Резюме

Какво представляват големите данни?

• ' Голяма информация 'е субективна мярка, която описва набори от данни толкова големи, че не могат да бъдат управлявани и анализирани от типични софтуерни инструменти за бази данни.
• Вместо това тези набори се анализират изчислително, за да разкрият модели, тенденции и асоциации, особено свързани с човешкото поведение и взаимодействия.
• Големи данни и анализи станаха масови с появата на интернет, електронна търговия, социални медии и взаимосвързаността на устройствата - всички те допринесоха за същественото увеличаване на обема на анализираните данни, необходими на големите данни да станат реалност.
• Gartner и IBM деконструира големи данни в Четирите Vs: Сила на звука , Скорост , Разнообразие и Достоверност —Всяка съставна част, необходима за трансформиране на големи данни в стойност, която може да бъде монетизирана.

Какво представляват малките данни?

• Малки данни , също субективна мярка, се определя като набори от данни, достатъчно малки по обем и формат, така че да ги направят достъпни, информативни, действащи и разбираеми от хората, без да се използват сложни системи и машини за анализ.
• Малките данни не се утвърдиха като самостоятелна категория до появата на големи данни и по този начин представляват производно на последните.
• Малките фирми, които обмислят стратегия за анализ, първоначално трябва да се съсредоточат върху използването на малки данни, за да генерират полезна информация за своите клиенти, преди да узреят до приложения за големи данни за по-предписващи и прогнозни анализи.

Дефинирайте анализ на данни.

• Анализ на данни е дългогодишната дисциплина, при която висококвалифицирани статистици и изследователи на данни анализират статистически значими (т.е. големи) набори от проби, използвайки сложни софтуерни програми за идентифициране на модели и тенденции. Този анализ дава възможност за прозрения, полезни за вземане на по-добри решения, главно за взаимодействието с клиентите.
• През последните години софтуерът, позволяващ тази работа, стана по-достъпен, мощен и лесен за използване, като по този начин позволява на гражданин учен за данни да се появят и да започнат да предприемат проекти, които преди са били сферата на висококвалифицираните технически специалисти.

Въведение

Данни и анализ бързо се превърнаха в модни думи на деня в света на бизнеса. Човек трудно би могъл да пробие списание, без да има препратка към бъдещо мислещи компании, които „интелигентно използват данни“, за да получат прозрения за поведението на клиентите, да направят анализи на риска или да управляват по-ефективно своята инфраструктура. Големи, богати на данни компании, особено тези от регулирания сорт, участват в процеса на вземане на решения, ръководени от данни, от години илюстриран от новаторството на Capital One в анализа на данни, за да разберат по-добре своите клиенти - прозрения, използвани впоследствие за стартиране на хипер-насочени и изключително въздействащи маркетингови кампании, които доведоха до успеха му.

Но въпреки началото на ниша, използването на данни бързо се превърна в основен. Днес има няколко достоверни причини дадена компания, независимо от размера и работната сила, да не разполага с анализ като основен бизнес процес / способност. Традиционните възражения като разходи, ресурси и опит вече не режат горчицата. Напротив, вътрешно генерираните данни бързо се превръщат в повсеместен стратегически актив, използван по начин, който би направил всеки друг, от конкурентен бизнес, който се стреми да остане конкурентоспособен.

Тази статия се стреми да запознае читателите си със света на данни и аналитика , ще ви преведе през динамиката на пазара, инструменти, играчи и решения, уникални и за двамата, преди да посветите втората половина на ръководство за внедряване и рамка за малкия бизнес.

Ръководство за обикновени хора както за големи, така и за малки данни

С появата на интернет и заедно с него електронната търговия, социалните медии и взаимосвързаността на устройствата дойде експлозия в обема на глобално достъпни и анализируеми данни за тези, които притежават инструментите за неговото използване. Всеки туит, публикация, харесване, плъзгане наляво, надясно, двойно докосване, преглед, текст и транзакция - всеки е данни, използваеми за картографиране на цифровите ни отпечатъци, които разказват всичко за това кои сме, как вземаме решения, къде и защо. Тези данни, подходящо наречени „големи данни“ за обширността, дълбочината и сложността на своята форма, отключиха море от възможности в предписващия и прогнозен анализ, което направи възможно хипер персонализация от толкова много продукти, които консумираме ежедневно.

