Jak Se Shromažďují Velká Data?
dnešní podniky spoléhají na údaje – o svých zákaznících, konkurentech, celkovém trhu i mimo něj -, aby zůstaly konkurenceschopné. S pokrokem v technologii, počet metod, které společnosti používají ke sběru dat, v posledních letech značně vzrostl. To vedlo k rostoucí poptávce po odbornících se vzděláním, aby analyzovali a interpretovali tato data.
pokročilý titul, jako je Master of Science v analytice, je navržen tak, aby pomohl zájemcům objevit odpovědi na otázky jako “ Jak se shromažďují velká data?“a zjistěte, jak dnešní podniky používají data.
historie analytiky
zatímco historie analytiky v podnikání sahá až do 19. století, obchodní analytika jako odlišná disciplína se skutečně objevila v 50. letech. tehdy byly vyvinuty nástroje, které dokázaly zachytit informace a identifikovat vzorce a trendy rychleji než lidská mysl. Pevný disk IBM, vynalezený v roce 1956, byl obzvláště následný pro analytické hnutí a připravil cestu pro společnosti, aby nahradily fyzické evidenční systémy digitálními. Tyto rané snahy o business intelligence představovaly to, co analytici dat často označují jako Analytics 1.0.
charakteristiky této éry zahrnovaly malé, strukturované a většinou interní zdroje dat, dávkové zpracování, které může trvat měsíce, a omezené popisné vykazování. Analytici strávili mnohem více času shromažďováním a přípravou dat, než je skutečně analyzovali, a jakékoli poznatky, které bylo možné získat z analýzy, často přišly příliš pozdě na to, aby byly účinné.
raná éra business intelligence trvala asi půl století, od poloviny padesátých let do roku 2009, kdy se objevil příchod velkých dat.
Big Data Era
v polovině roku 2000 začali Internetoví a sociální mediální giganti, jako jsou Google a Facebook, identifikovat, shromažďovat a analyzovat nový typ dat. Zatímco termín „velká data“ nevstoupil do společného lexikonu až kolem roku 2010, analytici uznali, že tato nová informace byla kvalitativně odlišná od malých datových souborů minulosti.
malá data byla generována interními operacemi a transakcemi společnosti,ale tato nová data pocházela z externích zdrojů, čerpaných z internetu, veřejných zdrojů dat a konkrétních projektů, jako je projekt lidského genomu. To znamenalo přechod na Analytics 2.0 a éru velkých dat.
s příchodem velkých dat byly vyvinuty nové technologie a procesy warpovou rychlostí, aby společnostem, velkým i malým, pomohly přeměnit data na obchodní pohled, který by mohl pomoci generovat zisk. Využití výhod velkých dat však vyžadovalo nové rámce pro zpracování, jako je OLAP a pokročilé nástroje, jako je dolování dat, k získání smysluplných informací. Datoví analytici éry Analytics 2.0 měli lepší pozici než jejich dřívější protějšky. Použitím pokročilejší technologie éry-včetně automatizovaných nástrojů pro správu dat – byli schopni analyzovat data, trendy a další informace, aby informovali o strategických obchodních rozhodnutích.
vývoj datové analytiky
po éře Analytics 2.0 následovala éra 3.0, která trvala zhruba od konce roku 2000 do začátku roku 2010. tato éra byla poznamenána zavedením chytrých telefonů, šířením sociálních médií jako nástrojů pro sběr dat a novými službami orientovanými na zákazníky, které využívaly analytiku k poskytování hyper-personalizovaných uživatelských zkušeností. Mnoho odborníků se ve skutečnosti domnívá, že přišla čtvrtá éra—Analytics 4.0—s rozšířením pokročilých automatizovaných rozhodovacích nástrojů, které se spoléhají na cloudovou technologii.Mezi důležitější vývoj ve vývoji analýzy dat patří mnoho pokroků v tom, jak se shromažďují velká data. Organizace dnes mají mnoho metod pro sběr dat od svých zákazníků a složek.Webové stránky, platformy sociálních médií a telefonní hovory zákazníků, živé chaty a průzkumy jsou některé z nejzřetelnějších příkladů toho, kde a jak společnosti shromažďují svá data. Existují i další složitější metody, včetně:
- reklama založená na poloze: sledovací technologie, která zaznamenává informace, jako jsou IP adresy, pomáhá vytvářet personalizované profily uživatelů technologií. Tyto informace se pak používají k cílení zařízení každé osoby individualizovanou reklamou.
- věrnostní programy: tyto programy nabízejí pobídky zákazníkům a umožňují podnikům vytvořit podrobný profil spotřebitele s uvedením preferencí produktů a výdajových návyků.
- online marketingová analytika: Hnací silou v digitálním marketingu, to obvykle znamená, že zákazník vyplní objednávkový formulář, který dodává této firmě osobní údaje. Podnik pak může tyto informace použít ke zlepšení služeb zákazníkům a poskytnout spotřebiteli osobnější zážitek.
objevily se nové analytické disciplíny, které doplňují popisnou analytiku v portfoliu analytiky. Prediktivní a normativní analytika-která poskytuje přehled o pravděpodobnosti, že k události dojde v budoucnu, a doporučuje možné postupy-se objevují jako klíčové nástroje pro vedoucí pracovníky podniku. Analytika je k dispozici pro podporu rozhodování v reálném čase pomocí analytických aplikací.
tato nová éra Analytics 4.0 rozhodně není konec evolučního příběhu v obchodní analytice. Ve skutečnosti představuje nové výzvy a příležitosti pro podniky i datové analytiky. Ti jednotlivci, kteří jsou schopni zachytit data a uspořádat je, stejně jako analyzovat a používat je k lepším obchodním rozhodnutím, jsou a budou i nadále velmi žádaní.
cesta ke kariéře obchodní analytiky
efektivní analýza dat je nezbytná pro růst moderních podniků. Společnosti potřebují jednotlivce, kteří mají nejen technické znalosti, aby je shromažďovali, organizovali a analyzovali, ale také obchodní znalosti, aby pochopili, jak tyto údaje proměnit v akci.
online Master of Science v analytice z Villanova University vám může pomoci rozvíjet dovednosti, abyste se stali odborníkem na obchodní analytiku. Zjistěte více o tom, jak vám program může pomoci zahájit obohacující kariéru ve velkých datech.
doporučené hodnoty
Data Analytics trendy hledat
jak začít kariéru v analytice
Ženy v technologii: příležitosti k úspěchu