olipa data strukturoitua tai rakentamatonta, se on vain niin arvokasta kuin sen mahdollistamat liiketoiminnan tulokset. Kuitenkin, tiedot itse ei ole ainoa tekijä vastuussa näistä tuloksista. Tietojen mittaaminen liiketoiminnan näkökulmasta auttaa sitomaan datan arvon sen mahdollisuuksiin ja tukee päätöksiä, jotka johtavat positiivisiin liiketuloksiin. Päästäkseen sinne, tarvitset big data analytics Alustan.
kun sinulla on alusta, joka voi mitata neljän V: n—volyymin, nopeuden, lajikkeen ja todenperäisyyden—avulla voit laajentaa datan tuloksia niin, että ne vaikuttavat asiakashankintaan, onboardingiin, säilyttämiseen, ylösmyyntiin, ristiinmyyntiin ja muihin tuloja tuottaviin indikaattoreihin. Voit myös tarkastella näitä tietoja kilpailukykyisenä strategiana, joka tuo vastaavia parannuksia toiminnan tehokkuuteen ja auttaa sinua hyödyntämään tietoja koko yrityksessä muita aloitteita varten.
viimeisen reilun vuosikymmenen aikana yritykset ovat investoineet paljon rahaa tietovarastojen ja business intelligence-järjestelmien rakentamiseen varmistaakseen datan kriittisen roolin päätöksentekokyvyn parantamisessa. Kutsun tätä tiedon lopulliseksi arvoksi.”Se käsittelee jokaiseen tietoalkioon liittyvää merkitystä, joka menee näihin järjestelmiin, ja jokaiseen raporttiin, jonka luot tiedosta, joka on suurimmaksi osaksi jäsenneltyä tietoa.
toisaalta big data volyymeineen, nopeuksineen, erilaisuuksineen ja todenmukaisuuksineen muodostaa ”havaitun datan arvon”. Kun katsoo neljää V: tä, on liikaa tietoa ja suurin osa siitä on löyhästi määriteltyä. Siksi asiantuntijat uskovat, että tässä aineistossa on suuria mahdollisuuksia, mutta niitä ei ole vielä tutkittu. Tutkimalla big data on kyse luoda korrelaatioita asioita et tiedä, jotka voivat johtaa uusiin mahdollisuuksiin, toisin BI-järjestelmiä, joissa tiedät, mitä tietoa haluat ja suunnitella järjestelmiä toimittaa näitä tietyntyyppisiä tietoja.
esimerkiksi rakentamalla vakaan, kustannustehokkaan ja erittäin reagoivan pilvipohjaisen tietovarastointi-ja analytiikkaratkaisun johtava lääke-ja kulutustavarayritys saavutti useita odottamattomia etuja, jotka korostivat datan koettua arvoa. Ratkaisu paitsi paransi yrityksen päivittäisen toiminnan hallintaa myynnin, suunnittelun ja kampanjoiden kautta, myös mahdollisti seuraavan sukupolven tiedonlouhinnan, mukaan lukien suuret tietojenkäsittely-ja analytiikkaominaisuudet, jotka kertoivat paremmasta päätöksenteosta. Tämän seurauksena yhtiö käytti big data-analytiikasta saatuja oivalluksia uusien strategisten kampanjoiden kehittämiseen, odottamattomien markkinamuutosten hyödyntämiseen ja nimbler-kilpailijoiden edellä pysymiseen.
tämä analytiikan syvyys voi hyödyttää yrityksiä millä tahansa toimialalla. Globaalit valmistajat tuottavat yhä suurempia määriä dataa, joka on lajiteltava ja analysoitava liiketoimintaymmärrystä ja raportointivaatimuksia varten. Jos näitä tietoja ei hallinnoida tehokkaasti, se voi haitata tehokasta päätöksentekoa, vähentää tehokkuutta ja johtaa vaatimusten noudattamiseen liittyviin kysymyksiin. Big data analytics-alustan avulla valmistajat voivat saavuttaa vankan ja nopean raportoinnin, joka takaa onnistuneet vaatimustenmukaisuuden tarkastukset. Ja harkitsemalla huolellisesti volyymia, nopeutta, vaihtelua ja todenperäisyyttä, big data tarjoaa oivalluksia, joita yritysten päättäjät tarvitsevat pysyäkseen muuttuvien kuluttajatrendien tahdissa.
digitaalisessa maailmassa tämä tarkoittaa, että asiakkaan ymmärtäminen on ensiarvoisen tärkeää. Kun otetaan huomioon tämä oletus, sovelletaan joitakin mittauskriteerejä asiakkaan elinikäarvoon (CLV) asiakassuhteen hallinnan parantamiseksi ja parantamiseksi:
- Volume-based value: Mitä kattavamman kokonaisnäkemyksesi asiakkaasta ja mitä enemmän historiatietoja sinulla on hänestä, sitä enemmän saat siitä tietoa. Teet puolestaan parempia päätöksiä, kun kyse on asiakassuhteiden hankkimisesta, säilyttämisestä, kasvattamisesta ja hoitamisesta.