Формално големите данни описват големи масиви от данни, които могат да бъдат анализирани изчислително, за да се разкрият модели, тенденции и асоциации, най-често свързани с човешкото поведение и взаимодействия. За да бъдат данните наречени „големи“, наборът / банката трябва да е толкова голям, че да изисква разширени методи за данни и сложни системи за извличане на стойност от тях.

През 2001г доклад за изследване , META Group (сега Gartner) оформя големи данни в три измерения, наречени Три Vs на данните. Те са както следва: Сила на звука (количество), Скорост (скорост на производство / предаване) и Разнообразие (диапазон от тип и източник). Впоследствие тези три V бяха разширени Четири Vs от IBM, за да включите Достоверност (качество / цялост) на данните като крайно измерение, необходимо за улавяне на стойност.

... но вероятно вече сте чували за големи данни. Малки данни от друга страна е подклас от данни, които се считат за достатъчно скромни, за да ги направят достъпни, информативни и приложими от хората, без да са необходими прекалено сложни аналитични инструменти. Най-добре намалено от бившия консултант на McKinsey Алън Бонде, „Големите данни са за машините, докато малки данни е за хората “- по-конкретно, смислени прозрения, организирани и пакетирани за извеждане на причинно-следствени връзки, модели и причините„ защо “за хората.

Анализ, базиран на SaaS

Заедно с нарастването както на наличността, така и на полезността на данните дойде и появата на самостоятелна аналитична индустрия. След като изключителната обител на магистри и докторанти, статистици, изследователи на данни и анализатори, анализа се превърна в индустрия на функционално стабилни, но евтини, самообслужващи се софтуер като услуга (SaaS) платформи които позволяват дори на най-начинаещите потребители да извличат стойност от техните данни. По-малките компании, на които преди това липсваха експертните познания или бюджетите, необходими за извършване на този вид анализ, сега се конкурират по-близо до равнопоставеност с колегите си с по-добри ресурси и създават защитими части на своите пазари.

В допълнение към икономическите ползи от модела SaaS, изследвания от Aberdeen Group, компания за изследвания и технология и услуги, илюстрира, че организациите, които приемат SaaS инструменти, имат два пъти повече служители, които инстинктивно използват данни, за да вземат решения и да постигат целите си за възвръщаемост на инвестициите с 40% по-бързо от тези, които не го правят. За повечето компании вече се използват активно отчети за имейл маркетинг, Google Analytics и други уеб базирани инструменти за анализ, в допълнение към вътрешно генерирани отчети от счетоводство, маркетинг, ERP и CRM системи и се използват като основен механизъм за монетизиране на малките им данни.

Освен това и въпреки че това е голям и нарастващ пазар, чието прецизно измерване може да бъде трудно, IDC оценява световния пазар за бизнес разузнаване и анализи на почти 14 милиарда долара към 2017 г. нараства със скорост от 11,7% y-o-y , с Forrester Research, компания за глобални пазарни проучвания, прогнозиране на CAGR от 15% до 2021г.

Данни за пазарния дял

Не е изненадващо, че пазарът на инструменти за анализ и решения е доминиран от старата гвардия от софтуерни компании - компании като SAP, IBM, Oracle и Microsoft. Към 2015 г. SAP води пазара с 10% пазарен дял и 1,2 милиарда щатски долара в приходите от анализи и бизнес разузнаване (BI); Институтът SAS беше номер две, с 9% дял; IBM, трети с 8% , и Oracle и Microsoft съответно на четвърто и пето място с 7% и 5% . Интересното е, че пазарният дял на петте най-големи доставчици намалява поради по-големия пазарен ръст на обезпечения с рисков капитал стартиращи компании като Стратегии за настроение , Борд , и Терадата , което предполага, че голяма част от бъдещия растеж на индустрията ще бъде генериран от по-малки, по-бързи и по-гъвкави компании.

Ръководство за внедряване на Анализ на данни за малки компании

На възможно най-високо ниво, a култура, ориентирана към данните дава на ръководството по-голяма увереност, че е в състояние да взема най-добрите възможни решения, често и последователно, докато работи от една и съща версия на истината - прозрачна, количествено измерима. В края на краищата, повечето от нас са провеждали сесии, в които воюващи ръководители са излагали / защитавали различни аргументи, опирайки се на различни анекдотични източници, модели на факти и интерпретации, бързо поставяйки под въпрос целостта на входовете и следователно на изходите. По този начин първо решение което трябва да бъде направено от даден малък бизнес, който иска да извърви пътя за анализ на данни, е дали споменатият бизнес наистина се стреми да стане организация, управлявана от данни.

