Inhaltsverzeichnis:
- Portieren Sie Big Data direkt auf branchenspezifische Plattformen
- Erstellen Sie ältere Business Intelligence-Systeme
- Verwenden Sie dieses Data Warehouse
- Strukturdaten
- Identifizieren und Behandeln von Data Lakes
Heutzutage wird viel darüber geredet, was bei der Erstellung von Big-Data-IT-Setups erforderlich ist, angefangen von der Verwendung von Apache Hadoop und verwandten Tools über innovative Eingabehilfen bis hin zu Gesprächen über technische Möglichkeiten zum Ein- und Auslagern von Daten in zentrale Unternehmensdatenlager. Aber es gibt auch das philosophische Element von Big Data. Mit anderen Worten, wie nutzen Sie all diese Daten, um Ihre Geschäftsergebnisse zu steigern und Ihr Geschäftsmodell zu verbessern?
Hier sind fünf Möglichkeiten, wie Unternehmen die Zahlen zusammenfassen und sie tatsächlich auf einige konkrete Ergebnisse anwenden.
Portieren Sie Big Data direkt auf branchenspezifische Plattformen
Eine einfache Möglichkeit, mit der Verwendung aggregierter Geschäftsdaten zu beginnen, besteht darin, bestimmte Datenelemente in vorgefertigte Geschäftsprozesssysteme einzufügen, mit denen diese Daten effektiv bereitgestellt werden. Das vielleicht beste Beispiel sind CRM-Tools (Customer Relationship Management). Anbieter bauen ihre Dienste häufig auf Dashboards auf, die Vertriebsmitarbeitern und anderen Mitarbeitern effiziente und umsetzbare Kundendateien oder -ordner zur Verfügung stellen.
Die Sache ist, dass die Verwendung von CRM davon ausgeht, dass Sie die erforderlichen Daten irgendwo haben. Wenn Sie Kundenkennungen, Kaufhistorien und andere relevante Artikel zusammenfassen können, können Sie all dies in Ihre CRM-Plattform einbinden. Ihr Verkaufsteam wird es Ihnen danken.
Erstellen Sie ältere Business Intelligence-Systeme
Auch hier müssen Sie auswählen, welche spezifischen Datensätze Sie verwenden möchten. Ein weiteres Ziel von Unternehmen ist jedoch, die Daten auf die übliche Weise zu komprimieren und langsam zu erweitern, indem Sie immer mehr Big-Data-Sätze in ihre herkömmlichen Datensätze einfügen Berichterstattungstechniken.
OK, es gibt also mehr als nur ein paar Ressourcen, die vorsorgen, wie viel Altsysteme den tatsächlichen Fortschritt im Allgemeinen hemmen. Es gibt jedoch auch einige praktische Leitfäden, die einige der Herausforderungen beim Einsatz älterer Technologien für Big Data aufzeigen, wie dies durchgeführt werden kann und wie die richtigen Mitarbeiter den entscheidenden Unterschied ausmachen können. Außerdem ist technisch gesehen alles "Legacy", sobald es bereitgestellt ist. Es ist also nicht immer sinnvoll, ein Legacy-System jedes Mal zu verschrotten, wenn etwas Besseres auftaucht.
Verwenden Sie dieses Data Warehouse
Wenn Sie Big Data in einem zentralen Repository haben und wissen, wie Sie darauf zugreifen können, können Sie neue Prozesse darauf aufbauen.
Hier finden Sie ein hervorragendes Beispiel dafür, wie einige größere Unternehmen Big Data gezielt und präzise einsetzen. Sie können es als Cross-Indexing bezeichnen. Es hilft einem Unternehmen, konsistente Modelle zwischen all seinen zahlreichen Arten von Kundenkonten zu erstellen, die sich in verschiedenen Teilen der Softwarearchitektur befinden können.
Durch das Zusammenführen aller verwertbaren Daten kann ein Unternehmen beispielsweise feststellen, ob ein Name in seiner Einzelhandelsdatenbank an einer einmaligen Verkaufsstelle mit einem Namen in einem seiner Servicebereiche übereinstimmt. Das Unternehmen importiert die Informationen dann in beide Abteilungen, sodass beim Abheben des Telefons festgestellt wird, dass diese Person in beiden getrennten Kanälen aktiv ist.
Dies ist eine praktische Anwendung von Business Intelligence - sie hilft Ihnen dabei, tatsächlich etwas zu tun, das auf all den Big Data basiert, die Sie zusammengekratzt haben.
Strukturdaten
Ein weiteres großes Problem bei Big Data ist, dass Unternehmen häufig relativ unstrukturierte Daten erfassen. Nicht strukturierte Daten können in Form von Papier oder digitalen Dokumenten, unformatierten oder nicht verfeinerten Datenbankressourcen oder sogar Text- und Codeausschnitten von Mobilgeräten vorliegen. Gemeinsam ist den unstrukturierten Daten, dass sie nicht dem relationalen Datenbankformat entsprechen. Infolgedessen kann die traditionelle relatable-Datenbank nicht damit umgehen, und Sie erhalten keine Business Intelligence.
Es gibt zwei Möglichkeiten, damit umzugehen: Nehmen Sie eine Schaufel und beginnen Sie zu graben, oder holen Sie sich Ressourcen, die diese unstrukturierten Daten in umsetzbare Daten umwandeln. Unternehmen, die nicht in neue Software investieren möchten, setzen möglicherweise menschliche Hände ein, um unstrukturierte Daten zu sortieren und korrekt zu formatieren. Dank Tools, die unstrukturierte Daten effektiv analysieren, haben Sie jetzt einige Alternativen. Metadaten sind beispielsweise eine Möglichkeit, das Data Mining so zu automatisieren, dass es nützlich ist.
Identifizieren und Behandeln von Data Lakes
Ein weiteres wichtiges Schlagwort in der Big-Data-Community ist Data Lake. Im Wesentlichen ist der Data Lake nur ein großer Datenpool, der dort ungenutzt bleibt. Es ist die Quintessenz der Definition von Daten in Ruhe - nichts wird damit getan, es wird nicht gestört, es ist so eisig und ruhig wie das Furnier eines stehenden Gewässers.
Auch hier gibt es viele verschiedene Möglichkeiten, mit Datenseen umzugehen, aber alle beginnen damit, zu reflektieren, was in diesen großen Datenmengen enthalten ist und warum sie sich überhaupt in einem Kühlraum befinden. Unternehmen bauen ihre eigenen Rechenzentren und verwenden hochmoderne objektorientierte Datencluster-Technologien, um diese Datenseen in umsetzbare Teile aufzuteilen. Dies geschieht wirklich von Fall zu Fall, aber einige Experten haben Vorschläge, wie diese Datenseen in hilfreiche Kanäle umgewandelt werden können, damit Informationen irgendwo landen und etwas tun.
