Оглавление:
- Перенос больших данных непосредственно в отраслевые платформы
- Создание устаревших систем бизнес-аналитики
- Используйте это хранилище данных
- Структура данных
- Выявление и обработка озер данных
В наши дни много говорят о том, что связано с созданием ИТ-установок для больших данных: от использования Apache Hadoop и связанных с ним инструментов до инновационного доступа, до разговоров о технических способах передачи данных в центральные корпоративные хранилища данных и обратно. Но есть и философский элемент больших данных. Другими словами, как вы используете все эти данные, которые лежат без дела, чтобы действительно повысить ваши бизнес-результаты и улучшить вашу бизнес-модель?
Вот пять способов, которыми компании сокращают цифры и фактически применяют их к некоторым конкретным результатам.
Перенос больших данных непосредственно в отраслевые платформы
Один из простых способов начать использовать агрегированные бизнес-данные - это поместить определенные элементы данных в заранее спроектированные системы бизнес-процессов, предназначенные для эффективной доставки этих данных. Возможно, лучшим примером являются инструменты управления взаимоотношениями с клиентами (CRM). Продавцы часто строят свои сервисы на инструментальных панелях, которые могут предоставить продавцам и другим работникам эффективные и действенные файлы или папки клиентов.
Дело в том, что использование CRM предполагает наличие необходимых данных где-то. Если вы можете сгруппировать идентификаторы клиентов, истории покупок и другие соответствующие элементы вместе, вы можете начать отправлять все это на свою CRM-платформу. Ваш отдел продаж поблагодарит вас.
Создание устаревших систем бизнес-аналитики
Опять же, вы будете выбирать и выбирать, какие именно наборы данных вы хотите использовать, но еще одна вещь, которую делают компании, - это использовать свои обычные способы обработки данных и их медленного расширения, вводя все больше и больше наборов больших данных в свои традиционные методы отчетности.
Итак, есть несколько предостерегающих ресурсов о том, сколько унаследованных систем обычно сдерживает реальный прогресс. Но есть также некоторые практические руководства, которые показывают некоторые проблемы в использовании устаревших технологий для больших данных, как это можно сделать, и как правильный персонал может все изменить. Кроме того, технически все «унаследовано» после развертывания, поэтому не всегда имеет смысл утилизировать устаревшую систему каждый раз, когда появляется что-то лучшее.
Используйте это хранилище данных
Если у вас есть большие данные в центральном хранилище, и вы знаете, как получить к ним доступ, вы можете создавать новые процессы вокруг них.
Вот отличный пример того, как некоторые крупные компании стремятся к конкретному, точному и точно указанному использованию больших данных. Вы могли бы назвать это перекрестной индексацией; это помогает предприятию создавать согласованные модели между всеми их многочисленными учетными записями клиентов, которые могут храниться в разных частях архитектуры программного обеспечения.
Объединяя все действующие данные вместе, компания может увидеть, например, совпадает ли имя в ее единой базе данных о точках продаж в одном из своих сервисных подразделений. Затем компания импортирует информацию в оба отдела, поэтому, когда кто-то поднимает трубку, он знает, что этот человек активен в обоих отдельных каналах.
Это практическое использование бизнес-аналитики - оно помогает вам действительно что-то делать на основе всех больших данных, которые вы собрали вместе.
Структура данных
Другая большая проблема с большими данными заключается в том, что компании часто собирают относительно неструктурированные данные. Неструктурированные данные могут поступать в виде бумажных или цифровых документов, необработанных или неопределяемых ресурсов базы данных или даже фрагментов текста и кода с мобильных устройств. Общим для неструктурированных данных является то, что они не соответствуют формату реляционной базы данных. В результате традиционная база данных с возможностью обращения с ней не может с этим справиться, и вы не получите никакой бизнес-аналитики.
Есть два способа справиться с этим: взять лопату и начать копать, или получить некоторые ресурсы, которые превращают эти неструктурированные данные в действенные данные. Компании, которые не хотят вкладывать средства в новое программное обеспечение, могут использовать руки человека для сортировки неструктурированных данных и их правильного форматирования, но теперь у вас есть некоторые альтернативы благодаря инструментам, которые эффективно анализируют неструктурированные данные. Например, метаданные - это один из способов автоматизации интеллектуального анализа данных, который делает их полезными.
Выявление и обработка озер данных
Другое большое модное слово в сообществе больших данных - озеро данных. По сути, озеро данных - это просто большой пул данных, который там не используется. Это типичное определение данных в состоянии покоя - с ними ничего не делается, их не беспокоят, они столь же ледяные и спокойные, как облик застойного водоема.
Опять же, есть много разных способов обработки озер данных, но все они начинают с размышлений о том, что находится в этих больших наборах данных и почему они находятся в холодном хранилище. Компании строят свои собственные центры обработки данных и используют ультрасовременные объектно-ориентированные технологии кластеризации данных, чтобы разбить эти озера данных на части, пригодные для действий. Это на самом деле делается в индивидуальном порядке, но у некоторых экспертов есть предложения о том, как объединить эти озера данных в полезные каналы, которые заставляют фрагменты информации где-то попадать и что-то делать.
