Obsah
- Přenášejte velká data přímo do sektorově specifických platforem
- Vybudujte staré systémy Business Intelligence
- Použijte tento datový sklad
- Strukturální data
- Identifikace a zpracování datových jezer
Zdroj: Solarseven / Dreamstime.com
Odnést:
Získává vaše firma maximum ze svých dat? Zde je několik nových způsobů, jak používat data, která již máte.
V dnešní době se hodně mluví o tom, co se podílí na vytváření velkých datových IT nastavení, od použití Apache Hadoop a souvisejících nástrojů k inovování dostupnosti, až po rozhovory o technických způsobech, jak data přenést do a z centrálních podnikových datových skladů. Ale je to také filosofický prvek velkých dat. Jinými slovy, jak využíváte všechna ta data, která leží, opravdu zvýšit vaše obchodní výsledky a zlepšit svůj obchodní model?Zde je pět způsobů, jak společnosti drtí čísla a skutečně je aplikují na některé konkrétní výsledky.
Přenášejte velká data přímo do sektorově specifických platforem
Jedním snadným způsobem, jak začít používat agregovaná obchodní data, je vložit konkrétní datové prvky do předem navržených systémů podnikových procesů, které jsou vytvořeny pro efektivní dodávání těchto dat. Snad nejlepším příkladem jsou nástroje pro správu vztahů se zákazníky (CRM). Prodejci často vytvářejí své služby na řídicích panelech, které mohou prodejním pracovníkům a dalším prezentovat efektivní a akční soubory nebo složky zákazníků.Jde o to, že používání CRM předpokládá, že někde máte potřebná data. Pokud dokážete seskupit identifikátory zákazníků, historii nákupů a další relevantní položky, můžete začít dodávat vše do své CRM platformy. Váš prodejní tým vám děkuje.
Vybudujte staré systémy Business Intelligence
Znovu si vyberete a vyberete, jaké konkrétní datové sady chcete použít, ale další věc, kterou společnosti dělají, je, že berou své obvyklé způsoby drcení a pomalého rozšiřování dat tím, že do svých tradičních technik vykazování vkládají stále větší množství velkých dat. .Dobře, takže existuje více než několik varovných zdrojů o tom, kolik starých systémů obecně brání skutečnému pokroku. Existují však také některé praktické návody, které ukazují některé z výzev při používání starších technologií pro velká data, jak to lze udělat a jak správný personál může změnit všechny tyto rozdíly. Technicky je vše jednou „rozmístěno“, jakmile je nasazeno, takže nemá vždy smysl zrušit starý systém pokaždé, když přijde něco lepšího.
Použijte tento datový sklad
Pokud máte velká data v centrálním úložišti a víte, jak k nim přistupovat, můžete kolem toho vytvářet nové procesy.Zde je vynikající příklad toho, jak některé větší společnosti sledují konkrétní, přesná a přesně určená použití velkých dat. Můžete to nazvat křížovým indexováním; pomáhá podniku vytvářet konzistentní modely mezi všemi jejich četnými druhy zákaznických účtů, které mohou být drženy v různých částech softwarové architektury.
Spojením všech údajů, které lze použít, může být společnost schopna zjistit, zda se například název v jeho jednorázové maloobchodní databázi prodejního místa shoduje s názvem v jedné z jejích divizí služeb. Společnost poté importuje informace do obou oddělení, takže když někdo zvedne telefon, ví, že tato osoba je aktivní v obou samostatných kanálech.
Toto je praktické využití podnikové inteligence - pomůže vám to udělat něco na základě všech velkých dat, která jste seškrábali.
Strukturální data
Dalším velkým problémem s velkými daty je to, že společnosti často shromažďují relativně nestrukturovaná data. Nestrukturovaná data mohou mít podobu papírových nebo digitálních dokumentů, surových nebo nerafinovaných databázových zdrojů nebo dokonce úryvky a kódy z mobilních zařízení. Co nestrukturovaná data mají společné, je to, že se neřídí formátem relační databáze. Výsledkem je, že tradiční srovnatelná databáze to nezvládne a vy z toho nedostanete žádnou obchodní inteligenci.Existují dva způsoby, jak to zvládnout: chytit lopatu a začít kopat, nebo získat nějaké zdroje, které upřesňují tato nestrukturovaná data na akční data. Společnosti, které nechtějí investovat do nového softwaru, mohou zaměstnávat lidské ruce k třídění podle nestrukturovaných dat a jejich formátování správně, ale nyní máte nějaké alternativy díky nástrojům, které efektivně analyzují nestrukturovaná data. Například metadata jsou jedním ze způsobů automatizace dolování dat způsobem, který je činí užitečnými.
Identifikace a zpracování datových jezer
Dalším velkým heslem v komunitě velkých dat je datové jezero. V podstatě je datové jezero jen velkým množstvím dat, které tam sedí nevyužité. Je to kvintesenční definice dat v klidu - nic se s tím nedělá, není narušeno, je ledové a uklidňující jako dýha stojaté vody.Opět existuje mnoho různých způsobů, jak zacházet s datovými jezery, ale všechny začínají přemýšlet o tom, co je v těchto velkých souborech dat, a proč jsou v první řadě v chladném úložišti. Společnosti budují svá vlastní datová centra a využívají ultramoderní objektově orientované technologie sdružování dat, aby rozdělily tato datová jezera na akční kousky. To se skutečně děje na základě individuálního případu, ale někteří experti mají návrhy, jak tyto datová jezera zarovnat do užitečných kanálů, díky nimž některé informace někde skončí a něco udělají.