¿Los grandes datos realmente tienen valor comercial? Claro que sí, si lo estás usando bien. Y tiene las herramientas adecuadas en su lugar. // Mira mi blog para cosas relacionadas con hadoop.
“El análisis puede ser un área de fe ciega”, señala Nick Hardiman en un artículo de Tech Republic. “No obtener objetivos comerciales claros para el conjunto de datos puede dar lugar a una actitud de” espero que salga algo bueno “.
Entonces, abordaremos el tema de determinar el valor comercial con big data en la publicación de hoy.
- ¿Con qué herramientas o tecnologías debería estar familiarizado para conseguir un trabajo en el análisis de datos?
- ¿Qué son los grados fantasmas de libertad?
- ¿Cuál es la diferencia entre el almacenamiento de datos, la minería de datos y el análisis de datos?
- ¿Debo hacer un master en ciencia de datos o ir a un campo de entrenamiento?
- ¿Cómo es útil Python en análisis de datos? ¿Qué características le dan una ventaja sobre otras herramientas de ciencia de datos?
1. Determine qué necesita su empresa a partir de big data.
Un buen lugar para comenzar es en las solicitudes que sus unidades de negocios envían a TI. ¿Qué buscan los diferentes gerentes y equipos en los informes, las revisiones periódicas de los comentarios sociales y en el proceso de conversión de leads? Big Data puede proporcionar información real para su negocio, pero no hará el trabajo por usted.
2. Comience con poco y enfóquese en “victorias rápidas”.
Siempre es mejor abordar la configuración de un laboratorio de big data antes de implementarlo en toda su organización.
En este proceso, recomienda algunos objetivos para su “laboratorio” que incluyen “probar algunas tecnologías diferentes de análisis de big data durante dos o tres meses y” dos o tres ganancias rápidas para demostrar el valor de estas tecnologías tanto de TI como de negocios perspectiva.”
Las ganancias rápidas lo ayudan a ver el valor comercial real de Big Data a pequeña escala. Esto puede hacer tres cosas para su organización:
- Ayudarle a evaluar qué tecnologías son las mejores para su organización.
- Desarrollar la aceptación de todos los interesados
- Determine quién utilizará las tecnologías de Big Data en sus equipos y proyectos.
3. Centrarse en los resultados operativos.
“La liberación de datos conduce a nuevas tecnologías y nuevos enfoques de datos, que abren nuevos escenarios de negocios al extraer ideas para la toma de decisiones y la eficiencia operativa que no estaban disponibles anteriormente”, señala Svetlana Sicular en el reciente informe de Gartner Inc., “Big Data Oportunidades, nuevas respuestas y nuevas preguntas “.
Sicular dice que la tecnología es la nueva ventaja comercial. Y ese es el enfoque de un nuevo conjunto de actualizaciones a los productos TIBCO, incluido Spotfire 6.0.
Los grandes datos no se han centrado históricamente en los resultados operativos, dice Matt Quinn, director de tecnología de TIBCO.
“En TIBCO, nuestro enfoque es hacer que los clientes tengan acceso a todos sus datos de la manera más fluida y eficiente posible, en reposo y en movimiento, dándoles el poder de usar rápidamente esos datos para identificar y abordar problemas y oportunidades comerciales en el momento “, dice Quinn.
Un buen ejemplo de esto es el uso de la analítica de datos de Swiss Federal Railways para acomodar más tráfico sin expandir su infraestructura.
Cuando la empresa no pudo expandir sus pistas, buscó formas de minimizar los conflictos de red. Los ejecutivos de la compañía hicieron que esto sucediera a través de mensajes y alertas a los conductores, escribe Den Howlett para Diginomica.
Las alertas se ejecutan a través de un entorno de big data (proporcionado por TIBCO) y las aplicaciones comerciales predicen la velocidad y los movimientos del tráfico en toda su red. El resultado es un aumento exitoso en el tráfico y las llegadas a tiempo dentro de una ventana de cinco minutos el 96% del tiempo.
4. Encuentre formas innovadoras de utilizar big data para hacer crecer su marca.
Vemos algunos buenos ejemplos de cómo los bancos están utilizando big data para aumentar el conocimiento de la marca, en un nuevo informe de Gartner sobre el uso de herramientas de big data en la región de Asia y el Pacífico.
Mediante el uso de análisis en marketing de consumo, los bancos pueden generar estadísticas sobre las transacciones bancarias de sus clientes, por ejemplo, montos promedio de depósito, monto en ahorros, uso de servicios como préstamos y tarjetas de crédito, así como datos demográficos. Luego pueden permitir que sus clientes jueguen con los datos para ver cómo se comparan con sus pares.
El resultado final es ofrecer un llamado a la acción e infografías personalizadas para que los clientes compartan con sus redes sociales. Este enfoque para usar datos no estructurados le da al banco la oportunidad de construir una relación con sus clientes y clientes potenciales de una manera divertida.
5. Concéntrese en el análisis de big data de autoservicio.
Es una especie de nuestra línea de fiesta por aquí: dar ideas a la gente. A las personas que preguntan “¿Qué pasaría si?” Y “¿Cómo podría afectar esto?”, Hacen que los proyectos de Big Data funcionen.
Trabajar en un modelo de autoservicio es un buen enfoque para encontrar ideas dentro de los equipos y líneas de negocio. Esto puede relacionarse con las victorias rápidas.
Los proyectos pequeños pueden alimentar proyectos más grandes y eventualmente una cultura de big data. No se necesita un científico de datos para demostrar el valor comercial cuando las herramientas están en las manos adecuadas