След като бъде взето това решение отгоре надолу, трябва да се установи рамка за оптимизиране на потенциала и полезността на новия стратегически приоритет. Да започна, няколко въпроса трябва да се попита. Първото, какви са краткосрочните и дългосрочните цели на дадена фирма, проект, инициатива или отдел? Второ, кой трябва да отговаря за усилията и резултатите от тях? Трето, какви конкретни проблеми фирмата, проектът, инициативата или отделът се стремят да решат с данни? И четвърто, какви инструменти трябва да се използват за задвижване на инициативата?

След като отговорите на тези въпроси, следващата стъпка е да се формулира осезаем план за изпълнение което с малко планиране, организационна структура, посока отгоре надолу и ентусиазъм отдолу-нагоре ще позиционира организацията, за да генерира реални и измерими резултати по-последователно, отколкото в миналото. Диаграмата по-долу е предназначена да осигури рамка за разглеждане на различните елементи на прост подход за анализ на данни.

Към въпроса за целите

Това е първият важен въпрос, за да се оправи. На високо ниво, превъзходната цел за всяка компания, която се стреми да използва данните си, е да разработи систематичен процес за вземане на стабилни бизнес решения - процес, който е последователен и повторяем и който дава значително по-добри резултати. На този етап е важно да се отбележи, че превръщането в здрава организация, ориентирана към данните, е пътуване, а не дестинация и като такова, „бай-ин“ отгоре и консенсус отдолу са важни основополагащи стъпки, които ще се окажат критични за масово приемане и напълно използвани аналитични активи. След като постигнете бай-ин, една изпитана следваща стъпка е стратегически да подредите няколко „бързи печалби“, за да забиете прага на вълнение и ангажираност, необходими, за да се осъществи този процес. Изграждане на консенсус, бай-ин и постигнати бързи печалби и двете изследвания и моят опит диктува подход за изпълнение, който приема следната структура, последователност и съображения:

Започни с описателна аналитика —Прост визуално табло за управление което подчертава корпоративната ефективност, използвайки съществуващи данни за транзакции, за да се направят заключения, които преди това са се оказали неубедителни без количествено измерими данни. След това се развийте пробиване възможности в рамките на таблото ви за управление, споделяне на статистика, вземане на резултати (и) и инструкции за самопомощ стратегически и с правилните колеги / организационни влиятели . Това ще даде тласък както на процеса на разпространение до техните подчинени, така и на културата на разчитане на данни, която се стремите да култивирате.

Втори етап: Завършване на по-сложни прогнозна аналитика възможности, използвайки вътрешни технически ресурси или с помощта на доставчици на трети страни. Тези възможности за предсказване съчетават както вътрешни, така и външни източници на данни, за да отговорят по-добре на конкретни бизнес въпроси като „Каква е вероятността клиентът да дефектира?“ Или „Клиентите, които купуват x, обикновено също купуват y“, и предоставят реални временен поглед върху работата на отделите или изпълнението на дадена инициатива. „Външни източници на данни“ в този случай включва данни от социални медии, данни за продажбите или данни за потребителския опит, като всички те предоставят богати и статистически значими източници на информация, където вътрешните данни все още са твърде ограничени, за да могат да бъдат използвани сами.

Третият етап е да се премине към напреднал, предписателна аналитика което помага да се определи подходящото действие за насочване / предотвратяване на поведението на потребителите, корпорациите, конкурентите, служителите или доставчиците на фона на исторически данни. Трябва да се отбележи обаче, че този етап обикновено започва да маркира прехода от малки данни към големи; и все пак, това е необходима стъпка, която трябва да бъде включена в процеса на вземане на решения във вашата компания, за да се осигурят най-високите нива на цялост на входа и изхода и последователност при вземането на решения.

Задълбочен изглед на различните етапи на Анализ

Описателен анализ - Табла за управление

Труизъм е, че това, което се измерва, се управлява, и така чрез разработване на единна детерминирана истина за данни, лидерите в една организация са по-способни да вземат по-разумни и по-единни решения. Табла за управление са отправната точка на подобни аналитични пътувания и визуалната илюстрация на детерминираната истина на данните на компанията. Разбира се, това, което е от значение за една група, може да е безсмислено за друга, така че надлежно съображение трябва да се даде на целта или темата на дадено табло, каква информация трябва да се включи, коя е съответната рецепторна аудитория за нейното съдържание и какъв е въпросът / проблемът, който споменатата група се опитва да отговори / реши.

