大数据分析的可能性

发现更多有价值的见解

企业经常花费大量的时间和精力来收集和整理数据, 但没有足够的时间应用大数据分析来获得有价值的商业见解. 公司需要正确的工具来提高数据准备过程的效率,并将他们的重点转移到分析上.

大数据有什么可能

什么是大数据分析?

在回答这个问题时,有很多比喻都适用.

  • 如果大数据是一个大海捞针,那么分析就是你找到针的方法.
  • 如果这是一个巨大的波浪,那么分析就是一个冲浪板.
  • 如果是噪音,分析可以让你听到信号.

所有这些类比都有一定的道理, 但除非你的生意是寻宝, 十大电子游艺平台首选最好将大数据分析理解为能够真正推动业务发展的增值行为. 而这正是大数据面临的许多障碍所在.

具体地说, 公司花费太多时间, 在大数据准备和加载方面的努力和资金, 在应用分析来发现改变的洞察力方面还远远不够. 为了实现这一目标,企业需要找到工具,使数据准备过程更加高效. 这将大大增加组织的“分析敏捷性”.只有这样,他们才能超越传统的分析技术, 比如统计和交易分析,通常用于客户细分.

多种形式的大数据分析

需要注意的是,大数据分析不是一种方法或工具. 在某些情况下需要大数据可视化, 而在其他领域,互联分析是正确的答案. 事实上,对于那些在思想上过于以应用为中心的组织来说,这是有风险的. 不同类型的大数据分析最好用于不同的环境. 就像大数据领域的其他很多东西一样,它可以归结为业务问题和目标. 用户要求:

  • 市场数据的时间模式或地理视图?
  • 从机器日志或传感器数据中获得程序性的见解?
  • 单一产品行为模式的相关性, 多个产品或尚未推出的产品?
大数据分析通常是关于 预测能力 如果你愿意的话,可以在针掉进草堆之前找到它. 是的,大数据分析驱动着流行电子商务网站上常见的推荐引擎. 但它也与市场敏感性指导下的运营行为有关. 加深对人员和流程之间关系的结构和本质的理解,并定义导致用户定义结果的模式.

预测分析产生巨大的投资回报率

雅虎! 日本应用大数据分析工具深入洞察客户行为,定制服务和目标广告——带来1亿美元的投资回报率.

大数据分析在行动:

  • 更快地测试和失败 – R&在进行大手笔投资之前,领导者可以检验自己的假设. 例如, 在测试新药时,制药公司可以使用大数据分析来绘制患者的共病情况,以发现潜在风险.
  • 寻找“双赢”的替代疗法 -绘制广泛和多来源的患者数据集, 提供者和医疗保健组织可以找到更有效(和成本效益更好)的治疗方法.g.,疼痛管理技术或物理治疗与手术. 对病人有益. 有利于纳税人.
  • 更丰富的客户盈利能力画像 -超越流失率风险指标, 当市场营销人员知道哪些客户值得使用奢华的忠诚计划而不是. 竞争对手真正应得的那些难伺候的砍价者.
  • 为黑天鹅建模 -保险公司可以将先进的风险建模技术应用到大数据中,以在“黑天鹅”事件发生前调整资本储备,或通过关联索赔数据来加强反欺诈能力.

大数据分析最佳实践

那么这里的最佳实践是什么呢? 组织如何使这种分析性思维成为战略规划的规范, 资源分配和性能管理?

因此, 一个广泛的数据发现平台, 而不是一个单独的软件, 确保分析功能适用于所有类型的数据的方法是什么, 从高度结构化的事务和操作数据到非结构化数据, 半结构化和多结构化数据. 分析环境的“生态系统”视图 整合开源组件是构想大局的正确方式.

是的, 大数据分析可以让企业比以往任何时候都更深入地了解客户,并识别出之前隐藏的模式. 但, 这就是那些洞察如何导致模式,而不是实际帮助业务,这是最终的游戏(见草垛), 发现针).

大数据:一个反直觉的观点

大数据? 或全部数据? 数据的上下文有多重要? 听听Constellation Research的行业思想领袖Ray Wang的看法, 弗雷斯特公司的玛莎·贝内特, 文塔纳研究所的马克·史密斯说, 斯坦福大学的布莱克·约翰逊 以新的视角看待组织中的“大”数据,无论数据的大小或数量.

了解Teradata如何帮助您从大数据分析中获得更多信息.