Innehåll
- Port Big Data direkt till sektorspecifika plattformar
- Bygg ut äldre affärsintelligenssystem
- Använd datalageret
- Strukturdata
- Identifiera och hantera dataljöar
Källa: Solarseven / Dreamstime.com
Hämtmat:
Får ditt företag ut det mesta av sina uppgifter? Här är några nya sätt att använda de data du redan har.
Det finns mycket diskussion idag om vad som är involverat i att skapa big data IT-inställningar, från användning av Apache Hadoop och relaterade verktyg för att förnya tillgängligheten, till konversationer om tekniska sätt att trattdata in och ut från centrala företags datalager. Men det finns också det filosofiska inslaget av big data. Med andra ord, hur använder du all den information som ligger runt för att verkligen öka dina affärsresultat och förbättra din affärsmodell?Här är fem sätt att företag krossar siffrorna och faktiskt tillämpar dem på vissa konkreta resultat.
Port Big Data direkt till sektorspecifika plattformar
Ett enkelt sätt att börja använda aggregerade affärsdata är att lägga in specifika dataelement i förkonstruerade affärsprocesssystem som är avsedda att leverera den informationen effektivt. Kanske är det bästa exemplet verktyg för kundrelationshantering (CRM). Leverantörer bygger ofta sina tjänster runt instrumentpaneler som kan presentera säljare och andra med effektiva och handlingsbara kundfiler eller mappar.Saken är att du använder CRM antar att du har nödvändig data någonstans. Om du kan gruppera kundidentifierare, köpa historik och andra relevanta objekt tillsammans kan du börja skicka allt detta till din CRM-plattform. Ditt säljteam kommer att tacka dig.
Bygg ut äldre affärsintelligenssystem
Återigen väljer du och väljer vilka specifika datauppsättningar du vill använda, men en annan sak som företagen gör är att ta sina vanliga sätt att knyta data och utöka dem långsamt genom att injicera fler och fler uppsättningar av stora data i sina traditionella rapporteringstekniker .OK, så det finns mer än några försiktiga resurser där ute om hur mycket gamla system som generellt håller tillbaka faktiska framsteg. Men det finns också några praktiska guider där ute som visar några av utmaningarna med att använda äldre tekniker för big data, hur det kan göras och hur rätt personal kan göra hela skillnaden. Dessutom är tekniskt sett allt "arv" när det väl har implementerats, så det är inte alltid vettigt att skrapa ett arvssystem varje gång något bättre kommer med.
Använd datalageret
Om du har big data i ett centralt arkiv och du vet hur du kommer åt det kan du bygga nya processer runt det.Här är ett utmärkt exempel på hur vissa större företag bedriver specifika, exakta och tydliga användningar av big data. Du kan kalla det korsindex; det hjälper ett företag att konstruera konsekventa modeller mellan alla sina många typer av kundkonton som kan hållas i olika delar av programvaruarkitekturen.
Genom att kombinera alla handlingsbara data tillsammans kan ett företag se om ett namn i till exempel en enda tidpunkt för försäljningsstället matchar ett namn i en av sina serviceavdelningar. Företaget importerar sedan informationen till båda avdelningarna, så att när någon tar upp telefonen, vet de att personen är aktiv i båda separata kanaler.
Detta är praktisk användning av affärsinformation - det hjälper dig att faktiskt göra något baserat på all stor data som du har skrapat ihop.
Strukturdata
En annan viktig fråga med big data är att företag ofta samlar relativt ostrukturerad data. Ostrukturerad data kan komma i form av papper eller digitala dokument, råa eller oraffinerade databasresurser eller till och med utdrag av och kod från mobila enheter. Vad ostrukturerade data har gemensamt är att de inte följer det relationella databasformatet. Som ett resultat kan den traditionella relatabla databasen inte hantera den, och du får inte någon affärsinformation från den.Det finns två sätt att hantera detta: ta en spade och börja gräva, eller få några resurser som förfina den ostrukturerade informationen till handlingsbara data. Företag som inte vill investera i ny mjukvara kan använda mänskliga händer för att sortera genom ostrukturerad data och formatera den korrekt, men nu har du några alternativ tack vare verktyg som kommer att analysera ostrukturerad data effektivt. Metadata, till exempel, är ett sätt att automatisera datalagring på ett sätt som gör det användbart.
Identifiera och hantera dataljöar
Ett annat stort sortsord i stordatasamhället är datasjön. I huvudsak är datasjön bara en stor pool med data som sitter där oanvända. Det är den avgörande definitionen av data i vila - ingenting görs med det, det störs inte, det är lika isigt och lugnt som faner av en stillastående vattenmassa.Återigen finns det många olika sätt att hantera dataljöar, men alla börjar med att reflektera över vad som finns i de stora datauppsättningarna och varför de är i kyllagring i första hand. Företag bygger sina egna datacenter och använder ultramoderna objektorienterade dataklastringstekniker för att dela upp dessa dataljöer i handlingsbara delar. Detta görs verkligen i egenskap av fall till fall, men vissa experter har förslag på hur man korrelerar dessa dataljöer till användbara kanaler som gör att informationsdelar hamnar någonstans och gör något.