Что за $ @! такое обнаружение данных?

Деловой мир гудит от открытия данных. На первый взгляд это кажется простым термином, но эта ключевая фраза означает больше, чем «выяснить вещи». Так что же такое обнаружение данных? И как это вписывается в современный ландшафт мобильных устройств, аналитики и больших данных?

Обнаружение данных, которое иногда называют интеллектуальным анализом данных, включает сбор и анализ данных, а затем представление результатов в удобочитаемых, пригодных для использования форматах. В самых основных терминах обнаружение данных - это процесс поиска шаблонов в данных и использования этих шаблонов для достижения конкретной бизнес-цели.

Конечно, обнаружение данных - это не только сопоставление точек. Организации используют обнаружение данных для широкого круга задач и применений в различных областях - и в современном цифровом мире есть больше данных, чтобы открыть, чем когда-либо.

Откуда произошло обнаружение данных?

Хотя обнаружение данных является относительно новым для «горячей» лексики терминов цифрового бизнеса, методы и стратегии не так уж новы. Предшественник этого термина, интеллектуальный анализ данных, был введен в 1990-х годах, но предприятия и организации использовали некоторую форму обнаружения данных с момента зарождения коммерции.

Современное обнаружение данных как бизнес-стратегия стало возможным благодаря появлению больших данных - универсальному термину, который описывает относительно недавний экспоненциальный рост больших и сложных наборов данных, когда огромный объем информации исключает использование традиционных баз данных и организационных инструментов для извлечь что-нибудь полезное.

Однако большие данные представляют большую проблему для современного бизнеса, поскольку среди всех этих структурированных и неструктурированных данных есть весьма полезные шаблоны, которые можно использовать для улучшения маркетинговых стратегий, рентабельности инвестиций и прибыли. Таким образом, платформы для обнаружения данных предназначены для упрощения поиска, анализа и извлечения соответствующих данных организациями.

Как работает обнаружение данных

Платформы для обнаружения данных, как правило, состоят из нескольких инструментов, которые объединены вместе и работают совместно для извлечения данных и представления их осмысленным способом. Существует несколько различных способов, с помощью которых эти инструменты находят и идентифицируют соответствующую информацию, но большинство из них вращаются вокруг трех основных аналитических методов:

• Метаданные. Весь цифровой контент содержит метаданные или «данные о данных». Эта информация, как правило, скрыта от конечных пользователей, но видна на серверной части. Метаданные обычно хранятся с использованием таблиц и атрибутов столбцов, поэтому инструменты обнаружения данных, использующие метаданные, будут искать совпадения по имени столбца, размеру данных и типу данных.
• Метки: во многих случаях данные создаются и группируются под метками или тегами, которые описывают данные в этой группе. Эти теги могут быть сгенерированы при создании данных или могут быть добавлены для справки и дополнительной информации. Метки или теги похожи на метаданные, но менее формальны.
• Содержание: эта стратегия анализирует сами данные, а не прикрепленные метки или метаданные.

Как правило, объем данных контента будет гораздо больше, чем тегов или метаданных, что означает, что идентификация данных по контенту занимает больше времени и использует более сложные методы обнаружения. Тем не менее, контент-анализ также дает более богатые и полезные реляционные результаты.

После анализа данных можно использовать другие инструменты обнаружения данных, чтобы представить обнаруженные связи, тенденции или закономерности в полезном формате. Графики, таблицы и диаграммы являются основными инструментами представления данных, используемыми при обнаружении данных, но более сложные, но удобочитаемые презентации, такие как инфографика, завоевывают популярность у аналитиков данных.

Что может сделать обнаружение данных?

С точки зрения практического использования, платформы и инструменты для обнаружения данных практически неограниченны. Эти методы и стратегии чаще всего используются организациями, работающими с потребителями, почти во всех отраслях, включая розничную торговлю, финансы, связь и маркетинг, хотя некоммерческие организации, организации для бизнеса и государственные учреждения также используют эту технологию.

Обнаружение данных позволяет организации находить взаимосвязи между внутренними факторами (такими как цена, позиционирование продукта и производительность сотрудников) и внешними факторами (такими как данные о конкуренции, экономические показатели и демография клиентов). Эти отношения помогают предприятиям проиллюстрировать и определить влияние изменений одного или нескольких факторов на продажи, вовлеченность клиентов и прибыль.

Инструменты, используемые при обнаружении данных, предлагают более детальную картину влиятельных факторов и позволяют компаниям точно настраивать свои маркетинговые стратегии и рекламные кампании с помощью точной информации. Движок рекомендаций для популярного сервиса потокового видео Netflix является хорошим примером технологии обнаружения данных в действии. Служба использует внешние данные об истории просмотра клиентов и внутренние данные о мультимедийном контенте в своей базе данных, чтобы делать индивидуальные предложения для новых видео, которые могут заинтересовать их клиентов.

Но потенциальное применение обнаружения данных выходит за рамки розничных потребителей. Одним из примеров является программное обеспечение Advanced Scout, программа, используемая Национальной баскетбольной ассоциацией (NBA). Он анализирует движения игроков от записи изображений баскетбольных игр, чтобы помочь тренерам разрабатывать стратегии и организовывать игры.

По мере развития платформ обнаружения данных и того, что технологии становятся все более доступными, все больше организаций смогут использовать эти инструменты для лучшего понимания своих клиентов и предоставления уникальных, персонализированных предложений, улучшающих коммерцию для всех.