สารบัญ:
- พอร์ตบิ๊กดาต้าโดยตรงสู่แพลตฟอร์มเฉพาะภาค
- สร้างระบบข่าวกรองธุรกิจที่เป็นมรดกตกทอด
- ใช้คลังข้อมูลนั้น
- ข้อมูลโครงสร้าง
- ระบุและจัดการ Data Lakes
มีการพูดคุยกันหลายครั้งในวันนี้เกี่ยวกับสิ่งที่เกี่ยวข้องในการสร้างการตั้งค่าไอทีขนาดใหญ่ตั้งแต่การใช้ Apache Hadoop และเครื่องมือที่เกี่ยวข้องเพื่อสร้างนวัตกรรมการเข้าถึงการสนทนาเกี่ยวกับวิธีการทางเทคนิคในช่องทางข้อมูลเข้าและออกจากคลังข้อมูลส่วนกลางของ บริษัท แต่ยังมีองค์ประกอบทางปรัชญาของข้อมูลขนาดใหญ่ กล่าวอีกนัยหนึ่งคุณจะใช้ข้อมูลทั้งหมดที่อยู่รอบ ๆ เพื่อเพิ่มผลลัพธ์ทางธุรกิจและปรับปรุงรูปแบบธุรกิจของคุณได้อย่างไร
ต่อไปนี้เป็นห้าวิธีที่ บริษัท ต่างๆทำการรวบรวมตัวเลขและนำไปใช้กับผลลัพธ์ที่เป็นรูปธรรม
พอร์ตบิ๊กดาต้าโดยตรงสู่แพลตฟอร์มเฉพาะภาค
วิธีง่ายๆในการเริ่มต้นใช้ข้อมูลธุรกิจแบบรวมคือการใส่องค์ประกอบข้อมูลเฉพาะลงในระบบกระบวนการทางธุรกิจที่ออกแบบไว้ล่วงหน้าเพื่อให้ส่งข้อมูลได้อย่างมีประสิทธิภาพ บางทีตัวอย่างที่ดีที่สุดคือเครื่องมือการบริหารลูกค้าสัมพันธ์ (CRM) ผู้ขายมักจะสร้างบริการของพวกเขารอบ ๆ แดชบอร์ดที่สามารถนำเสนอพนักงานขายและคนอื่น ๆ ด้วยไฟล์หรือโฟลเดอร์ลูกค้าที่มีประสิทธิภาพและดำเนินการได้
สิ่งคือการใช้ CRM ถือว่าคุณมีข้อมูลที่จำเป็นบางแห่ง หากคุณสามารถจัดกลุ่มตัวระบุลูกค้าประวัติการซื้อและรายการอื่น ๆ ที่เกี่ยวข้องเข้าด้วยกันคุณสามารถเริ่มจัดส่งทั้งหมดนี้ในแพลตฟอร์ม CRM ของคุณ ทีมขายของคุณจะขอบคุณ
สร้างระบบข่าวกรองธุรกิจที่เป็นมรดกตกทอด
คุณจะเลือกและเลือกชุดข้อมูลเฉพาะที่คุณต้องการใช้ แต่สิ่งที่ บริษัท กำลังทำคือใช้วิธีการบีบอัดข้อมูลและขยายข้อมูลอย่างช้าๆโดยการฉีดชุดข้อมูลขนาดใหญ่ลงในแบบเดิม ๆ เทคนิคการรายงาน
ตกลงดังนั้นจึงมีทรัพยากรเตือนมากกว่าสองสามอย่างเกี่ยวกับระบบทั่วไปที่จะยับยั้งความก้าวหน้าที่เกิดขึ้นจริง แต่ยังมีคำแนะนำที่ใช้งานได้จริงซึ่งแสดงความท้าทายบางอย่างในการใช้เทคโนโลยีแบบดั้งเดิมสำหรับข้อมูลขนาดใหญ่วิธีการที่ทำได้และพนักงานที่เหมาะสมสามารถสร้างความแตกต่างได้ทั้งหมด นอกจากนี้ในทางเทคนิคแล้วทุกอย่างคือ "มรดก" เมื่อมีการปรับใช้ดังนั้นจึงไม่เหมาะสมที่จะคัดลอกระบบมรดกทุกครั้งที่มีสิ่งที่ดีกว่าเข้ามา
ใช้คลังข้อมูลนั้น
หากคุณมีข้อมูลขนาดใหญ่ในที่เก็บส่วนกลางและคุณรู้วิธีเข้าถึงมันคุณสามารถสร้างกระบวนการใหม่ ๆ
นี่คือตัวอย่างที่ยอดเยี่ยมว่า บริษัท ขนาดใหญ่บางแห่งกำลังใช้งานข้อมูลขนาดใหญ่ที่เฉพาะเจาะจงและแม่นยำ คุณอาจเรียกมันว่าการทำดัชนีข้าม ช่วยให้องค์กรสามารถสร้างแบบจำลองที่สอดคล้องกันระหว่างบัญชีลูกค้าทุกประเภทที่มีอยู่ในส่วนต่าง ๆ ของสถาปัตยกรรมซอฟต์แวร์
