Sommario:
- Porta i Big Data direttamente nelle piattaforme specifiche del settore
- Costruire sistemi di Business Intelligence legacy
- Usa quel data warehouse
- Dati struttura
- Identificare e gestire Data Lakes
Oggigiorno si parla molto di ciò che è coinvolto nella creazione di configurazioni IT per big data, dall'uso di Apache Hadoop e degli strumenti correlati all'innovazione dell'accessibilità, alle conversazioni sui modi tecnici per incanalare i dati all'interno e all'esterno dei data warehouse aziendali centrali. Ma c'è anche l'elemento filosofico dei big data. In altre parole, come si usano tutti quei dati che ci sono in giro per aumentare davvero i risultati della tua attività e migliorare il tuo modello di business?
Ecco cinque modi in cui le aziende stanno sgretolando i numeri e li stanno effettivamente applicando ad alcuni risultati concreti.
Porta i Big Data direttamente nelle piattaforme specifiche del settore
Un modo semplice per iniziare a utilizzare dati aziendali aggregati è quello di inserire elementi di dati specifici in sistemi di processi aziendali predefiniti creati per fornire tali dati in modo efficace. Forse il miglior esempio sono gli strumenti di gestione delle relazioni con i clienti (CRM). I fornitori spesso sviluppano i loro servizi attorno a dashboard in grado di presentare agli addetti alle vendite e ad altri file o cartelle dei clienti efficienti e fruibili.
Il fatto è che l'utilizzo di CRM presuppone che tu abbia i dati necessari da qualche parte. Se riesci a raggruppare identificativi dei clienti, cronologia degli acquisti e altri articoli pertinenti, puoi iniziare a spedire tutto questo nella tua piattaforma CRM. Il tuo team di vendita ti ringrazierà.
Costruire sistemi di Business Intelligence legacy
Ancora una volta, sceglierai quali insiemi di dati specifici desideri utilizzare, ma un'altra cosa che le aziende stanno facendo è prendere i loro modi normali di sgranocchiare i dati e di espanderli lentamente, iniettando sempre più insiemi di big data nei loro tradizionali tecniche di segnalazione.
OK, quindi ci sono più di alcune risorse cautelative là fuori su quanti sistemi legacy generalmente frenano i progressi effettivi. Ma ci sono anche alcune guide pratiche là fuori che mostrano alcune delle sfide nell'uso delle tecnologie legacy per i big data, come possono essere fatte e come il personale giusto può fare la differenza. Inoltre, tecnicamente, tutto è "legacy" una volta distribuito, quindi non ha sempre senso scartare un sistema legacy ogni volta che arriva qualcosa di meglio.
Usa quel data warehouse
Se disponi di big data in un repository centrale e sai come accedervi, puoi creare nuovi processi attorno a questo.
Ecco un eccellente esempio di come alcune grandi aziende perseguano usi specifici, precisi e puntuali dei big data. Potresti chiamarlo indicizzazione incrociata; aiuta un'azienda a costruire modelli coerenti tra tutti i suoi numerosi tipi di account cliente che possono essere conservati in diverse parti dell'architettura software.
Combinando insieme tutti i dati utilizzabili, un'azienda potrebbe essere in grado di vedere se, ad esempio, un nome nel suo database al dettaglio del punto vendita in una sola volta corrisponde a un nome in una delle sue divisioni di servizio. La società quindi importa le informazioni in entrambi i dipartimenti, in modo che quando qualcuno prende il telefono, sappia che quella persona è attiva in entrambi i canali separati.
Questo è un uso pratico della business intelligence: ti aiuta a fare effettivamente qualcosa basato su tutti i big data che hai raccolto insieme.
Dati struttura
Un altro grosso problema con i big data è che le aziende spesso raccolgono dati relativamente non strutturati. I dati non strutturati possono venire sotto forma di documenti cartacei o digitali, risorse di database non elaborate o non raffinate o persino frammenti di testo e codice da dispositivi mobili. Ciò che accomuna i dati non strutturati è che non segue il formato del database relazionale. Di conseguenza, il database correlabile tradizionale non è in grado di gestirlo e non si ottiene alcuna business intelligence da esso.
Esistono due modi per gestirlo: afferrare una pala e iniziare a scavare o ottenere alcune risorse che perfezionano i dati non strutturati in dati fruibili. Le aziende che non vogliono investire in nuovi software possono impiegare mani umane per ordinare i dati non strutturati e formattarli correttamente, ma ora hai alcune alternative grazie a strumenti che analizzeranno i dati non strutturati in modo efficace. I metadati, ad esempio, sono un modo per automatizzare il data mining in modo da renderlo utile.
Identificare e gestire Data Lakes
Un'altra parola d'ordine nella comunità dei big data è data lake. In sostanza, il data lake è solo un grande pool di dati che è rimasto lì inutilizzato. È la definizione per antonomasia dei dati a riposo - non viene fatto nulla con esso, non viene disturbato, è gelido e placido come l'impiallacciatura di uno specchio d'acqua stagnante.
Ancora una volta, ci sono molti modi diversi di gestire i data lake, ma tutti iniziano con la riflessione su cosa c'è in quei set di big data e perché sono in primo luogo nella conservazione a freddo. Le aziende stanno costruendo i propri data center e utilizzando tecnologie di clustering di dati ultramoderne orientate agli oggetti per suddividere questi laghi di dati in parti fruibili. Questo è fatto davvero caso per caso, ma alcuni esperti hanno suggerimenti su come adattare quei data lake a canali utili che fanno finire informazioni da qualche parte e fare qualcosa.
