Inhoudsopgave:
- Big data rechtstreeks naar sectorspecifieke platforms overbrengen
- Bouw Legacy Business Intelligence-systemen uit
- Gebruik dat datawarehouse
- Structuurgegevens
- Gegevensmeren identificeren en verwerken
Tegenwoordig wordt er veel gepraat over wat betrokken is bij het maken van big data IT-instellingen, van het gebruik van Apache Hadoop en gerelateerde tools om de toegankelijkheid te innoveren tot gesprekken over technische manieren om gegevens in en uit centrale bedrijfsdatawarenhuizen te leiden. Maar er is ook het filosofische element van big data. Met andere woorden, hoe gebruikt u al die gegevens die rondslingeren om uw bedrijfsresultaten echt te verbeteren en uw bedrijfsmodel te verbeteren?
Hier zijn vijf manieren waarop bedrijven de cijfers kraken en deze daadwerkelijk toepassen op enkele concrete resultaten.
Big data rechtstreeks naar sectorspecifieke platforms overbrengen
Een eenvoudige manier om geaggregeerde bedrijfsgegevens te gebruiken, is door specifieke gegevenselementen in vooraf ontworpen bedrijfsprocesystemen te plaatsen die zijn gemaakt om die gegevens effectief te leveren. Misschien is het beste voorbeeld tools voor klantrelatiebeheer (CRM). Leveranciers bouwen hun services vaak op rond dashboards die verkopers en anderen efficiënte en bruikbare klantbestanden of -mappen kunnen bieden.
Het punt is dat het gebruik van CRM veronderstelt dat je ergens de benodigde gegevens hebt. Als u klantidentificaties, aankoopgeschiedenissen en andere relevante artikelen kunt groeperen, kunt u dit allemaal naar uw CRM-platform verzenden. Je verkoopteam zal je bedanken.
Bouw Legacy Business Intelligence-systemen uit
Nogmaals, u zult kiezen en kiezen welke specifieke gegevenssets u wilt gebruiken, maar een ander ding dat bedrijven doen, is hun normale manier gebruiken om gegevens te kraken en ze langzaam uit te breiden, door meer en meer sets big data in hun traditionele gegevens te injecteren rapportagetechnieken.
OK, dus er zijn meer dan een paar waarschuwende bronnen over hoeveel oudere systemen over het algemeen de daadwerkelijke vooruitgang tegenhouden. Maar er zijn ook enkele praktische handleidingen die een aantal van de uitdagingen laten zien bij het gebruik van oudere technologieën voor big data, hoe het kan en hoe het juiste personeel het verschil kan maken. Bovendien is technisch gezien alles "legacy" als het eenmaal is geïmplementeerd, dus het is niet altijd logisch om een legacy-systeem te schrappen telkens wanneer er iets beters langskomt.
Gebruik dat datawarehouse
Als u big data in een centrale repository heeft en u weet hoe u er toegang toe kunt krijgen, kunt u daar nieuwe processen om bouwen.
Hier is een uitstekend voorbeeld van hoe sommige grotere bedrijven specifiek, nauwkeurig en nauwkeurig gebruik van big data nastreven. Je zou het cross-indexing kunnen noemen; het helpt een onderneming om consistente modellen te maken tussen al hun verschillende soorten klantaccounts die in verschillende delen van de software-architectuur kunnen worden bewaard.
Door alle bruikbare gegevens te combineren, kan een bedrijf bijvoorbeeld zien of een naam in zijn eenmalige verkooppuntdatabase overeenkomt met een naam in een van zijn serviceafdelingen. Het bedrijf importeert de informatie vervolgens naar beide afdelingen, zodat wanneer iemand de telefoon oppakt, deze weet dat die persoon actief is op beide afzonderlijke kanalen.
Dit is praktisch gebruik van business intelligence - het helpt je om daadwerkelijk iets te doen op basis van alle big data die je hebt verzameld.
Structuurgegevens
Een ander groot probleem met big data is dat bedrijven vaak relatief ongestructureerde data verzamelen. Ongestructureerde gegevens kunnen de vorm aannemen van papieren of digitale documenten, onbewerkte of niet-verfijnde databasebronnen, of zelfs fragmenten van tekst en code van mobiele apparaten. Wat ongestructureerde gegevens gemeen hebben, is dat deze niet het relationele databaseformaat volgen. Als gevolg hiervan kan de traditionele, betrouwbare database het niet aan en krijgt u er geen business intelligence uit.
Er zijn twee manieren om dit aan te pakken: pak een schep en begin met graven, of verkrijg een aantal bronnen die die ongestructureerde gegevens in bruikbare gegevens verfijnen. Bedrijven die niet in nieuwe software willen investeren, kunnen mensenhanden gebruiken om ongestructureerde gegevens te sorteren en correct te formatteren, maar nu heb je een aantal alternatieven dankzij tools die ongestructureerde gegevens effectief zullen ontleden. Metadata is bijvoorbeeld een manier om datamining op een manier te automatiseren die het nuttig maakt.
Gegevensmeren identificeren en verwerken
Een ander groot modewoord in de big data-community is data lake. In wezen is het datameer gewoon een grote hoeveelheid gegevens die daar ongebruikt staat. Het is de typische definitie van gegevens in rust - er wordt niets mee gedaan, het wordt niet gestoord, het is zo ijzig en rustig als het fineer van een stilstaand waterlichaam.
Nogmaals, er zijn veel verschillende manieren om met datameren om te gaan, maar ze beginnen allemaal met nadenken over wat er in die grote datasets zit en waarom ze zich in de eerste plaats in een koude opslag bevinden. Bedrijven bouwen hun eigen datacenters en gebruiken ultramoderne objectgeoriënteerde dataclusteringstechnologieën om deze datameren op te delen in bruikbare stukken. Dit wordt echt geval per geval gedaan, maar sommige experts hebben suggesties over hoe die datameren in behulpzame kanalen kunnen worden samengevoegd waardoor stukjes informatie ergens terechtkomen en iets doen.
