függetlenül attól, hogy az adatok strukturáltak vagy strukturálatlanok-e, csak olyan értékes, mint az üzleti eredmények, amelyeket lehetővé tesz. Azonban maga az adat nem az egyetlen tényező, amely felelős az eredményekért. Az adatok üzleti szempontból történő mérésének módja segít az adatok értékének a potenciáljához való kötésében, és támogatja azokat a döntéseket, amelyek pozitív üzleti eredményekhez vezetnek. Ahhoz, hogy odaérjen, szüksége van egy nagy adatelemzési platformra.
Ha van egy platform, amely képes mérni mentén a négy V-kötet, sebesség, fajta, és a valóságnak-akkor majd kiterjeszteni az eredményeket az adatok hatása ügyfél megszerzése, onboarding, visszatartás, upsell, cross-sell és egyéb bevételtermelő mutatók. Ezt az információt olyan versenystratégiának is tekintheti, amely a működési hatékonyság megfelelő javulását eredményezi, és segít a vállalkozáson belüli adatok más kezdeményezésekhez való felhasználásában.
az elmúlt évtizedben a vállalatok sok pénzt fektettek be adattárházak és üzleti intelligencia rendszerek építésébe, hogy biztosítsák az adatok kritikus szerepét a döntéshozatali képességek javításában. Ezt “az adatok végleges értékének” hívom.”Foglalkozik azzal a fontossággal, amely minden egyes adatelemhez kapcsolódik, amely ezekbe a rendszerekbe kerül, valamint minden egyes jelentéssel, amelyet az adatokból generál, azaz nagyrészt strukturált adatokból.
ezzel szemben a nagy adat a térfogatával, sebességével, változatosságával és valódiságával biztosítja az “észlelt adatértéket”. A négy V-t nézve túl sok információ van, és a legtöbbje lazán definiált. Ezért a szakértők úgy vélik, hogy nagy potenciál rejlik ezen adatokban, de még nem fedezték fel. A nagy adatok feltárása az olyan dolgok közötti korrelációk létrehozásáról szól, amelyeket nem tud, ami új lehetőségekhez vezethet, ellentétben a BI rendszerekkel, ahol tudja, milyen információkat szeretne, és a tervezési rendszerek az ilyen típusú információk átadására.
például egy stabil, költséghatékony és rendkívül érzékeny felhőalapú adattárház-és analitikai megoldás kiépítésével a vezető gyógyszeripari és fogyasztási cikkeket gyártó vállalat számos váratlan előnyt ért el, amelyek kiemelték az adatok vélt értékét. A megoldás nem csak tökéletesített menedzsment a vállalat napi műveletek szerte értékesítés, tervezés, promóciók, de azt is lehetővé tette következő generációs adatbányászat, beleértve a nagy adatfeldolgozás, analytics képességek, amelyek tájékoztatta a jobb döntéshozatalt. Ennek eredményeként a vállalat a big data analytics segítségével új stratégiai promóciókat fejlesztett ki, kihasználta a váratlan piaci változásokat, és megelőzte a fürge versenytársakat.
Ez az elemzési mélység bármely iparágban működő vállalatok számára előnyös lehet. A globális gyártók egyre nagyobb mennyiségű adatot állítanak elő, amelyeket az üzleti betekintés és a jelentéstételi követelmények szempontjából válogatni és elemezni kell. Az adatok hatékony kezelésének elmulasztása akadályozhatja a hatékony döntéshozatalt, csökkentheti a hatékonyságot és megfelelőségi problémákhoz vezethet. A nagy adatelemzési platformmal a gyártók robusztus és gyors jelentéstételt érhetnek el, amely biztosítja a sikeres megfelelőségi ellenőrzéseket. A nagy adatok pedig a mennyiség, a sebesség, a változatosság és a valódiság gondos mérlegelésével olyan betekintést nyújtanak az üzleti döntéshozóknak, hogy lépést kell tartaniuk a változó fogyasztói trendekkel.
a digitális világban ez azt jelenti, hogy az ügyfél megértése rendkívül fontos. Tekintettel erre a feltételezésre, alkalmazzunk néhány mérési kritériumot az ügyfél élettartamára (CLV) az Ügyfélkapcsolat-kezelés fokozása és javítása érdekében:
- Kötetalapú érték: Minél átfogóbb az ügyfél integrált nézete, annál több Történelmi adat van rájuk, annál több betekintést nyerhet belőle. Viszont, akkor jobb döntéseket, amikor a megszerzése, megtartása, növekvő és kezelése az ügyfélkapcsolatok.
