Wat de $ @! is data-ontdekking?

Het bedrijfsleven bruist van het ontdekken van gegevens. Op het eerste gezicht lijkt het een eenvoudige term, maar deze slogan betekent meer dan 'dingen ontdekken'. Dus wat is data-ontdekking eigenlijk? En hoe past het in het moderne landschap van mobiel, analyse en big data?

Gegevensontdekking, ook wel datamining genoemd, omvat het verzamelen en analyseren van gegevens en vervolgens de bevindingen presenteren in leesbare, bruikbare formaten. In de meest basale termen is gegevensontdekking het proces van het vinden van patronen in gegevens en het gebruiken van die patronen om een ​​bepaald bedrijfsdoel te bereiken.

Data-ontdekking is natuurlijk meer dan punten koppelen. Organisaties gebruiken gegevensontdekking voor een breed scala aan doelstellingen en toepassingen op verschillende gebieden - en in een moderne, digitale wereld is er meer gegevens te ontdekken dan ooit.

Waar komt data-ontdekking vandaan?

Hoewel data-ontdekking relatief nieuw is voor het "hot" lexicon van digitale zakelijke termen, zijn de methoden en strategieën niet zo nieuw. De voorganger van de term, datamining, werd geïntroduceerd in de jaren negentig, maar bedrijven en organisaties gebruiken sinds het begin van de commercie een vorm van gegevensontdekking.

Moderne gegevensontdekking als bedrijfsstrategie is tot stand gekomen door de opkomst van big data - een verzamelnaam die de relatief recente, exponentiële groei van grote, complexe gegevenssets beschrijft waarbij de enorme hoeveelheid informatie het gebruik van traditionele database- en organisatiehulpmiddelen uitsluit om haal alles wat nuttig is.

Big data is echter een groot probleem voor de hedendaagse bedrijven, omdat gestructureerde en ongestructureerde gegevens zeer nuttige patronen zijn die kunnen worden gebruikt om marketingstrategieën, ROI en winst te verbeteren. Platforms voor gegevensontdekking zijn daarom ontworpen om organisaties eenvoudiger manieren te geven om relevante gegevens te lokaliseren, analyseren en extraheren.

Hoe werkt het ontdekken van gegevens

Platforms voor gegevensontdekking bestaan ​​meestal uit verschillende tools die zijn gebundeld en samenwerken om gegevens te extraheren en op een zinvolle manier te presenteren. Er zijn verschillende manieren waarop deze tools relevante informatie vinden en identificeren, maar de meeste draaien rond drie analytische basismethoden:

• Metagegevens: alle digitale inhoud bevat metagegevens of 'gegevens over gegevens'. Deze informatie is over het algemeen verborgen voor eindgebruikers, maar is zichtbaar aan de achterkant. Metagegevens worden meestal opgeslagen met behulp van tabellen en kolomkenmerken - dus hulpprogramma's voor gegevensontdekking die metagegevens gebruiken, zoeken naar overeenkomsten in kolomnaam, gegevensgrootte en gegevenstype.
• Labels: in veel gevallen worden gegevens gegenereerd en gegroepeerd onder labels of tags die de gegevens binnen die groep beschrijven. Deze tags kunnen worden gegenereerd wanneer de gegevens worden gemaakt, of kunnen worden toegevoegd voor referentie en aanvullende informatie. Labels of tags zijn vergelijkbaar met metagegevens, hoewel minder formeel.
• Inhoud: deze strategie analyseert de gegevens zelf, in plaats van bijgevoegde labels of metagegevens.

Doorgaans zal er veel meer inhoud datavolume zijn dan tags of metadata, wat betekent dat het identificeren van gegevens door inhoud langer duurt en complexere detectiemethoden gebruikt. Inhoudsanalyse levert echter ook rijkere en nuttiger relationele resultaten op.

Nadat de gegevens zijn geanalyseerd, kunnen andere hulpmiddelen voor gegevensontdekking worden gebruikt om de ontdekte relaties, trends of patronen in een handig formaat te presenteren. Grafieken, tabellen en grafieken zijn basispresentatietools die worden gebruikt bij het ontdekken van gegevens, maar complexere maar leesbare presentaties, zoals infographics, winnen aan populariteit bij gegevensanalisten.

Wat kan Data Discovery doen?

In termen van praktisch gebruik zijn er bijna onbeperkte gebruiksmogelijkheden voor platforms en hulpmiddelen voor gegevensontdekking. Deze methoden en strategieën worden het meest gebruikt door consumentengerichte organisaties in bijna elke branche, inclusief retail, financiën, communicatie en marketing, hoewel non-profit, business-to-business organisaties en overheidsinstanties ook gebruik maken van deze technologie.

Gegevensontdekking stelt een organisatie in staat om relaties te vinden tussen interne factoren (zoals prijs, productpositionering en werknemersprestaties) en externe factoren (zoals concurrentiegegevens, economische indicatoren en klantdemografie). Deze relaties helpen bedrijven om de impact van veranderingen in een of meer factoren op verkoop, klantbetrokkenheid en winst te illustreren en te definiëren.

De tools die worden gebruikt bij gegevensontdekking bieden een meer gedetailleerd beeld van invloedrijke factoren en stellen bedrijven in staat hun marketingstrategieën en advertentiecampagnes te verfijnen met zeer gerichte informatie. De aanbevelingsengine op de populaire streaming-videodienst Netflix is ​​een goed voorbeeld van data-detectietechnologie op het werk. De service maakt gebruik van externe gegevens over de kijkgeschiedenis van klanten en interne gegevens over de media-inhoud in hun database om geïndividualiseerde suggesties te doen voor nieuwe video's die waarschijnlijk hun klanten interesseren.

Maar de potentiële toepassing van data-ontdekking gaat verder dan consumenten. Een voorbeeld is Advanced Scout-software, een programma dat wordt gebruikt door de National Basketball Association (NBA). Het analyseert de bewegingen van spelers van beeldopnames van basketbalwedstrijden om coaches te helpen strategieën te ontwikkelen en spelen te orkestreren.

Naarmate platforms voor gegevensontdekking vooruitgaan en de technologie betaalbaarder wordt, zullen meer organisaties deze tools kunnen gebruiken om hun klanten beter te begrijpen en unieke, op maat gemaakte aanbiedingen te leveren die de handel voor iedereen verbeteren.