om data är strukturerad eller ostrukturerad, är det bara så värdefullt som de affärsresultat det gör möjligt. Uppgifterna i sig är dock inte den enda faktorn som är ansvarig för dessa resultat. Hur du mäter dessa data, ur affärssynpunkt, hjälper dig att knyta värdet av data till dess potential och stöder beslut som leder till positiva affärsresultat. För att komma dit behöver du en big data analytics-plattform.
När du har en plattform som kan mäta längs de fyra V: s volym, hastighet, variation och veracity—kan du sedan utöka resultaten av data för att påverka kundförvärv, onboarding, retention, upsell, cross—sell och andra intäktsgenererande indikatorer. Du kan också titta på denna information som en konkurrenskraftig strategi som ger motsvarande förbättringar i operativ effektivitet och hjälper dig att utnyttja data över hela företaget för andra initiativ.
under det senaste decenniet har företag investerat mycket pengar i att bygga datalager och business intelligence-system för att säkra datas kritiska roll för att förbättra beslutsförmågan. Jag kallar detta det ” definitiva värdet av data.”Det tar upp vikten i samband med varje enskilt dataobjekt som går in i dessa system och varje enskild rapport du genererar av data som För det mesta är strukturerad data.
å andra sidan ger big data med sin volym, hastighet, variation och veracity det ”upplevda värdet av data”. Titta på de fyra V: erna, det finns för mycket information och det mesta är löst definierat. Därför tror experter att stor potential ligger inom dessa data, men har ännu inte undersökts. Att utforska big data handlar om att upprätta korrelationer mellan saker du inte vet som kan leda till nya möjligheter, till skillnad från BI-system där du vet vilken information du vill ha och designsystem för att leverera de specifika typerna av information.genom att till exempel bygga en stabil, kostnadseffektiv och mycket lyhörd molnbaserad datalagrings-och analyslösning uppnådde ett ledande läkemedels-och konsumtionsföretag flera oväntade fördelar som lyfte fram det upplevda värdet av data. Lösningen förbättrade inte bara hanteringen av företagets dagliga verksamhet inom försäljning, planering och kampanjer, utan möjliggjorde också nästa generations datautvinning, inklusive big data processing och analytics-funktioner som informerade bättre beslutsfattande. Som ett resultat använde företaget insikter från Big data analytics för att utveckla nya strategiska kampanjer, dra nytta av oväntade marknadsförändringar och ligga före nimbler-konkurrenterna.
detta analysdjup kan gynna företag i alla branscher. Globala tillverkare producerar ständigt ökande mängder data som behöver sorteras och analyseras för affärsinsikt och rapporteringskrav. Ett misslyckande med att hantera dessa uppgifter effektivt kan hämma ett effektivt beslutsfattande, minska effektiviteten och leda till efterlevnadsproblem. Med en stor dataanalysplattform kan tillverkare uppnå robust och snabb rapportering som säkerställer framgångsrika efterlevnadsrevisioner. Och genom att noggrant överväga volym, hastighet, variation och veracity, big data ger insikter affärsbeslut beslutsfattare behöver för att hålla jämna steg med skiftande konsumenttrender.
i den digitala världen betyder det att förstå kunden är av största vikt. Med tanke på detta antagande, låt oss tillämpa några mätkriterier på kundens livstidsvärde (CLV) för att förbättra och förbättra kundrelationshanteringen:
- Volymbaserat värde: Ju mer omfattande din integrerade syn på kunden och ju mer historiska data du har på dem, desto mer insikt kan du extrahera från den. I sin tur fattar du bättre beslut när det gäller att förvärva, behålla, växa och hantera dessa kundrelationer.
- Hastighetsbaserat värde: ju snabbare du kan bearbeta information till din data-och analysplattform, desto mer flexibilitet får du för att hitta svar på dina frågor via frågor, rapporter, instrumentpaneler etc. En snabb datainsamling och snabb analysförmåga ger dig ett snabbt och korrekt beslut för att uppnå dina mål för kundrelationshantering.
- Variationsbaserat värde: ju mer varierad kunddata du har – från CRM-systemet, sociala medier, call-center-loggar etc. – den mer mångfacetterade vyn du utvecklar om dina kunder, vilket gör att du kan utveckla kundresekartor och personalisering för att engagera dig mer med kunderna.
- Veracity-baserat värde: att samla in mycket data betyder inte att data blir rena och korrekta. Data om kunder måste förbli konsoliderade, rensade, konsekventa och aktuella för att fatta rätt beslut.
Så, hur bifogar du dollarvärde till något av detta? Ibland kan rätt information som genereras från små data vid rätt tidpunkt göra hela skillnaden. Till exempel fångade en stor data-och analyslösning för världens största medborgaridentifieringsprogram 150 TB data. Sedan lösningens distribution, mer än 3500 bedrägeri instanser bland 1.5 miljoner anmälningar hittades – en värdefull insikt som kan ha blivit oupptäckt utan Big data analytics-funktioner.
i ett annat exempel använde en stor internetleverantör en webbanalyslösning för att identifiera toppresterande kanaler och förbättra kundengagemanget och lagringsmöjligheterna. Lösningen bearbetade ostrukturerade data med minskad informationsfördröjning. Beväpnad med realtidsanalys fick Internetleverantören insikter som resulterade i ökade intäkter och större kundretention. Den typen av pengar går direkt till bottenlinjen. Och fler företag börjar ta notis.
För inte så länge sedan handlade de allra flesta big data-användningsfall om lägre total ägandekostnad (TCO), men eftersom tekniken fortsätter att mogna finns det fler användningsfall riktade till topplinjeintäktstillväxt eller nya möjligheter till marknadsskapande. För dessa organisationer kan big data-initiativ börja med CIO och CTO för att skapa ett ”Big Data as a Platform” – koncept, men har snabbt utnyttjats i hela företaget för att leverera affärsvärden.
oavsett om big data analytics stöder IT eller verksamheten börjar vägen till att få större värde från big data genom att bestämma vilka problem du försöker lösa. Om de största utmaningarna ligger inom IT, kommer användningsfallen till stor del att drivas kring teman som operativ effektivitet och ökad prestanda.
men om det finns affärsproblem som måste lösas, kommer teman att ta ett annat perspektiv, till exempel kartläggning av kundresor. Hur som helst, genom att tillämpa volym -, hastighet -, variations – och veracity-baserade värden på big data-mätning, omvandlar företag nu Big data analytics från ett kostnadscenter till ett vinstcenter.
följ @DataconomyMedia
Soumendra Mohanty är en tankeledare och en auktoritet inom området Information management, business intelligence (BI), big data och analytics efter att ha skrivit flera böcker och publicerat artiklar i ledande tidskrifter inom data-och analysområdet. Han har lett team genom projektets livscykel och framgångsrikt hjälpt till att sälja och leverera data-och analysprojekt inom flera branscher, inklusive detaljhandel, konsumentvaror, mäklare, Bank, tillverkning, regering, telekommunikation, e-detaljhandel och biovetenskap.
bildkredit: Marc Smith / Mobile Web Africa 2010 / CC BY 2.0