Ob Daten strukturiert oder unstrukturiert sind, sie sind nur so wertvoll wie die Geschäftsergebnisse, die sie ermöglichen. Die Daten selbst sind jedoch nicht der einzige Faktor, der für diese Ergebnisse verantwortlich ist. Wie Sie diese Daten aus geschäftlicher Sicht messen, hilft Ihnen, den Wert der Daten an ihr Potenzial zu binden und Entscheidungen zu unterstützen, die zu positiven Geschäftsergebnissen führen. Um dorthin zu gelangen, benötigen Sie eine Big Data Analytics-Plattform.Sobald Sie über eine Plattform verfügen, die entlang der vier V’s — Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit — messen kann, können Sie die Ergebnisse der Daten erweitern, um Kundenakquise, Onboarding, Kundenbindung, Upsell, Cross-Selling und andere umsatzgenerierende Indikatoren zu beeinflussen. Sie können diese Informationen auch als Wettbewerbsstrategie betrachten, die entsprechende Verbesserungen der betrieblichen Effizienz mit sich bringt und Ihnen hilft, Daten im gesamten Unternehmen für andere Initiativen zu nutzen.
In den letzten zehn Jahren haben Unternehmen viel Geld in den Aufbau von Data Warehouses und Business Intelligence-Systemen investiert, um die entscheidende Rolle von Daten bei der Verbesserung der Entscheidungsfindung zu sichern. Ich nenne das den „definitiven Wert von Daten.“ Es befasst sich mit der Bedeutung, die mit jedem einzelnen Datenelement verbunden ist, das in diese Systeme gelangt, und mit jedem einzelnen Bericht, den Sie aus den Daten generieren, die größtenteils strukturierte Daten sind.Andererseits liefert Big Data mit seinem Volumen, seiner Geschwindigkeit, Vielfalt und Wahrhaftigkeit den „wahrgenommenen Wert von Daten“. Wenn man sich die vier V’s ansieht, gibt es zu viele Informationen und das meiste davon ist lose definiert. Experten glauben daher, dass in diesen Daten ein großes Potenzial steckt, das jedoch noch nicht erforscht ist. Bei der Erforschung von Big Data geht es darum, Korrelationen zwischen Dingen herzustellen, die Sie nicht kennen und die zu neuen Möglichkeiten führen können, im Gegensatz zu BI-Systemen, bei denen Sie wissen, welche Informationen Sie möchten, und Systeme entwerfen, die diese spezifischen Arten von Informationen liefern.Zum Beispiel erzielte ein führendes Pharma- und Konsumgüterunternehmen durch den Aufbau einer stabilen, kosteneffizienten und reaktionsschnellen cloudbasierten Data-Warehousing- und Analyselösung mehrere unerwartete Vorteile, die den wahrgenommenen Wert von Daten hervorhoben. Die Lösung verbesserte nicht nur das Management der täglichen Abläufe des Unternehmens in den Bereichen Vertrieb, Planung und Werbeaktionen, sondern ermöglichte auch Data Mining der nächsten Generation, einschließlich Big-Data-Verarbeitung und Analysefunktionen, die eine bessere Entscheidungsfindung ermöglichten. Infolgedessen nutzte das Unternehmen die Erkenntnisse aus der Big-Data-Analyse, um neue strategische Werbeaktionen zu entwickeln, unerwartete Marktverschiebungen zu nutzen und den flinkeren Wettbewerbern einen Schritt voraus zu sein.
Diese Tiefe der Analytik kann Unternehmen in jeder Branche zugute kommen. Globale Hersteller produzieren immer größere Datenmengen, die sortiert und analysiert werden müssen, um geschäftliche Einblicke und Berichterstattungsanforderungen zu erhalten. Wenn diese Daten nicht effektiv verwaltet werden, kann dies eine effektive Entscheidungsfindung behindern, die Effizienz verringern und zu Compliance-Problemen führen. Mit einer Big-Data-Analyseplattform können Hersteller robuste und schnelle Berichte erstellen, die erfolgreiche Compliance-Audits sicherstellen. Durch die sorgfältige Berücksichtigung von Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit liefert Big Data die Erkenntnisse, die Entscheidungsträger benötigen, um mit den sich ändernden Verbrauchertrends Schritt zu halten.
In der digitalen Welt bedeutet dies, dass das Verständnis des Kunden von größter Bedeutung ist. Unter dieser Annahme wenden wir einige Messkriterien auf den Customer Lifetime Value (CLV) an, um das Kundenbeziehungsmanagement zu verbessern und zu verbessern:
- Volumenbasierter Wert: Je umfassender Ihre integrierte Sicht auf den Kunden ist und je mehr historische Daten Sie über ihn haben, desto mehr Erkenntnisse können Sie daraus gewinnen. Im Gegenzug treffen Sie bessere Entscheidungen, wenn es darum geht, diese Kundenbeziehungen zu akquirieren, zu halten, auszubauen und zu verwalten.
