Sadržaj:
- Prenosite velike podatke izravno na platforme specifične za sektor
- Izradite naslijeđene sustave poslovne inteligencije
- Upotrijebite taj skladište podataka
- Podaci o strukturi
- Prepoznavanje i rukovanje podatkovnim jezerima
Ovih dana se puno govori o tome što je uključeno u stvaranje IT postavki velikog broja podataka, od korištenja Apache Hadoop i srodnih alata do inoviranja pristupačnosti, do razgovora o tehničkim načinima objedinjavanja podataka u i iz centralnih korporativnih skladišta podataka. Ali tu je i filozofski element velikih podataka. Drugim riječima, kako koristiti sve te podatke koji leže oko vas da bi stvarno poboljšao poslovne rezultate i poboljšao poslovni model?
Evo pet načina na koje tvrtke smanjuju brojke i zapravo ih primjenjuju na neke konkretne ishode.
Prenosite velike podatke izravno na platforme specifične za sektor
Jedan jednostavan način za početak korištenja agregiranih poslovnih podataka je umetanje određenih podatkovnih elemenata u unaprijed dizajnirane sustave poslovnih procesa koji su napravljeni za učinkovitu dostavu tih podataka. Možda je najbolji primjer alat za upravljanje odnosima s klijentima (CRM). Prodavatelji često svoje usluge grade na nadzornim pločama koje mogu predstaviti prodajne radnike i ostale s učinkovitim i djelotvornim datotekama ili mapama.
Stvar je u tome što se pomoću CRM-a pretpostavlja da negdje imate potrebne podatke. Ako zajedno možete grupirati identifikatore kupaca, povijesti kupnje i druge relevantne stavke, sve to možete započeti s vašim CRM platformama. Vaš prodajni tim će vam zahvaliti.
Izradite naslijeđene sustave poslovne inteligencije
Opet ćete birati i birati koje konkretne skupove podataka želite koristiti, ali druga stvar koju tvrtke rade je da koriste uobičajene načine krčenja podataka i polako ih šire, ubrizgavajući sve više i više skupova velikih podataka u svoje tradicionalne tehnike izvještavanja.
U redu, tako postoji više od nekoliko opreza o tome koliko naslijeđenih sustava općenito zadržavaju stvarni napredak. No, postoje i neki praktični vodiči koji pokazuju neke izazove u korištenju naslijeđenih tehnologija za velike podatke, kako se to može učiniti i kako pravo osoblje može sve promijeniti. Osim toga, tehnički je sve „naslijeđeno“ jednom kada se primijeni, tako da ne mora uvijek imati smisla zajebavati naslijeđeni sustav svaki put kada se pojavi nešto bolje.
Upotrijebite taj skladište podataka
Ako u središnjem spremištu imate velike podatke i znate kako im pristupiti, oko toga možete graditi nove procese.
Evo izvrsnog primjera kako neke veće tvrtke provode specifične, precizne, precizne uporabe velikih podataka. Možete ga nazvati unakrsnim indeksiranjem; pomaže poduzeću u konstruiranju konzistentnih modela između svih njihovih mnogobrojnih korisničkih računa koji se mogu održavati u različitim dijelovima softverske arhitekture.
Kombinirajući sve djelotvorne podatke, tvrtka može vidjeti da li se, na primjer, ime u svojoj maloprodajnoj bazi podataka o jednokratnom prodajnom mjestu podudara s nazivom u jednom od njegovih odjeljenja za usluge. Tvrtka zatim informacije uvozi u oba odjeljenja, tako da kad netko podigne telefon, zna da je ta osoba aktivna u oba odvojena kanala.
Ovo je praktična upotreba poslovne inteligencije - pomaže vam da zapravo učinite nešto na temelju svih velikih podataka koje ste zajedno napisali.
Podaci o strukturi
Drugi veliki problem s velikim podacima je da tvrtke često prikupljaju relativno nestrukturirane podatke. Nestrukturirani podaci mogu doći u obliku papira ili digitalnih dokumenata, sirovih ili nerafiniranih resursa baze podataka ili čak isječaka teksta i koda s mobilnih uređaja. Ono što ima nestrukturirane podatke zajedničko je to da ne slijede format relacijske baze podataka. Kao rezultat toga, tradicionalna relativna baza podataka ne može to podnijeti i iz nje ne dobivate nikakvu poslovnu inteligenciju.
Postoje dva načina da se to riješi: uzmite lopatu i započnite kopati ili nabavite neke resurse koji nestrukturirane podatke pročišćavaju u djelotvorne podatke. Tvrtke koje ne žele ulagati u novi softver mogu zaposliti ljudske ruke da razvrstaju nestrukturirane podatke i ispravno ih formatiraju, ali sada imate neke alternative zahvaljujući alatima koji će nestrukturirane podatke učinkovito analizirati. Metapodaci, na primjer, jedan su od načina automatizacije podataka na način koji je čini korisnom.
Prepoznavanje i rukovanje podatkovnim jezerima
Druga velika riječ u zajednici s velikim podacima je jezero podataka. U suštini, podatkovno jezero je samo velika skupina podataka koja tamo sjedi neiskorištena. To je najistaknutija definicija podataka u mirovanju - s tim se ništa ne radi, ne ometa se, jednako je ledena i prozirna kao furnir ustajalog vodenog tijela.
Opet, postoji mnogo različitih načina rukovanja podacima s podacima, ali svi počinju s razmišljanjem o tome što se nalazi u tim velikim skupima podataka i zašto su u prvom redu u hladnom spremištu. Tvrtke grade vlastite podatkovne centre i pomoću ultramodernih objektno orijentiranih tehnologija grupiranja podataka razvrstavaju ta jezera u djelotvorne dijelove. To se stvarno događa u vlastitom slučaju, od slučaja do slučaja, ali neki stručnjaci imaju prijedloge kako ukloniti ta jezera podataka u korisne kanale zbog kojih se informacije ponegdje završavaju i nešto urade.
