصفية عالمي من شأنه إزالة التعقيدات الحالية المرتبطة بمشاركة مجموعات البيانات المتنوعة.

8. احتضان أهمية الثقافة

تريد المنظمات التأكد من أنها تحصل على أقصى استفادة من الموارد التي تغذيها - وللقيام بذلك ، فإنها تحتاج إلى إنشاء ثقافات تعزز أفضل الممارسات لمشاركة المعلومات.

هل لديك صوامع؟ هل توجد حواجز ثقافية داخل مؤسستك تعيق النشر الصحيح للمعلومات إلى المصادر الصحيحة في الأوقات المناسبة؟ هل تشعر الإدارات المختلفة أنها تمتلك بياناتها ولا يتعين عليها مشاركتها مع الآخرين في المؤسسة؟ هل يقوم الأفراد بتخزين البيانات القيمة؟ هل قمت بإعداد قنوات وإجراءات تعزز مشاركة البيانات بدون احتكاك؟ هل قمت بإضفاء الطابع الديمقراطي على الوصول إلى البيانات ، مما يمنح أصحاب المصلحة التجاريين القدرة ليس فقط على طلب البيانات ولكن المشاركة في ممارسات الاستعلام والمشاركة؟

إذا كان أي من هذه العوامل يعيق التدفق الحر لتبادل البيانات ، تحتاج مؤسستك إلى الخضوع لتقييم إدارة التغيير مع التركيز على احتياجاتها عبر الأشخاص والعمليات والتكنولوجيا.

9. افتح الأشياء ، لكن لا تثق بأحد

في جميع جوانب الأعمال ، توازن المنظمات بين المفاهيم المتضاربة في كثير من الأحيان لتعزيز المشاركة الحرة والمفتوحة للموارد والأمن الخاضع للرقابة الصارمة. تحقيق هذا التوازن مهم بشكل خاص عند التعامل مع البيانات.

يجب مشاركة البيانات ، لكن العديد من منتجي البيانات غير مرتاحين للقيام بذلك لأنهم يخشون فقدان السيطرة وكيف يمكن استخدام بياناتهم ضدهم ، أو كيف يمكن تغيير بياناتهم أو استخدامها بشكل غير لائق.

يجب أن يكون الأمن أولوية قصوى. تأتي البيانات من العديد من المصادر - بعضها تتحكم فيه ، والبعض الآخر لا تتحكم فيه - ويتم تمريرها عبر العديد من الأيدي. وهذا يعني أن السياسات الأمنية المحيطة بالبيانات تحتاج إلى تصميم بنموذج عدم الثقة خلال كل خطوة من العملية. يجب إنشاء الثقة من خلال المكدس بأكمله ، من البنية التحتية وأنظمة التشغيل الخاصة بك إلى أعباء العمل الموجودة أعلى تلك الأنظمة ، وصولاً إلى مستوى السيليكون.

10. إنشاء خط خدمات بيانات يعمل بشكل كامل

يتطلب نقل البيانات بين الأنظمة العديد من الخطوات ، بما في ذلك نقل البيانات إلى السحابة وإعادة تنسيقها وضمها مع مصادر البيانات الأخرى. تتطلب كل خطوة من هذه الخطوات عادةً برنامجًا منفصلاً.

تعد أتمتة خطوط أنابيب البيانات من أفضل الممارسات المهمة في رحلة البيانات. يسمح خط أنابيب البيانات المؤتمت بالكامل للمؤسسات باستخراج البيانات من المصدر وتحويلها إلى نموذج قابل للاستخدام ودمجها مع مصادر أخرى.

يمثل خط أنابيب البيانات مجموع كل هذه الخطوات ، وتتمثل مهمته في ضمان حدوث هذه الخطوات بشكل موثوق لجميع البيانات. يجب أن تكون هذه العمليات تلقائية ، لكن معظم المؤسسات تحتاج إلى مهندس واحد أو اثنين على الأقل لصيانة الأنظمة ، وإصلاح الأعطال ، والتحديث وفقًا للاحتياجات المتغيرة للأعمال.

ابدأ رحلة البيانات اليوم

سيحدد مدى نجاح الشركات في الاستفادة من بياناتها - أينما كانت - نجاحها في السنوات القادمة. بحث كوكبة مشاريع 90٪ من Fortune 500 الحالية سيتم دمجها أو الاستحواذ عليها أو إفلاسها بحلول عام 2050. إذا لم تبدأ الآن ، فسيتم إهمالها. الساعة تدق.

اقرأ المقال الأصلي على Enterprise.nxt .

تم إنتاج هذا المحتوى بواسطة شركة Hewlett Packard Enterprise. لم يكتبه فريق التحرير في MIT Technology Review.

يخفي

التقنيات الفعلية

فئة

غير مصنف

تكنولوجيا

التكنولوجيا الحيوية

سياسة التكنولوجيا

تغير المناخ

البشر والتكنولوجيا

وادي السيليكون

الحوسبة

مجلة Mit News

الذكاء الاصطناعي

الفراغ

المدن الذكية

بلوكشين

قصة مميزة

الملف الشخصي للخريجين

اتصال الخريجين

ميزة أخبار معهد ماساتشوستس للتكنولوجيا

1865

وجهة نظري

77 Mass Ave

قابل المؤلف

ملامح في الكرم

شوهد في الحرم الجامعي

خطابات الخريجين

أخبار

انتخابات 2020

فهرس With

تحت القبه

خرطوم الحريق

قصص لانهائية

مشروع تكنولوجيا الوباء

من الرئيس

غلاف القصه

معرض الصور

موصى به