- sebesség-alapú érték: minél gyorsabban tudja feldolgozni az adatokat az adat-és elemzési platformra, annál nagyobb rugalmasságot kap, hogy lekérdezésekkel, jelentésekkel, irányítópultokkal stb.választ találjon kérdéseire. A gyors adatbevitel és a gyors elemzési képesség biztosítja az Ön számára az időszerű és helyes döntést elérni az ügyfélkapcsolat-kezelési célok.
- változatosság alapú érték: minél változatosabb ügyféladatok vannak – a CRM rendszerből, a közösségi médiából, a call-center naplókból stb. – a több sokoldalú nézet, hogy dolgozzon ki a vevőknek, így lehetővé teszi, hogy fejlesszék az ügyfél utazás térképek, majd a testreszabás, hogy vegyenek részt több ügyfelekkel.
- Veracity-alapú érték: sok adat összegyűjtése nem jelenti azt, hogy az adatok tiszták és pontosak lesznek. Az ügyfelekre vonatkozó adatoknak egységesnek, tisztítottnak, következetesnek és aktuálisnak kell maradniuk a helyes döntések meghozatalához.
Szóval, hogyan tulajdoníthatsz dollár értéket ennek bármelyikéhez? Néha a kis adatokból a megfelelő időben generált megfelelő információ megváltoztathatja az összes különbséget. Például egy nagy adat-és elemzési megoldás a világ legnagyobb polgárazonosító programjához 150 TB adatot rögzített. Mivel a megoldás telepítése, több mint 3500 csalás esetek között 1.5 millió beiratkozást találtak-értékes betekintést, amely felfedezhetetlenné vált nagy adatelemzési képességek nélkül.
egy másik példában egy nagy internetszolgáltató webanalitikai megoldást használt a legjobban teljesítő csatornák azonosítására, valamint az ügyfelek elkötelezettségének és megtartási lehetőségeinek javítására. A megoldás strukturálatlan adatokat dolgozott fel csökkentett információs késleltetéssel. A valós idejű elemzéssel felfegyverkezve az internetszolgáltató olyan betekintést nyert, amely nagyobb bevételt és nagyobb ügyfélmegtartást eredményezett. Ez a fajta pénz megy egyenesen a lényeg. Egyre több vállalkozás veszi észre.
Nem is olyan régen, a túlnyomó többsége a big data használati esetek voltak, alacsonyabb teljes birtoklási költség (TCO), de ahogy a technológia továbbra is érett, több használati esetek célzott a felső sorban bevétel növekedés, vagy új piac létrehozása lehetőséget. Ezeknek a szervezeteknek a big data kezdeményezései a CIO-val és a CTO-val kezdődhetnek, hogy létrehozzanak egy “Big Data as a Platform” koncepciót, de az egész vállalkozásban gyorsan kihasználták az üzleti értékek átadását.
függetlenül attól, hogy a big data analytics támogatja-e vagy az üzletet, a big data nagyobb értékének eléréséhez vezető út azzal kezdődik, hogy eldönti, milyen problémákat próbál megoldani. Ha a legnagyobb kihívások belül vannak, akkor a felhasználási esetek nagyrészt olyan témák köré kerülnek, mint a működési hatékonyság és a nagyobb teljesítmény.
Ha azonban vannak olyan üzleti problémák, amelyeket meg kell oldani, akkor a témák más perspektívát vesznek igénybe, mint például az ügyfélút-leképezés. Akárhogy is, a volume -, velocity -, variety – és veracity-alapú értékek big data mérésre történő alkalmazásával a vállalatok most átalakítják a big data analytics-et egy költségközpontból egy profitközpontba.
Follow @DataconomyMedia
Soumendra Mohanty egy gondolatvezető és hatóság az információmenedzsment, üzleti intelligencia (BI), big data and analytics területen, miután több könyvet írt és cikkeket publikált vezető folyóiratokban az adat-és elemzési térben. Ő vezetett csapatok a projekt életciklusa, sikeresen segített eladni, meg az adataikat, majd analytics projektek több ágazatok, beleértve a kiskereskedelmi, consumergoods, bróker, banki, gyártási, kormány, távközlési, e-kiskereskedelmi, természettudományok.
Image Credit: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0