Što je $ @! je otkrivanje podataka?

Poslovni svijet zuji u otkrivanju podataka. Na površini to izgleda kao jednostavan izraz, ali ova fraza znači više nego "pronalaženje stvari". Pa što je zapravo otkrivanje podataka? I kako se uklapa u moderni krajolik mobilnih, analitičkih i velikih podataka?

Otkrivanje podataka, koje se ponekad naziva i rudarjenje podataka, uključuje prikupljanje i analizu podataka, a zatim predstavljanje nalaza u čitljivim i korisnim formatima. U najosnovnijim crtama, otkrivanje podataka je proces pronalaska obrazaca unutar podataka i korištenja tih obrazaca za postizanje određenog poslovnog cilja.

Naravno, postoji više za otkrivanje podataka nego za usklađivanje bodova. Organizacije koriste otkrivanje podataka za širok raspon ciljeva i primjena u raznim područjima - a u modernom digitalnom svijetu može se otkriti više podataka nego ikad prije.

Odakle je otkriće podataka?

Iako je otkrivanje podataka relativno novo u "vrućem" leksikonu digitalnih poslovnih termina, metode i strategije nisu toliko nove. Termin prethodnik, vađenje podataka, uveden je 1990-ih, ali tvrtke i organizacije koriste neki oblik otkrivanja podataka još od zore trgovine.

Suvremeno otkrivanje podataka kao poslovna strategija nastalo je porastom velikih podataka - sveobuhvatnim izrazom koji opisuje relativno nedavni eksponencijalni rast velikih, složenih skupova podataka gdje čista količina podataka isključuje koristeći tradicionalne baze podataka i organizacijske alate za izdvojiti bilo što korisno.

Međutim, veliki podaci velik su posao za današnje poslovanje, jer među svim tim strukturiranim i nestrukturiranim podacima vrlo su korisni obrasci koji se mogu koristiti za poboljšanje marketinških strategija, povrata ulaganja i profita. Platforme za otkrivanje podataka stoga su oblikovane tako da organizacijama omogućuju jednostavnije načine utvrđivanja, analize i vađenja relevantnih podataka.

Kako funkcionira otkrivanje podataka

Platforme za otkrivanje podataka obično se sastoje od nekoliko alata koji se povezuju i djeluju zajedno da bi izvukli podatke i prezentirali ih na smisleni način. Postoji nekoliko različitih načina na koje ovi alati pronalaze i identificiraju relevantne informacije, ali većina se vrti oko tri osnovne analitičke metode:

• Metapodaci: Sav digitalni sadržaj sadrži metapodatke ili "podatke o podacima". Te su informacije uglavnom skrivene od krajnjih korisnika, ali su vidljive na stražnjem kraju. Metapodaci se obično pohranjuju koristeći tablice i atribute stupaca - pa bi alati za otkrivanje podataka pomoću metapodataka tražili podudaranja u nazivu stupca, veličini podataka i vrsti podataka.
• Oznake: U mnogim se slučajevima podaci generiraju i grupiraju pod naljepnicama ili oznakama koje opisuju podatke unutar te skupine. Te se oznake mogu stvoriti kad se podaci stvore ili se mogu dodati za referencu i dodatne informacije. Oznake ili oznake slične su metapodacima, iako manje formalno.
• Sadržaj: Ova strategija analizira same podatke umjesto priloženih naljepnica ili metapodataka.

Tipično će biti puno više volumena podataka od oznaka ili metapodataka, što znači da identifikacija podataka po sadržaju traje duže i koristi složenije metode otkrivanja. Međutim, analiza sadržaja također nastoji pružiti bogatije i korisnije relacijske rezultate.

Nakon što se analiziraju podaci, drugi se alati za otkrivanje podataka mogu upotrijebiti za predstavljanje otkrivenih odnosa, trendova ili uzoraka u korisnom formatu. Grafikoni, tablice i grafikoni osnovni su alati za prezentaciju koji se koriste u otkrivanju podataka, ali složenije, ali čitljive prezentacije, poput infografike, dobivaju prednost kod analitičara podataka.

Što otkrivanje podataka može učiniti?

U pogledu praktične uporabe, gotovo da je neograničeno korištenje platforma i alata za otkrivanje podataka. Ove metode i strategije najčešće koriste organizacije koje se suočavaju sa potrošačima u gotovo svakoj industriji, uključujući trgovinu, financije, komunikacije i marketing, mada neprofitne organizacije i organizacije koje posluju bez ulaganja također koriste ovu tehnologiju.

Otkrivanje podataka omogućuje organizaciji pronalaženje odnosa između unutarnjih čimbenika (poput cijene, pozicioniranja proizvoda i performanse zaposlenika) i vanjskih faktora (poput podataka o konkurenciji, ekonomskih pokazatelja i demografije kupaca). Ti odnosi pomažu tvrtkama da ilustriraju i definiraju utjecaje promjena jednog ili više čimbenika na prodaju, angažman kupaca i dobit.

Alati korišteni za otkrivanje podataka nude detaljniju sliku utjecajnih čimbenika i omogućavaju tvrtkama da dorade svoje marketinške strategije i reklamne kampanje s visoko ciljanim informacijama. Motor preporuka za popularni streaming video servis Netflix dobar je primjer tehnologije otkrivanja podataka na djelu. Usluga koristi vanjske podatke o povijesti pregleda korisnika i interne podatke o medijskom sadržaju u svojoj bazi podataka kako bi dali individualizirane prijedloge za nove videozapise koji će vjerojatno zanimati njihove kupce.

Ali potencijalna primjena otkrivanja podataka nadilazi maloprodajne potrošače. Jedan primjer je Napredni izviđački softver, program koji koristi Nacionalna košarkaška asocijacija (NBA). Analizira kretanje igrača iz snimaka košarkaških utakmica kako bi pomogao trenerima da razviju strategije i da orkestriraju igru.

Kako platforme za otkrivanje podataka napreduju, a tehnologija postaje pristupačnija, više će organizacija moći koristiti ove alate kako bi bolje razumjele svoje kupce i isporučile jedinstvene, prilagođene ponude koje poboljšavaju trgovinu za sve.