Добре проектираните табла управляват вземането на решения, вместо просто да представят историческа информация, а най-добрите ефективно фокусират вниманието върху тенденциите и повтарящите се модели (както положителни, така и отрицателни), като същевременно илюстрират точно жизнените показатели на бизнеса. По-усъвършенстваните табла за управление осигуряват подробни възможности, които позволяват на лидерите да стигнат до първопричини на диагностициран проблем с възможностите за анотиране и споделяне, които позволяват по-динамично гледане в реално време.

Предсказуем анализ - смесване на данни, проучване и заявки

След като процесът на таблото за управление завърши, амбициозната организация, управлявана от данни, може да започне да става по-амбициозна. За това, типично Следваща стъпка е „да се използват обемни и разнообразни данни, за да се извърши по-усъвършенстван анализ и да се осигури по-нататъшно измерение на областта на решението.“ Чрез смесване на специфични за компанията данни, допълнително обогатени с тези на трети страни, вариращи от вертикални конкретни доставчици като Experian, Acxiom и D&B до социални медии или доставчици на данни за продажби като Facebook, Twitter и Salesforce, дадената фирма може да проучи по-големи, по-широки, по-разнообразни и статистически значими набори за нови и по-добри прозрения в представянето на компанията и поведението на клиентите.

Предписващ анализ - Внедряване на Анализ в бизнес процеси

Компаниите на ниво предприятие с различни нужди по отношение на данни, клиенти, регулации и специфични бизнес проблеми / проблеми и с различен бюджет и вътрешен набор от умения вероятно ще имат доставчици на технологии, които отговарят на техните по-уникални нужди. Те работят в мащаб, при който способността за операционализиране на анализа в техните бизнес процеси и работни процеси става по-важна и икономична. Често тези компании ще бъдат в регулирани индустрии, където трябва да могат да докажат, че разполагат с честни и повторяеми лечения.

Кредиторите не показват пристрастия в своите политики на кредитиране, независимо дали по отношение на пола, доходите или расата.

Към въпроса за отговорността

Едно е да се определи конкретно действие, а друго да се приложи. Трябва да има връзка между диагнозата, предписанието и решението и отделен човек / група, отговорна за желания резултат. Тук ролята на изпълнителния спонсор става важна.

Както за малки, така и за големи компании, каза изпълнителният спонсор - номинираният шампион по обогатяване на данни и де факто главен служител по данни —Е физическо лице, обикновено главен изпълнителен директор, финансов директор или ООП в началото, вече потънало в данни и анализи, настроено към проблема, който се решава най-добре от данните, или поне вярващ в трансформационния потенциал на анализа на данни.

В допълнение към този главен герой, процесът обикновено изисква и вторичен, по-практически шампион, особено след като фирмата започне да преминава от описателен към прогнозен анализ. Традиционно този човек беше технически обучен, вътрешен учен за данни, но напоследък приема формата на ентусиаст, който често е наричан гражданин учен за данни . Този индивид обикновено се самоизбира - самоизповядващ се електронни таблици с точния баланс на интелектуално любопитство и сръчност, но такъв, който желае да живее в изпълнението на плевелите. В много случаи този човек изпреварва ръководството, като разпознава потенциала за въздействие, който официалният процес на анализ на данните може да създаде в тяхната фирма, но просто му липсва статутът или достоверността, необходими за продажба на визията им.

Към въпроса за бизнес проблема

Всяка успешна и неуспешна компания има своя уникален набор от предизвикателства, адресирани само чрез подходящата комбинация от ресурси, процеси и възможности, специфични за нея. Въпреки това, видовете бизнес предизвикателства, най-подходящи за справяне с данни, могат по-често да бъдат намалени, категоризирани и адресирани с помощта на рамката, посочена в графика 7.

В допълнение, няколко анекдотични насоки / параметри са измислени през годините, които допълнително оптимизират шансовете не само за идентифициране на подходящите видове проблеми, за да се справят с данните, но и шансовете им да бъдат успешно разрешени. Тези насоки / параметри са, както следва: Първо, изберете прости, ясни въпроси, чието значение има голямо значение; второ, в търсенето на отговори от данните се стремете към практичността на решението, а не към съвършенството на академичния отговор; трето, имайте предвид естеството и базата от знания на аудиторията на Вашия получател при предоставянето на диагнозата и решението; и накрая, изберете само проблеми, които са измерими и количествено измерими с вече съществуващи данни и решения, които могат, в еднаква степен, да бъдат проследени.

