תוכן עניינים:
- נמל נתונים גדולים ביג לפלטפורמות ספציפיות למגזר
- בנה מערכות בינה עסקית מדור קודם
- השתמש במחסן נתונים זה
- נתוני מבנה
- זהה וטיפול באגמי נתונים
בימים אלה יש הרבה דיבורים על מה שקשור ביצירת מערכי IT גדולים של נתונים, החל מהשימוש באפצ'י חאדו וכלים קשורים לחדשנות נגישות, וכלה בשיחות על דרכים טכניות להעביר נתונים בתוך מחסני נתונים מרכזיים של החברה. אבל יש גם את המרכיב הפילוסופי של נתונים גדולים. במילים אחרות, איך אתה משתמש בכל הנתונים האלו שמסתובבים בכדי לשפר את התוצאות העסקיות שלך ולשפר את המודל העסקי שלך?
להלן חמש דרכים בהן חברות מפרקות את המספרים ולמעשה מיישמות אותם לתוצאות קונקרטיות.
נמל נתונים גדולים ביג לפלטפורמות ספציפיות למגזר
דרך קלה אחת להתחיל להשתמש בנתונים עסקיים מצטברים היא להכניס אלמנטים נתונים ספציפיים למערכות תהליכים עסקיים מעוצבים מראש אשר נועדו לספק נתונים אלה בצורה יעילה. אולי הדוגמה הטובה ביותר היא כלים לניהול קשרי לקוחות (CRM). ספקים בדרך כלל בונים את שירותיהם סביב לוחות מחוונים שיכולים להציג לעובדי מכירות ואחרים קבצי לקוחות או תיקיות יעילים וניתנים לפעולה.
העניין הוא ששימוש ב- CRM מניח שיש לך את הנתונים הדרושים איפשהו. אם אתה יכול לקבץ מזהים של לקוחות, רכישות היסטוריות ופריטים רלוונטיים אחרים יחד, אתה יכול להתחיל לשלוח את כל זה לפלטפורמת CRM שלך. צוות המכירות שלך יודה לך.
בנה מערכות בינה עסקית מדור קודם
שוב, תבחר ותבחר באילו מערכי נתונים ספציפיים תרצו להשתמש, אך דבר נוסף שחברות עושות הוא לנקוט בדרכים הרגילות שלהם לרסק נתונים ולהרחיב אותם לאט, על ידי הזרמת עוד ועוד סטים של נתונים גדולים למסורתיים שלהם טכניקות דיווח.
אוקיי, אז יש יותר מכמה מקורות זהירות לגבי כמה מערכות מורשת בדרך כלל מעכבות את ההתקדמות בפועל. אבל יש גם כמה מדריכים מעשיים שם המראים כמה מהאתגרים בשימוש בטכנולוגיות מדור קודם למידע גדול, כיצד ניתן לעשות זאת ואיך הצוות הנכון יכול לעשות את כל ההבדל. בנוסף, טכנית, הכל "מורשת" ברגע שהוא פורס, ולכן לא תמיד הגיוני לגרד מערכת מורשת בכל פעם שמשהו טוב יותר בא.
השתמש במחסן נתונים זה
אם יש לך נתונים גדולים במאגר מרכזי ואתה יודע לגשת אליהם, אתה יכול לבנות תהליכים חדשים סביב זה.
להלן דוגמה מצוינת לאופן בו חברות גדולות יותר רודפות שימושים ספציפיים, מדויקים ומצוינים במידע גדול. אתה יכול לקרוא לזה צלב-אינדקס; זה עוזר לארגון לבנות מודלים עקביים בין כל מיני חשבונות הלקוחות הרבים שעשויים להיות מוחזקים בחלקים שונים בארכיטקטורת התוכנה.
על ידי שילוב של כל הנתונים הניתנים לביצוע, חברה עשויה לראות אם, למשל, שם במסד הנתונים הקמעונאי החד-פעמי של המכירה שלו תואם לשם באחת מחטיבות השירות שלה. לאחר מכן החברה מייבאת את המידע לשתי המחלקות, כך שכשמישהו מרים את הטלפון, הם יודעים שהאותו אדם פעיל בשני הערוצים הנפרדים.
זהו שימוש מעשי במודיעין עסקי - זה עוזר לך לעשות משהו בפועל על סמך כל הנתונים הגדולים שגרדת יחד.
נתוני מבנה
נושא מרכזי נוסף עם נתונים גדולים הוא שחברות לרוב אוספות נתונים לא מובנים יחסית. נתונים לא מובנים עשויים להגיע בצורה של מסמכים מנייר או דיגיטליים, משאבי מסד נתונים גולמיים או לא מזוקקים, או אפילו קטעי טקסט וקוד ממכשירים ניידים. המשותף לנתונים לא מובנים הוא שהם אינם עוקבים אחר פורמט מסד הנתונים היחסי. כתוצאה מכך, מסד הנתונים המקושר המסורתי אינו יכול להתמודד עם זה, ולא מוציאים ממנו שום בינה עסקית.
ישנן שתי דרכים להתמודד עם זה: לתפוס את האת ולהתחיל לחפור, או להשיג כמה משאבים שמעדנים את הנתונים הבלתי מובנים לנתונים הניתנים לפעולה. חברות שאינן מעוניינות להשקיע בתוכנה חדשה עשויות להעסיק ידיים אנושיות כדי למיין נתונים לא מובנים ולעצב אותם נכון, אך כעת יש לך כמה אלטרנטיבות בזכות כלים שינתחו נתונים לא מובנים בצורה יעילה. מטא נתונים, למשל, הוא דרך אחת לאוטומציה של כריית נתונים באופן המועיל.
זהה וטיפול באגמי נתונים
מילת באזז גדולה נוספת בקהילת הנתונים הגדולים היא אגם הנתונים. בעיקרון, אגם הנתונים הוא רק מאגר גדול של נתונים שיושב שם ללא שימוש. זו ההגדרה המובהקת של נתונים במנוחה - שום דבר לא נעשה עם זה, זה לא מופרע, הם קפואים ושלווים כמו פורניר גוף מים עומד.
שוב, ישנן דרכים רבות ושונות להתמודד עם אגמי נתונים, אך כולם מתחילים להרהר במה שיש במערכות הנתונים הגדולות הללו ולמה הם מלכתחילה באחסון קר. חברות בונות מרכזי נתונים משלהן ומשתמשות בטכנולוגיות מקבצי נתונים מכוונות עצמים קוליות כדי לפרק את אגמי הנתונים האלה לחלקים הניתנים לפעולה. זה באמת נעשה כל דרך קניינית, אך יש מומחים שיש להם הצעות כיצד לתאם את אגמי הנתונים הללו לתעלות מועילות הגורמות שפרטי מידע יגיעו איפשהו ולעשות משהו.