โดยการรวมข้อมูลที่สามารถดำเนินการได้ทั้งหมดเข้าด้วยกัน บริษัท อาจสามารถดูได้ว่าตัวอย่างเช่นชื่อในฐานข้อมูลค้าปลีก ณ จุดขายครั้งเดียวตรงกับชื่อในแผนกบริการของ บริษัท บริษัท จึงนำเข้าข้อมูลไปยังทั้งสองแผนกดังนั้นเมื่อมีคนรับโทรศัพท์พวกเขารู้ว่าบุคคลนั้นทำงานอยู่ในทั้งสองช่องทางแยกกัน
นี่คือการใช้ประโยชน์อย่างชาญฉลาดของธุรกิจอัจฉริยะ - ช่วยให้คุณทำอะไรบางอย่างบนพื้นฐานของข้อมูลขนาดใหญ่ทั้งหมดที่คุณได้รวมเข้าด้วยกัน
ข้อมูลโครงสร้าง
อีกประเด็นสำคัญที่มีข้อมูลขนาดใหญ่คือ บริษัท มักจะรวบรวมข้อมูลที่ค่อนข้างไม่มีโครงสร้าง ข้อมูลที่ไม่มีโครงสร้างอาจมาในรูปแบบของกระดาษหรือเอกสารดิจิทัลทรัพยากรฐานข้อมูลดิบหรือที่ไม่มีการระบุหรือแม้แต่ตัวอย่างของข้อความและรหัสจากอุปกรณ์มือถือ ข้อมูลที่ไม่มีโครงสร้างอะไรที่เหมือนกันคือมันไม่เป็นไปตามรูปแบบฐานข้อมูลเชิงสัมพันธ์ เป็นผลให้ฐานข้อมูล relatable ดั้งเดิมไม่สามารถจัดการได้และคุณไม่ได้รับข่าวกรองธุรกิจใด ๆ จากมัน
มีสองวิธีในการจัดการ: คว้าพลั่วและเริ่มขุดหรือรับทรัพยากรบางอย่างที่ปรับแต่งข้อมูลที่ไม่มีโครงสร้างลงในข้อมูลที่สามารถดำเนินการได้ บริษัท ที่ไม่ต้องการลงทุนในซอฟต์แวร์ใหม่อาจใช้มือมนุษย์เพื่อจัดเรียงข้อมูลที่ไม่มีโครงสร้างและจัดรูปแบบได้อย่างถูกต้อง แต่ตอนนี้คุณมีทางเลือกด้วยเครื่องมือที่จะแยกวิเคราะห์ข้อมูลที่ไม่มีโครงสร้างอย่างมีประสิทธิภาพ ตัวอย่างเช่นข้อมูลเมตาเป็นวิธีหนึ่งในการทำเหมืองข้อมูลอัตโนมัติในลักษณะที่มีประโยชน์
ระบุและจัดการ Data Lakes
อีกหนึ่ง buzzword ที่ยิ่งใหญ่ในชุมชนข้อมูลขนาดใหญ่คือดาต้าเลก โดยพื้นฐานแล้ว data lake เป็นเพียงกลุ่มของข้อมูลขนาดใหญ่ที่ไม่ได้ใช้งาน มันเป็นคำจำกัดความที่เป็นแก่นสารของข้อมูลที่เหลือ - ไม่มีการทำอะไรเลยมันไม่ถูกรบกวนมันเป็นน้ำแข็งและเงียบสงบเหมือนแผ่นไม้อัดของน้ำนิ่ง
อีกครั้งมีหลายวิธีในการจัดการกับทะเลสาบข้อมูล แต่พวกเขาทั้งหมดเริ่มต้นด้วยการสะท้อนให้เห็นถึงสิ่งที่อยู่ในชุดข้อมูลขนาดใหญ่เหล่านั้นและทำไมพวกเขาถึงอยู่ในห้องเย็นในตอนแรก บริษัท ต่างๆกำลังสร้างดาต้าเซ็นเตอร์ของตัวเองและใช้เทคโนโลยีการจัดกลุ่มข้อมูลเชิงวัตถุล้ำสมัยเพื่อแยกทะเลสาบข้อมูลเหล่านี้ออกเป็นชิ้นส่วนที่สามารถดำเนินการได้ สิ่งนี้กระทำได้จริงในแต่ละกรณี แต่ผู้เชี่ยวชาญบางคนมีคำแนะนำเกี่ยวกับวิธีการรวบรวมข้อมูลเหล่านั้นลงในคลองที่เป็นประโยชน์ซึ่งทำให้ข้อมูลกลายเป็นส่วนหนึ่งและทำบางสิ่งบางอย่าง