Към въпроса за правилните инструменти и методи

Финалът на нашите първоначални четири рамкови въпроса, когато става въпрос за изграждане на устойчива организация, ориентирана към данните, е този относно избора на инструменти, методи или платформи. За това първо ще заявя, че инструментите за анализ на данни са се развили значително през последните години, с различни плюсове и минуси за бизнес потребителя. Плюсовете включват значителен спад в разходите, свързани с лизинга на такива инструменти, и увеличаване на списъка с функции и сложността на наличните опции, тъй като те са преминали от специфични за функциите инструменти към платформи с припокриващи се функционалности. Освен това доставчиците на SaaS предлагат безплатни пробни версии, макар и с ограничения върху обема и типа данни; на новите клиенти се предоставя възможност да вземат информирано решение за покупка след тестване на множество платформи.

Основният недостатък на тези платформи е, че в опит да останат конкурентни помежду си, доставчиците са внедрили толкова агресивно към сложност, че техните предложения вече се приближават до насищане на функции с предложения, които са извън полезността на средните бизнес потребители. Неудачният резултат е завладяването на начинаещия потребител, което затруднява постигането на „бързите печалби“, обсъдени по-рано и по този начин намалява вероятността културата на данните да се утвърди в дадена фирма.

За щастие има много налични ресурси за подпомагане на потенциални потребители, оценка и сравнение на конкурентни решения за бизнес разузнаване, въпреки че някои познания за основните общи възможности са полезни при оценката им спрямо специфичните нужди и приоритети на компанията. Няколко такива възможности включват: брой и обхват на връзките за данни, наличност на предварително сглобени табла за управление, разширяване, възможности за публикуване и споделяне, интеграция с възможности за смесване на данни и софтуер за проучване, потенциал за мащабиране (както на обема, така и на параметрите на разнообразието), брой и точността на подходите за моделиране, както и референтните бази на клиентите за конкретна индустрия. Макар да е съвсем проста в своето резюме, графика 7 по-горе представя някои ключови доставчици, които играят в различни категории (описателни, предсказуеми, предписващи).

Малки данни, големи възможности

Въпреки началните ниши, ясно е, че анализът на данни и пазарът на базирани на SaaS инструменти за анализ се е развил значително през последните години, много в полза на гражданския учен за данни и тяхната компания. Големите данни, малките данни, инструментите за самообслужване - всеки от тях е достатъчно разпространен в момента, за да оправдае тяхното разглеждане като основна компетентност дори на най-малко техническия бизнес. Казано по различен начин, тъй като се генерират толкова полезни, действащи данни и разходите на инструментите за самообслужване се движат обратно на предлаганите функции и възможности, ще продължат да съществуват няколко причини дори малките предприятия да не започнат да използват данните в някакъв капацитет.

Тази статия би трябвало да илюстрира, че с малко планиране, поставяне на цели и избор на покровител, дори вашето стартиране може да започне да изравнява конкурентните условия с индустриалните титани, които сте решили да нарушите, като в този процес отключва огромна икономическа стойност за вас и вашите заинтересовани страни. Трябва само да започнете; така че напред - започнете!

Разбиране на основите

Какво е малък бизнес?

Независимо притежавано и управлявано дружество, корпорация, партньорство или еднолично дружество, което е с ограничен размер, както се определя от приходите, печалбите, броя на персонала и други мерки, в зависимост от индустрията.

Какво представляват големите данни?

Субективна мярка, която описва набори от данни толкова големи, че не могат да бъдат управлявани и анализирани от типични инструменти за обработка на данни. По този начин те трябва да бъдат анализирани изчислително, най-често, за да се разкрият модели, тенденции и асоциации, особено свързани с човешкото поведение и взаимодействия.

Какво представлява анализът на данни?

Процесът на изследване на различни набори от данни, за да се направят заключения относно информацията, която те съдържат, включително скрити модели, неизвестни корелации, пазарни тенденции, предпочитания на клиентите и други неща, които могат да помогнат на организациите да вземат по-информирани бизнес решения.

Какви са техниките за извличане на данни?

Извличането на данни е аналитичният процес, чрез който данните се изследват, за да се разкрият последователни модели и / или систематични връзки между променливи, впоследствие валидирани чрез прилагане на споменатите модели към нови подмножества от данни. Има няколко основни техники, използвани в извличането на данни, включително асоцииране, класификация, cl