- Velocity-basierter Wert: Je schneller Sie Informationen in Ihre Daten- und Analyseplattform verarbeiten können, desto flexibler erhalten Sie Antworten auf Ihre Fragen über Abfragen, Berichte, Dashboards usw. Eine schnelle Datenaufnahme und schnelle Analysefähigkeit bietet Ihnen die rechtzeitige und korrekte Entscheidung, Ihre Customer Relationship Management-Ziele zu erreichen.
- Variety-based value: Je vielfältiger die Kundendaten, die Sie haben – aus dem CRM-System, Social Media, Call-Center-Logs, etc. – die facettenreichere Sichtweise, die Sie über Ihre Kunden entwickeln, ermöglicht es Ihnen, Customer Journey Maps und Personalisierung zu entwickeln, um mehr mit Kunden in Kontakt zu treten.
- Wahrheitsbasierter Wert: Das Anhäufen vieler Daten bedeutet nicht, dass die Daten sauber und genau werden. Kundendaten müssen konsolidiert, bereinigt, konsistent und aktuell bleiben, um die richtigen Entscheidungen zu treffen.
Also, wie bringen Sie Dollar-Wert auf irgendetwas davon? Manchmal kann die richtige Information, die aus kleinen Daten zur richtigen Zeit generiert wird, den Unterschied ausmachen. So erfasste beispielsweise eine Big-Data- und Analyselösung für das weltweit größte Bürgeridentifikationsprogramm 150 TB Daten. Seit der Bereitstellung der Lösung haben mehr als 3500 Betrugsinstanzen unter 1.Es wurden 5 Millionen Registrierungen gefunden – ein wertvoller Einblick, der ohne Big-Data-Analysefunktionen möglicherweise unentdeckt geblieben ist.
In einem anderen Beispiel verwendete ein großer ISP eine Webanalyselösung, um leistungsstarke Kanäle zu identifizieren und die Kundenbindung und -bindung zu verbessern. Die Lösung verarbeitete unstrukturierte Daten mit reduzierter Informationslatenz. Ausgestattet mit Echtzeitanalysen gewann der ISP Erkenntnisse, die zu einem höheren Umsatz und einer höheren Kundenbindung führten. Diese Art von Geld geht direkt in die untere Zeile. Und immer mehr Unternehmen beginnen zu bemerken.Vor nicht allzu langer Zeit ging es bei der überwiegenden Mehrheit der Big Data-Anwendungsfälle um niedrigere Gesamtbetriebskosten (TCO), aber da die Technologie weiter reift, gibt es mehr Anwendungsfälle, die auf das Umsatzwachstum oder die Schaffung neuer Märkte abzielen. Für diese Organisationen können Big-Data-Initiativen mit dem CIO und CTO beginnen, um ein „Big Data as a Platform“ -Konzept zu etablieren, wurden jedoch schnell im gesamten Unternehmen eingesetzt, um Geschäftswerte zu liefern.Unabhängig davon, ob Big Data Analytics die IT oder das Unternehmen unterstützt, beginnt der Weg zur Wertschöpfung aus Big Data mit der Entscheidung, welche Probleme Sie lösen möchten. Wenn die größten Herausforderungen in der IT liegen, werden die Anwendungsfälle weitgehend auf Themen wie betriebliche Effizienz und Leistungssteigerung ausgerichtet sein.Wenn es jedoch geschäftliche Probleme gibt, die gelöst werden müssen, nehmen die Themen eine andere Perspektive ein, z. B. das Customer Journey Mapping. So oder so, durch die Anwendung von Volumen-, Geschwindigkeits-, Vielfalt- und wahrheitsbasierten Werten auf Big-Data-Messungen verwandeln Unternehmen Big-Data-Analysen jetzt von einer Kostenstelle in ein Profitcenter.
Folgen Sie @DataconomyMedia
Soumendra Mohanty ist ein Vordenker und eine Autorität in den Bereichen Informationsmanagement, Business Intelligence (BI), Big Data und Analytics und hat mehrere Bücher geschrieben und Artikel in führenden Fachzeitschriften im Daten- und Analysebereich veröffentlicht. Er hat Teams durch den Projektlebenszyklus geführt und erfolgreich beim Verkauf und der Bereitstellung von Daten- und Analyseprojekten in verschiedenen Branchen geholfen, darunter Einzelhandel, Konsumgüter, Brokerage, Banken, Fertigung, Regierung, Telekommunikation, E-Retail und Life Sciences.
Bildnachweis: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0