5 sposobów na uzyskanie wartości z danych biznesowych

Obecnie dużo mówi się o tym, co jest zaangażowane w tworzenie konfiguracji IT dużych zbiorów danych, od użycia Apache Hadoop i powiązanych narzędzi do innowacji w zakresie dostępności, po rozmowy na temat technicznych sposobów wprowadzania danych do centralnych hurtowni danych i poza nimi. Ale jest też element filozoficzny dużych zbiorów danych. Innymi słowy, w jaki sposób wykorzystujesz wszystkie te leżące wokół dane, aby naprawdę poprawić wyniki biznesowe i ulepszyć model biznesowy?

Oto pięć sposobów, w jakie firmy dzielą liczby i faktycznie stosują je do konkretnych rezultatów.

Port Big Data bezpośrednio na platformy sektorowe

Jednym łatwym sposobem na rozpoczęcie korzystania ze zagregowanych danych biznesowych jest umieszczenie określonych elementów danych we wstępnie zaprojektowanych systemach procesów biznesowych, które zostały stworzone w celu skutecznego dostarczania tych danych. Być może najlepszym przykładem są narzędzia do zarządzania relacjami z klientami (CRM). Dostawcy często budują swoje usługi wokół pulpitów nawigacyjnych, które mogą przedstawiać sprzedawcom i innym osobom wydajne i przydatne pliki lub foldery klientów.

Chodzi o to, że korzystanie z CRM zakłada, że ​​masz gdzieś niezbędne dane. Jeśli możesz pogrupować identyfikatory klientów, historie zakupów i inne istotne elementy, możesz rozpocząć wysyłanie tego wszystkiego na platformę CRM. Twój zespół sprzedaży będzie ci wdzięczny.

Zbuduj starsze systemy analizy biznesowej

Ponownie wybierzesz i wybierzesz konkretne zestawy danych, których chcesz użyć, ale inną rzeczą, którą robią firmy, jest wybranie normalnego sposobu kruszenia danych i powolnego ich rozszerzania, poprzez wstrzykiwanie coraz większej liczby zestawów dużych danych do ich tradycyjnych techniki raportowania.

OK, więc dostępnych jest więcej niż kilka przestrożnych zasobów na temat tego, ile starszych systemów generalnie powstrzymuje faktyczny postęp. Istnieją jednak również praktyczne przewodniki, które pokazują niektóre wyzwania związane ze stosowaniem starszych technologii dla dużych zbiorów danych, jak można to zrobić i jak odpowiedni personel może zrobić różnicę. Ponadto, technicznie rzecz biorąc, wszystko jest „starsze” po wdrożeniu, więc nie zawsze ma sens usuwanie starego systemu za każdym razem, gdy pojawia się coś lepszego.

Użyj tej hurtowni danych

Jeśli masz duże zbiory danych w centralnym repozytorium i wiesz, jak uzyskać do niego dostęp, możesz wokół tego zbudować nowe procesy.

Oto doskonały przykład tego, jak niektóre większe firmy realizują określone, precyzyjne, precyzyjnie określone zastosowania dużych zbiorów danych. Możesz to nazwać indeksowaniem krzyżowym; pomaga przedsiębiorstwu budować spójne modele między wszystkimi ich licznymi rodzajami kont klientów, które mogą być przechowywane w różnych częściach architektury oprogramowania.

Dzięki połączeniu wszystkich możliwych do zaskarżenia danych firma może być w stanie sprawdzić, na przykład, czy nazwa w bazie danych punktów sprzedaży detalicznej w punkcie sprzedaży jest zgodna z nazwą w jednym z działów usług. Następnie firma importuje informacje do obu działów, dzięki czemu gdy ktoś odbierze telefon, wie, że osoba ta działa w obu oddzielnych kanałach.

Jest to praktyczne wykorzystanie inteligencji biznesowej - pomaga faktycznie zrobić coś w oparciu o wszystkie duże dane, które razem zeskrobałeś.

Dane struktury

Innym ważnym problemem związanym z dużymi zbiorami danych jest to, że firmy często zbierają dane stosunkowo nieuporządkowane. Dane nieustrukturyzowane mogą mieć postać dokumentów papierowych lub cyfrowych, surowych lub nierafinowanych zasobów bazy danych, a nawet fragmentów tekstu i kodu z urządzeń mobilnych. Dane nieuporządkowane mają wspólną cechę: nie są one zgodne z formatem relacyjnej bazy danych. W rezultacie tradycyjna, powiązana baza danych nie jest w stanie sobie z nią poradzić, a Ty nie wyciągasz z niej żadnych danych wywiadowczych.

Istnieją dwa sposoby, aby sobie z tym poradzić: weź łopatę i zacznij kopać lub zdobądź zasoby, które udoskonalą nieustrukturyzowane dane w dane przydatne. Firmy, które nie chcą inwestować w nowe oprogramowanie, mogą wykorzystywać ludzkie ręce do sortowania nieustrukturyzowanych danych i formatowania ich poprawnie, ale teraz masz kilka alternatyw dzięki narzędziom, które skutecznie analizują nieustrukturyzowane dane. Na przykład metadane to jeden ze sposobów automatyzacji eksploracji danych w taki sposób, aby był użyteczny.

Rozpoznawanie i obsługa jezior danych

Innym ważnym hasłem w społeczności dużych zbiorów danych jest Data Lake. Zasadniczo jezioro danych to tylko duża pula danych, która siedzi tam nieużywana. Jest to kwintesencja definicji danych w spoczynku - nic z tym nie robi się, nie przeszkadza, jest tak lodowata i spokojna jak fornir zastoju zbiornika wodnego.

Znów istnieje wiele różnych sposobów zarządzania jeziorami danych, ale wszystkie zaczynają od zastanowienia się, co jest w tych dużych zbiorach danych i dlaczego przede wszystkim znajdują się w chłodni. Firmy budują własne centra danych i wykorzystują ultranowoczesne zorientowane obiektowo technologie klastrowania danych, aby rozbić te jeziora danych na działające elementy. Tak naprawdę dzieje się to na zasadzie zastrzeżonych przypadków, ale niektórzy eksperci mają sugestie, jak skorygować te jeziora danych w pomocne kanały, które sprawiają, że fragmenty informacji gdzieś się kończą i coś robią.