Kazalo:
- Priloži velike podatke neposredno na platforme, specifične za sektor
- Izdelajte starejše sisteme poslovne inteligence
- Uporabite to skladišče podatkov
- Podatki o strukturi
- Prepoznavanje in obdelava podatkovnih jezer
V današnjem času se veliko govori o tem, kaj je povezano z ustvarjanjem informacijskih nastavitev za velike podatke, od uporabe Apache Hadoop in z njimi povezanih orodij do inovativnosti dostopnosti, do pogovorov o tehničnih načinih za preusmeritev podatkov v centralna skladišča podatkov in iz njih. Vendar obstaja tudi filozofski element velikih podatkov. Z drugimi besedami, kako z vsemi temi podatki, ki jih imate, resnično izboljšate poslovne rezultate in izboljšate svoj poslovni model?
Tu je pet načinov, kako podjetja krčijo številke in jih dejansko uporabljajo za nekatere konkretne rezultate.
Priloži velike podatke neposredno na platforme, specifične za sektor
Eden enostavnih načinov za začetek uporabe združenih poslovnih podatkov je, da se v predhodno izdelane sisteme poslovnih procesov, ki so narejeni za učinkovito dostavo teh podatkov, vnesejo posebni podatkovni elementi. Morda je najboljši primer orodje za upravljanje odnosov s strankami (CRM). Prodajalci svoje storitve pogosto gradijo na nadzornih ploščah, ki lahko prodajnim delavcem in drugim predstavijo učinkovite in uporabne datoteke ali mape strank.
Stvar je v tem, da uporaba CRM predpostavlja, da imate nekje potrebne podatke. Če lahko združite identifikatorje strank, zgodovino nakupov in druge ustrezne izdelke, lahko vse to začnete pošiljati na svojo CRM platformo. Vaša prodajna ekipa se vam bo zahvalila.
Izdelajte starejše sisteme poslovne inteligence
Ponovno boste izbirali in izbirali, katere posebne nabore podatkov želite uporabiti, toda druga stvar, ki jo počnejo podjetja, je to, da uporabljajo običajne načine drobljenja podatkov in jih počasi širijo, tako da v svoje tradicionalne vbrizgajo vse več in več naborov velikih podatkov tehnike poročanja.
V redu, torej obstaja več kot nekaj previdnih virov o tem, koliko starih sistemov na splošno zadrži dejanski napredek. Vendar obstaja tudi nekaj praktičnih vodnikov, ki prikazujejo nekatere izzive pri uporabi zapuščenih tehnologij za velike podatke, kako je to mogoče storiti in kako lahko ustrezni kadri vse spremenijo. Poleg tega je tehnično gledano vse "zapuščeno", ko je enkrat nameščen, tako da ni vedno smiselno, da se zapuščinski sistem odstrani vsakič, ko pride nekaj boljšega.
Uporabite to skladišče podatkov
Če imate v centralnem skladišču velike podatke in veste, kako do njega dostopati, lahko okoli tega zgradite nove procese.
Tu je odličen primer, kako nekatera večja podjetja zasledujejo posebne, natančne in natančne uporabe velikih podatkov. Lahko bi ga imenovali navzkrižno indeksiranje; podjetju pomaga sestaviti dosledne modele med vsemi njihovimi številnimi računi strank, ki se lahko hranijo v različnih delih programske arhitekture.
Če združimo vse podatke, ki jih je mogoče uporabiti, lahko podjetje ugotovi, ali se na primer ime v njegovi prodajalni za enkratno prodajo na drobno ujema z imenom v enem od njegovih servisnih oddelkov. Podjetje nato podatke uvozi v oba oddelka, tako da ko nekdo dvigne telefon, ve, da je ta oseba dejavna na obeh ločenih kanalih.
To je praktična uporaba poslovne inteligence - pomaga vam, da dejansko naredite nekaj, kar temelji na vseh velikih podatkih, ki ste jih strgali skupaj.
Podatki o strukturi
Druga velika težava z velikimi podatki je, da podjetja pogosto zbirajo relativno nestrukturirane podatke. Nestrukturirani podatki so lahko v obliki papirja ali digitalnih dokumentov, surovih ali nerafiniranih virov baze podatkov ali celo odrezkov besedila in kode iz mobilnih naprav. Skupno ima nestrukturirane podatke to, da ne sledijo formatu relacijske baze podatkov. Kot rezultat tega tradicionalna relativna baza podatkov ne zmore in iz nje ne boste dobili nobene poslovne inteligence.
Obstajata dva načina za to: zgrabite lopato in začnite kopati ali pridobiti nekaj virov, ki te nestrukturirane podatke predelajo v dejanske podatke. Podjetja, ki ne želijo vlagati v novo programsko opremo, lahko zaposlijo človeške roke za razvrščanje nestrukturiranih podatkov in pravilno oblikovanje, zdaj pa imate na voljo nekaj možnosti zahvaljujoč orodjem, ki bodo nestrukturirane podatke učinkovito razčlenile. Metapodatki so na primer eden od načinov avtomatizacije rudarjenja podatkov na način, ki je uporaben.
Prepoznavanje in obdelava podatkovnih jezer
Še ena velika glasba v skupnosti z velikimi podatki je podatkovno jezero. V bistvu je podatkovno jezero le velik nabor podatkov, ki sedi tam neporabljeno. To je najpomembnejša opredelitev podatkov v mirovanju - nič se ne dela z njo, ne moti se, je tako ledena in gladka kot furnir mirujočega vodnega telesa.
Spet obstaja veliko različnih načinov za obdelavo podatkovnih jezer, vendar se vsi začnejo z razmislekom o tem, kaj je v teh velikih naborih podatkov in zakaj so v hladilniku. Podjetja gradijo lastne podatkovne centre in uporabljajo ultramoderne objektivno usmerjene tehnologije združevanja podatkov, da razčlenijo ta podatkovna jezera na delitve. To je resnično narejeno na podlagi lastnih primerov za vsak primer, vendar imajo nekateri strokovnjaki predloge, kako te podatkovne jezerce vstaviti v uporabne kanale, zaradi katerih se informacije ponekod končajo in nekaj storijo.
