Hvordan Indsamles Big Data?
dagens virksomheder er afhængige af data—om deres kunder, konkurrenter, det samlede marked og videre—for at forblive konkurrencedygtige. Med fremskridt inden for teknologi er antallet af metoder, som virksomheder bruger til at indsamle data, vokset betydeligt i de senere år. Dette har ført til stigende efterspørgsel efter eksperter med uddannelse til at analysere og fortolke disse data.
en avanceret grad, såsom en Master of Science i Analytics, er designet til at hjælpe interesserede personer med at finde svarene på spørgsmål som “hvordan indsamles big data?”og lær, hvordan nutidens virksomheder bruger data.
History of Analytics
mens historien om analytics i erhvervslivet går helt tilbage til det 19. århundrede, opstod business analytics som en særskilt disciplin virkelig i 1950 ‘ erne.det var da, da værktøjer blev udviklet, der kunne fange information og identificere mønstre og tendenser hurtigere end det menneskelige sind. IBMs harddisk, opfundet i 1956, var især en følge af analysebevægelsen, hvilket banede vejen for virksomheder til at erstatte fysiske arkiveringssystemer med digitale. Disse tidlige bestræbelser på business intelligence repræsenterede, hvad dataanalytikere ofte omtaler som Analytics 1.0.
karakteristika for denne æra omfattede små, strukturerede og for det meste interne datakilder, batchbehandlingsoperationer, der kunne tage måneder, og begrænset, beskrivende rapportering. Analytikere brugte meget mere tid på at indsamle og forberede data end faktisk at analysere dem, og uanset hvilken indsigt der kunne opnås ved analyse, kom ofte for sent til at være effektiv.
den tidlige æra af business intelligence varede omkring et halvt århundrede, fra midten af 1950 ‘ erne til 2009, da fremkomsten af big data opstod.
Big Data Era
i midten af 2000 ‘ erne begyndte Internet-og sociale mediegiganter som Google og Facebook at identificere, indsamle og analysere en ny type data. Mens udtrykket” big data ” ikke kom ind i det fælles leksikon indtil omkring 2010, anerkendte analytikere, at disse nye oplysninger var kvalitativt forskellige fra fortidens små datasæt.
små data blev genereret af en virksomheds interne operationer og transaktioner, men disse nye data kom fra eksterne kilder, hentet fra internettet, offentlige datakilder og specifikke projekter såsom Human Genome Project. Dette betød overgangen til Analytics 2.0 og big data-æraen.
med ankomsten af big data blev nye teknologier og processer udviklet med kædehastighed for at hjælpe virksomheder, både store og små, med at omdanne data til forretningsindsigt, der kunne hjælpe med at generere overskud. Udnyttelse af fordelene ved big data krævede dog nye behandlingsrammer som OLAP og avancerede værktøjer som data mining for at udtrække meningsfuld information. Dataanalytikerne fra Analytics 2.0 era var bedre positioneret end deres tidligere kolleger. Ved at anvende den mere avancerede teknologi i æraen-inklusive automatiserede datastyringsværktøjer-var de i stand til at analysere data, tendenser og anden information for at informere strategiske forretningsbeslutninger.
Evolution of Data Analytics
Analytics 2.0-æraen blev efterfulgt af 3.0, som varede fra omtrent slutningen af 2000 ‘erne til begyndelsen af 2010’ erne. denne æra var præget af introduktionen af smartphones, spredningen af sociale medier som dataindsamlingsværktøjer og nye kundevendte tjenester, der brugte analytics til at give hyper-personaliserede brugeroplevelser. Mange eksperter mener faktisk, at en fjerde æra—Analytics 4.0—er ankommet med spredningen af avancerede automatiserede beslutningsværktøjer, der er afhængige af skyteknologi.Blandt de mere vigtige udviklinger i udviklingen af dataanalyse har været de mange fremskridt i, hvordan big data indsamles. Organisationer har i dag mange metoder til indsamling af data fra deres kunder og bestanddele.Hjemmesider, sociale medieplatforme og kundetelefonopkald, live chats og undersøgelser er nogle af de mest oplagte eksempler på, hvor og hvordan virksomheder indsamler deres data. Andre mere komplekse metoder findes også, herunder:
- placeringsbaseret reklame: sporingsteknologi, der logger oplysninger som IP-adresser, hjælper med at opbygge personlige profiler af teknologibrugere. Disse oplysninger bruges derefter til at målrette hver persons enheder med individualiseret reklame.
- loyalitetsprogrammer: disse programmer tilbyder incitamenter til kunder og giver virksomheder mulighed for at udarbejde en detaljeret profil af forbrugeren, der angiver produktpræferencer og forbrugsvaner.
- online marketing analytics: En drivkraft inden for digital markedsføring, dette indebærer typisk, at en kunde udfylder en ordreformular, der forsyner virksomheden med personlige oplysninger. Virksomheden kan derefter bruge disse oplysninger til at forbedre kundeservice og give forbrugeren en mere personlig oplevelse.
nye analysediscipliner er opstået for at supplere beskrivende analyse i analyseporteføljen. Prædiktiv og præskriptiv analyse—som giver indsigt i sandsynligheden for, at en begivenhed vil forekomme i fremtiden og anbefaler mulige handlingsforløb-fremstår som nøgleværktøjer for virksomhedsledere. Analytics er tilgængelige for at understøtte beslutningstagning i realtid ved hjælp af analytiske apps.
denne nye æra af Analytics 4.0 er bestemt ikke slutningen på den evolutionære fortælling i business analytics. Faktisk giver det nye udfordringer og muligheder for både virksomheder og dataanalytikere. De personer, der er i stand til både at fange data og organisere dem, samt analysere og bruge dem til at træffe bedre forretningsbeslutninger, er og vil fortsat være i høj efterspørgsel.
en vej til en Business Analytics karriere
effektiv dataanalyse er afgørende for moderne virksomheder til at vokse. Virksomheder har brug for enkeltpersoner, der ikke kun har den tekniske ekspertise til at indsamle, organisere og analysere it, men også forretningskendskabet for at forstå, hvordan man omdanner disse data til handling.
en Online Master of Science i Analytics fra Villanova University kan hjælpe dig med at udvikle færdighederne til at blive forretningsanalyseekspert. Lær mere om, hvordan programmet kan hjælpe dig med at starte en givende karriere inden for big data.
anbefalede aflæsninger
Dataanalysetendenser at se efter
Sådan starter du en karriere inden for analyse
kvinder i teknologi: muligheder for succes