5 Cara untuk mendapatkan nilai dari data bisnis Anda

Ada banyak pembicaraan hari ini tentang apa yang terlibat dalam membuat data besar pengaturan TI, dari penggunaan Apache Hadoop dan alat terkait untuk berinovasi aksesibilitas, ke percakapan tentang cara teknis untuk menyalurkan data masuk dan keluar dari gudang data perusahaan pusat. Tetapi ada juga elemen filosofis dari data besar. Dengan kata lain, bagaimana Anda menggunakan semua data yang ada di sekitar untuk benar-benar meningkatkan hasil bisnis Anda dan meningkatkan model bisnis Anda?

Berikut adalah lima cara perusahaan menghitung angka-angka dan benar-benar menerapkannya pada beberapa hasil nyata.

Port Big Data Langsung ke Platform Sektor Khusus

Salah satu cara mudah untuk mulai menggunakan data bisnis teragregasi adalah dengan memasukkan elemen data spesifik ke dalam sistem proses bisnis yang dirancang sebelumnya yang dibuat untuk mengirimkan data tersebut secara efektif. Mungkin contoh terbaik adalah alat manajemen hubungan pelanggan (CRM). Vendor sering membangun layanan mereka di sekitar dasbor yang dapat menyajikan file atau folder pelanggan yang efisien dan dapat ditindaklanjuti.

Masalahnya adalah bahwa menggunakan CRM berasumsi bahwa Anda memiliki data yang diperlukan di suatu tempat. Jika Anda dapat mengelompokkan pengidentifikasi pelanggan, sejarah pembelian, dan barang-barang relevan lainnya, Anda dapat mulai mengirimkan semua ini ke dalam platform CRM Anda. Tim penjualan Anda akan berterima kasih.

Membangun Sistem Intelegensi Bisnis Warisan

Sekali lagi, Anda akan memilih dan memilih set data spesifik apa yang ingin Anda gunakan, tetapi hal lain yang dilakukan perusahaan adalah mengambil cara normal mengolah data dan memperluasnya secara perlahan, dengan menyuntikkan semakin banyak set data besar ke dalam tradisional mereka teknik pelaporan.

OK, jadi ada lebih dari beberapa sumber peringatan di luar sana tentang seberapa banyak sistem warisan umumnya menahan kemajuan yang sebenarnya. Tetapi ada juga beberapa panduan praktis di luar sana yang menunjukkan beberapa tantangan dalam menggunakan teknologi lama untuk data besar, bagaimana hal itu dapat dilakukan, dan bagaimana staf yang tepat dapat membuat perbedaan. Plus, secara teknis, semuanya "warisan" begitu dikerahkan, jadi tidak selalu masuk akal untuk membatalkan sistem warisan setiap kali ada sesuatu yang lebih baik datang.

Gunakan Gudang Data itu

Jika Anda memiliki data besar di repositori pusat dan Anda tahu cara mengaksesnya, Anda bisa membangun proses baru di sekitarnya.

Berikut adalah contoh yang sangat baik tentang bagaimana beberapa perusahaan besar mengejar penggunaan data besar yang spesifik, tepat, dan tepat. Anda mungkin menyebutnya pengindeksan silang; ini membantu perusahaan untuk membangun model yang konsisten antara semua jenis akun pelanggannya yang berbeda yang mungkin disimpan di berbagai bagian arsitektur perangkat lunak.

Dengan menggabungkan semua data yang dapat ditindaklanjuti bersama-sama, perusahaan mungkin dapat melihat apakah, misalnya, nama dalam basis data penjualan satu kali ritel cocok dengan nama di salah satu divisi layanannya. Perusahaan kemudian mengimpor informasi tersebut ke kedua departemen, sehingga ketika seseorang mengangkat telepon, mereka tahu bahwa orang itu aktif di kedua saluran yang terpisah.

Ini adalah penggunaan praktis intelijen bisnis - ini membantu Anda untuk benar-benar melakukan sesuatu berdasarkan semua data besar yang telah Anda kumpulkan bersama.

Struktur Data

Masalah besar lainnya dengan big data adalah perusahaan seringkali mengumpulkan data yang relatif tidak terstruktur. Data yang tidak terstruktur dapat berupa kertas atau dokumen digital, sumber daya basis data mentah atau mentah, atau bahkan potongan teks dan kode dari perangkat seluler. Apa yang memiliki kesamaan data tidak terstruktur adalah bahwa ia tidak mengikuti format database relasional. Akibatnya, database relatable tradisional tidak bisa mengatasinya, dan Anda tidak mendapatkan intelijen bisnis darinya.

Ada dua cara untuk menangani ini: ambil sekop dan mulai menggali, atau dapatkan beberapa sumber daya yang menyaring data yang tidak terstruktur itu menjadi data yang dapat ditindaklanjuti. Perusahaan yang tidak ingin berinvestasi dalam perangkat lunak baru dapat menggunakan tangan manusia untuk memilah-milah data tidak terstruktur dan memformatnya dengan benar, tetapi sekarang Anda memiliki beberapa alternatif berkat alat yang akan mengurai data tidak terstruktur secara efektif. Metadata, misalnya, adalah salah satu cara mengotomatisasi penambangan data dengan cara yang membuatnya berguna.

Identifikasi dan Tangani Data Lakes

Kata kunci besar lainnya dalam komunitas data besar adalah data lake. Pada dasarnya, danau data hanyalah kumpulan besar data yang duduk di sana tidak digunakan. Ini adalah definisi klasik dari data saat istirahat - tidak ada yang dilakukan dengan itu, tidak terganggu, sedingin es dan tenang seperti lapisan air genangan air.

Sekali lagi, ada banyak cara berbeda untuk menangani danau data, tetapi semuanya dimulai dengan merefleksikan apa yang ada di kumpulan data besar itu dan mengapa mereka ada di cold storage. Perusahaan sedang membangun pusat data mereka sendiri dan menggunakan teknologi pengelompokan data berorientasi objek ultramodern untuk memecah danau data ini menjadi bagian yang dapat ditindaklanjuti. Ini benar-benar dilakukan atas dasar kasus per kasus eksklusif, tetapi beberapa ahli memiliki saran tentang bagaimana untuk memasukkan data tersebut ke dalam kanal bermanfaat yang membuat potongan-potongan informasi berakhir di suatu tempat dan melakukan sesuatu.