What is big data analytics, what are the best big data tools, the best practices for data and information visualisation?

ENTDECKEN SIE IHRE KUNDEN NEU MIT TERADATA: BIG DATA ANALYTICS WAS IST DAS?

Viele Metaphern treffen bei der Beantwortung dieser Frage zu.

  • Wenn big data ein Heuhaufen ist, finden Sie mit Analysen die darin verborgene Nadel.
  • Ist big data eine Welle, dann ist die big data Analyse das Surfbrett.
  • Wenn es Lärm ist, hören Sie dank Analysen das Signal.

Alle diese Analogien enthalten ein Fünkchen Wahrheit. Wenn Ihr Unternehmen aber nicht gerade auf Schatzsuche ist, ist es am besten, sich die big data Analyse als werthaltige Anlage vorzustellen, die das Unternehmen voran bringt. Und genau dort liegen viele Hindernisse.

Insbesondere verwenden Unternehmen oft zu viel Zeit, Geld und Mühe für die Vorbereitung und das Laden von big data, bringen aber nicht annähernd ausreichend Motivation für die Anwendung von Analysen zur Identifikation bedeutender big data-Trends auf. Um zu diesem Punkt zu gelangen, benötigen Unternehmen Hilfsmittel, die den Prozess der Datenvorbereitung effizienter gestalten. Dies wird die „analytische Flexibilität des Unternehmens um ein Vielfaches erhöhen und nur dann können die traditionellen Analysetechniken, wie Statistik- und Transaktionsanalysen, die üblicherweise zur Kundensegmentierung genutzt werden, in den Hintergrund treten.

Viele Formen Der Big Data Analyse

Es ist wichtig zu wissen, dass es sich bei big data Analysen nicht um eine Vorgehensweise oder ein Tool handelt. In manchen Situationen ist eine Datenvisualisierung erforderlich, während in anderen verbundene Analysen die richtige Antwort darstellen. Tatsächlich besteht ein Risiko für Unternehmen, die in ihrer Denkweise zu anwendungsfokussiert sind. Verschiedene big data Analysen lassen sich am besten in unterschiedlichen Zusammenhängen einsetzen. Wie bei vielen anderen Dingen in Bezug auf big data, geht es dabei um Unternehmensprobleme und -ziele. Suchen Anwender nach:

  • Temporären Mustern oder geografischen Ansichten von Marktdaten?
  • Verfahrensorientierten Einblicken aus Log-Dateien oder Sensordaten?
  • Zusammenhängen von Verhaltensmustern für ein Produkt, mehrere Produkte oder ein zukünftiges Produkt?

Bei der big data Analyse geht es oft um Vorhersagen darum, die Nadel zu finden, bevor sie im Heuhaufen verloren geht. Ja, hinter den Empfehlungsalgorithmen auf beliebten eCommerce-Seiten stecken big data Analysen. Aber auch durch Marktsensitivität geleitete operative Handlungen sind von Bedeutung. Ein besseres Verständnis der Struktur und Natur der Beziehungen zwischen Menschen und Prozessen sowie definierte Muster führen zu anwenderorientierten Ergebnissen.

Predictive Analytics Sorgt FÜR Einen Hohen ROI

Yahoo! In Japan werden big data Analysetools genutzt, um einen intensiveren Einblick in das Kundenverhalten zu gewinnen und um Dienstleistungen und Anzeigen individuell zu gestalten das Ergebnis ist ein ROI in Höhe von 100 Millionen USD.

Big Data Analysen in Aktion:

  • Schneller testen und scheitern Führende Forschungs- und Entwicklungsunternehmen können ihre Theorien testen, bevor sie große Investitionen eingehen. Pharmaunternehmen können big data Analysen zum Beispiel nutzen, um gemeinsame Todesursachen von Patienten aufzuzeichnen oder mögliche Risiken bei Medikamententests zu identifizieren.
  • Alternative Behandlungsmethoden mit gegenseitigem Nutzen find Durch die Aufzeichnung umfangreicher Patientendatensätze aus mehreren Quellen können Anbieter und Unternehmen des Gesundheitswesens effektivere (und wirtschaftlichere) Behandlungsmöglichkeiten finden z. B. Schmerztherapien oder physische Therapien anstelle einer Operation. Gut für Patienten. Gut für Zahler.
  • Umfangreichere Aufzeichnungen der Profitabilität eines Kunden Neben Churn-Risikokennzahlen besteht ein Wettbewerbsvorteil dann, wenn die Marketingabteilung weiß, welche Kunden es wert sind, mit Treuepunkteprogrammen gehalten zu werden im Gegensatz zu arbeitsintensiven Nörglern, die man gerne an den Mitbewerber abgibt.
  • Vorbereitung auf unerwartete Vorfälle Versicherer können fortschrittliche Risikomanagementtechniken nutzen, um Kapitalreserven vor unerwarteten Vorfällen anzupassen oder um Betrugsbekämpfungsmechanismen durch die Korrelierung von Forderungsdaten zu stärken.

Best Practices Bei Der Big Data Analyse

Was ist die Best Practice? Wie können Unternehmen analytisches Denken in der strategischen Planung, der Ressourcenzuweisung und dem Leistungsmanagement zur Norm machen?

Sollen Analysefunktionen für alle Arten von Daten geeignet sein, ist anstelle einer einzelnen Software eine breite Plattform für Data Discovery der Weg zum Erfolg. Dabei kann es sich sowohl um sehr strukturierte Transaktions- und Operationsdaten handeln als auch um unstrukturierte, semi-strukturierte oder multi-strukturierte Daten. Um das Gesamtbild zu verstehen, muss eine Analyseumgebung, die OpenSource-Komponenten integriert, als Ökosystem angesehen werden.

Ja, big data Analysen ermöglichen Unternehmen intensivere Erkenntnisse zu Kunden als zuvor und offenbaren ehemals verborgene Muster. Wichtig ist bei der big data Analyse aber letztendlich, wie diese Einblicke zu Mustern führen, die dem Unternehmen von Nutzen sind (die Nadel im Heuhaufen finden).

BIG DATA: mal kontraintuitiv betrachtet

BIG DATA? Oder ALL DATA? Doch welche Rolle spielt der Kontext der jeweiligen Daten? Die Vordenker Ray Wang von Constellation Research, Martha Bennett von Forrester, Mark Smith von Ventana Research und Blake Johnson von der Stanford Universität plädieren für einen neuen Blickwinkel. Die betrachten einfach ALL DATA in Ihrem Unternehmen und legen dabei keine Wert auf Größe oder Volumen. Hören Sie rein.