Новые возможности благодаря аналитике больших данных

Получите больше ценной информации

Предприятия зачастую тратят слишком много времени и усилий на сбор и сортировку данных, но недостаточно времени на применение аналитики больших данных для получения ценной бизнес-информации. Чтобы сделать процесс подготовки данных более эффективным и переключить свое внимание на аналитику, компаниям нужны правильные инструменты.

Новые возможности использования больших данных

Что такое аналитика больших данных?

Отвечая на этот вопрос, множно использовать множество метафор.

  • Если большие данные — это стог сена, то аналитика — это то, как вы находите в нем иголку.
  • Если это огромная волна, то аналитика — это доска для серфинга.
  • Если это радиопомехи, то аналитика позволяет услышать сам сигнал.

Во всех этих аналогиях есть доля правды, но если ваш бизнес не кладоискательство, то лучше всего воспринимать аналитику больших данных как действия, направленные на повышение добавленной стоимости, которые фактически развивают бизнес. И именно в этом заключаются многие препятствия для использования больших данных.

В частности, компании тратят слишком много времени, усилий и средств на подготовку и загрузку больших данных, и тратят недостаточно на применение аналитики для генерирования эффективных идей. Чтобы перейти к этому этапу, компаниям необходимо найти инструменты, повышающие эффективность процесса подготовки данных. Это значительно повысит «аналитическую гибкость» организации. Только тогда они смогут отойти от традиционных методов аналитики, таких как статистическая и транзакционная аналитика, которые обычно используются для сегментации клиентов.

Множество форм аналитики больших данных

Важно отметить, что аналитика больших данных не является одним из подходов к работе или инструментом. В некоторых ситуациях необходима визуализация больших данных, в то время как в других случаях правильным ответом является подключенная аналитика. На самом деле, существует риск для организаций, которые в своем мышлении чрезмерно ориентированы на приложения. В разных контекстах лучше всего использовать различные типы анализа больших данных. Как и многое другое в области больших данных, все это сводится к проблемам и целям бизнеса. Что стремятся понять пользователи:

  • Временные закономерности или географические представления рыночных данных?
  • Процедурная информация из машинных журналов или данных с датчиков?
  • Корреляции поведенческих моделей для одного продукта, нескольких продуктов или еще не запущенного продукта?
Аналитика больших данных часто связана с прогностическими возможностями — найти иголку до того, как она затеряется в стоге сена, если хотите. Да, аналитика больших данных действительно управляет уже известными рекомендательными механизмами на популярных сайтах электронной коммерции. Но речь также идет об оперативных действиях, основывающихся на чувствительности рынка. Цель - получение более глубокого понимания структуры и природы отношений между людьми и процессами и определение шаблонов, которые приводят к задаваемым пользователем результатам.

Прогнозная аналитика обеспечивает большую рентабельность инвестиций

На платфлрме Yahoo! Japan применяются инструменты анализа больших данных для более глубокого понимания поведения клиентов, а также для адаптации услуг и целевой рекламы, что приводит к экономическому эффекту инвестиций в размере 100 миллионов долларов.

Аналитика больших данных в действии:

  • Более быстрые испытания - ведущие комапнии в своих НИОКР, прежде чем делать крупные инвестиции, смогут проверять свои гипотезы. Например, по фармацевтическим препаратам можно использовать анализ больших данных для фиксирования сопутствующих болезней пациентов для раннего обнаружения потенциальных рисков при испытании новых лекарств.
  • Поиск «беспроигрышных» альтернативных методов лечения - Путем сопоставления широких и многоочередных наборов данных о пациентах поставщики и организации здравоохранения смогут найти более эффективные (и экономически выгодные) методы лечения - например, методы борьбы с болью или физиотерапия вместо хирургии. Это хорошо для пациентов. Это хорошо для налогоплательщиков.
  • Более детальные портреты прибыльности клиентов - Помимо показателей риска оттока клиентов, появляется конкурентное преимущество, когда в отделе маркетинга знают, каких клиентов стоит поддерживать с помощью щедрых программ лояльности по сравнению с другимим, с более высоким уровнем обслуживания, как того требуют условия конкуренции.
  • Страховщики смогут применять передовые методы моделирования рисков по большим данным для корректировки резервов капитала в случаях сценариев «черного лебедя» или для укрепления возможностей борьбы с мошенничеством путем сопоставления своих данных о претензиях.

Лучшие практики аналитики больших данных

Так каковы же лучшие практики в этой области? Как организации смогут сделать такое аналитическое мышление в стратегическом планировании, распределении ресурсов и управлении эффективностью нормой?

Таким образом, широкая платформа для обнаружения данных, а не единая часть программного обеспечения, является способом обеспечения аналитических возможностей, подходящих для всех типов данных, от высокоструктурированных транзакционных и операционных данных до неструктурированных, полуструктурированных и полиструктурированных данных. «Экосистемный» взгляд на аналитические среды, которые интегрируют компоненты с открытым исходным кодом, является правильным способом понимания общей картины.

Да, анализ больших данных позволяет компаниям получать более глубокое понимание поведения клиентов, чем когда-либо прежде, и распознавать ранее скрытые закономерности. Но именно то, как эти идеи приводят к шаблонам, на самом деле помогает бизнесу, что и является главной конечной целью (см. Стог сена, поиск иголки).

Большие данные: нелогичное представление

Большие данные? Или все данные? Насколько важен контекст данных? Ознакомьтесь с сообщениями лидеров отрасли Рэя Ванга из Constellation Research, Марты Беннетт из Forrester, Марка Смита из Ventana Research и Блейка Джонсона из Стэнфорда о новых перспективах просмотра «больших» данных в вашей организации, вне зависимости от размера или объема данных.

Узнайте, как Teradata может помочь вам получить больше от аналитики больших данных.