Съдържание:
- Порт големи данни директно в специфични за сектора платформи
- Създайте наследени системи за бизнес разузнаване
- Използвайте този склад за данни
- Данни за структурата
- Идентифициране и обработка на данни Lakes
Днес се говори много за това какво е свързано с създаването на ИТ настройки за големи данни, от използването на Apache Hadoop и свързаните с него инструменти за иновация на достъпността, до разговори за технически начини за преместване на данни във и извън централните складове на корпоративни данни. Но има и философският елемент на големите данни. С други думи, как използвате всички онези данни, които лежат наоколо, за да подобрите наистина своите бизнес резултати и да подобрите вашия бизнес модел?
Ето пет начина, по които компаниите намаляват числата и реално ги прилагат към някои конкретни резултати.
Порт големи данни директно в специфични за сектора платформи
Един лесен начин да започнете да използвате агрегирани бизнес данни е да поставите конкретни елементи от данни в предварително проектирани системи за бизнес процеси, които са направени за ефективно предоставяне на тези данни. Може би най-добрият пример са инструментите за управление на взаимоотношенията с клиенти (CRM). Продавачите често изграждат услугите си около табла за управление, които могат да представят търговските работници и други с ефективни и действащи клиентски файлове или папки.
Работата е там, че използването на CRM предполага, че някъде имате необходимите данни. Ако можете да групирате идентификатори на клиенти, история на покупките и други подходящи елементи заедно, можете да започнете да изпращате всичко това във вашата CRM платформа. Вашият търговски екип ще ви благодари.
Създайте наследени системи за бизнес разузнаване
Отново ще избирате и избирате какви конкретни набори от данни искате да използвате, но друго нещо, което компаниите правят, е да предприемат нормалните си начини за смачкване на данните и разширяването им бавно, като вкарват все повече и повече набори от големи данни в традиционните си техники за отчитане.
Добре, така че има повече от няколко предупредителни ресурси за това колко наследени системи обикновено задържат действителния напредък. Но има и някои практически ръководства, които показват някои от предизвикателствата при използването на наследени технологии за големи данни, как могат да бъдат направени и как правилните служители могат да направят всичко това. Плюс това, технически всичко е "наследено", след като бъде внедрено, така че не винаги има смисъл да бракувате наследствена система всеки път, когато се появи нещо по-добро.
Използвайте този склад за данни
Ако имате големи данни в централно хранилище и знаете как да получите достъп до него, можете да изградите нови процеси около това.
Ето един отличен пример за това как някои по-големи компании преследват конкретни, прецизни и точни приложения на големи данни. Може да го наречете кръстосано индексиране; тя помага на предприятието да изгради последователни модели между всички свои многобройни клиентски акаунти, които могат да се съхраняват в различни части на софтуерната архитектура.
Чрез комбиниране на всички данни, подлежащи на действие, една компания може да може да види дали, например, име в своята база данни за еднократна продажба на дребно съвпада с име в едно от подразделенията му за услуги. След това компанията импортира информацията в двата отдела, така че когато някой вдигне телефона, той знае, че този човек е активен и в двата отделни канала.
Това е практическото използване на бизнес разузнаването - помага ви всъщност да направите нещо, базирано на всички големи данни, които сте записали заедно.
Данни за структурата
Друг основен проблем с големите данни е, че компаниите често събират сравнително неструктурирани данни. Неструктурираните данни могат да бъдат под формата на хартия или цифрови документи, сурови или нерафинирани ресурси на базата данни или дори фрагменти от текст и код от мобилни устройства. Това, което има неструктурирани данни е общо, че не следва формата на релационната база данни. В резултат на това традиционната свързана база данни не може да се справи с нея и не получавате никаква бизнес информация от нея.
Има два начина да се справите с това: вземете лопата и започнете да копаете или да получите някои ресурси, които преструктурират тези неструктурирани данни в данни, които могат да се изпълнят. Компаниите, които не искат да инвестират в нов софтуер, могат да използват човешки ръце, за да сортират неструктурирани данни и да ги форматират правилно, но сега имате някои алтернативи благодарение на инструменти, които ще анализират неструктурираните данни ефективно. Метаданните например са един от начините за автоматизиране на извличането на данни по начин, който го прави полезен.
Идентифициране и обработка на данни Lakes
Друга голяма модна дума в общността с големи данни е data lake. По същество езерото с данни е просто голям набор от данни, които седят там неизползвани. Това е най-важното определение на данните в покой - нищо не се прави с него, не се смущава, толкова е ледено и плакатно, колкото фурнир на застояло водно тяло.
Отново има много различни начини за обработка на данните за емисиите, но всички те започват с размисъл за това какво има в тези големи масиви данни и защо те са на студено място за съхранение на първо място. Компаниите изграждат свои собствени центрове за данни и използват ултрамодерни обектно-ориентирани технологии за клъстеризиране на данни, за да разбият тези данни на езера. Това наистина се прави на собствена основа за всеки отделен случай, но някои експерти имат предложения как да оправят тези езера в полезни канали, които правят части от информация да свършат някъде и да направят нещо.