- Velocity-based value: mitä nopeammin voit käsitellä tietoja data-ja analytiikkaympäristössäsi, sitä joustavammin saat vastauksia kysymyksiisi kyselyiden, raporttien, mittaristojen jne.kautta. Nopea tietojen nieleminen ja nopea analyysi valmiudet antaa sinulle oikea-aikainen ja oikea päätös saavuttaa asiakassuhteen hallinnan tavoitteet.
- Variety-based value: the more different customer data you have – from the CRM system, social media, call-center loc, tms. – entistä monipuolisempi näkemys asiakkaistasi, jolloin voit kehittää asiakaspolkukarttoja ja personointia, jotta voit sitoutua enemmän asiakkaisiin.
- todenperäinen arvo: suuren datan kokoaminen ei tarkoita, että tiedoista tulisi puhtaita ja tarkkoja. Asiakkaiden tietojen on pysyttävä konsolidoituina, puhdistettuina, johdonmukaisina ja ajantasaisina oikeiden päätösten tekemiseksi.
Joten, miten tähän liitetään dollarin arvo? Joskus, oikea pala tietoa syntyy pienestä datasta oikeaan aikaan voi tehdä kaiken eron. Esimerkiksi maailman suurimman kansalaisentunnistusohjelman big data-ja analytiikkaratkaisu nappasi 150 tonnia dataa. Ratkaisun käyttöönoton jälkeen yli 3500 petostapausta 1.5 miljoonaa ilmoittautumista löytyi-arvokas oivallus, joka on saattanut jäädä löytämättä ilman big data-analytiikkaominaisuuksia.
toisessa esimerkissä suuri ISP käytti verkkoanalytiikkaratkaisua huippusuorituskanavien tunnistamiseen ja asiakkaiden sitouttamisen ja säilyttämismahdollisuuksien parantamiseen. Ratkaisu käsitteli jäsentämätöntä dataa, jonka informaatioviive oli pienentynyt. Reaaliaikaisen analytiikan avulla ISP sai oivalluksia, joiden ansiosta liikevaihto kasvoi ja asiakas säilyi paremmin. Sellainen raha menee suoraan maaliin. Ja yhä useammat yritykset alkavat kiinnittää huomiota.
jokin aika sitten suurin osa big datan käyttötapauksista koski alhaisempia kokonaiskustannuksia (TCO), mutta teknologian edelleen kypsyessä on enemmän käyttötapauksia, jotka on suunnattu top line-liikevaihdon kasvuun tai uusien markkinoiden luomismahdollisuuksiin. Näille organisaatioille big data-aloitteet voivat alkaa tietohallintojohtajasta ja TEKNOLOGIAJOHTAJASTA ”Big Data alustana” – konseptin luomiseksi, mutta niitä on nopeasti hyödynnetty koko yrityksessä liiketoiminnan arvojen tuottamiseksi.
olipa big data-analytiikka sen tai liiketoiminnan tukena, polku big datan suuremman arvon saamiseen alkaa päättämällä, mitä ongelmia yrität ratkaista. Jos suurimmat haasteet ovat sen sisällä, käyttötapaukset pyörivät pitkälti teemojen kuten toiminnan tehokkuuden ja suorituskyvyn lisäämisen ympärillä.
Jos kuitenkin on liiketoiminnan ongelma, joka pitää ratkaista, niin teemat ottavat eri perspektiivin, kuten asiakasmatkan kartoituksen. Joka tapauksessa soveltamalla volyymi-, nopeus-, lajike – ja todenperusteisia arvoja Big data-mittaukseen yritykset ovat nyt muuttamassa big data-analytiikkaa kustannuskeskuksesta tuloskeskukseksi.
Follow @DataconomyMedia
Soumendra Mohanty on ajatusjohtaja ja auktoriteetti tiedonhallinnan, business intelligencen (BI), big datan ja analytiikan alueella, joka on kirjoittanut useita kirjoja ja julkaissut artikkeleita data-ja analytiikkatilan johtavissa lehdissä. Hän on johtanut tiimejä projektin elinkaaren läpi ja auttanut menestyksekkäästi myymään ja toimittamaan data-ja analytiikkaprojekteja useilla toimialoilla, mukaan lukien vähittäiskauppa, kulutustavarat, välitys, pankkitoiminta, valmistus, hallitus, televiestintä, sähköinen vähittäiskauppa ja biotieteet.
Image Credit: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0