Hoe Worden Big Data Verzameld?
de huidige ondernemingen vertrouwen op gegevens-over hun klanten, concurrenten, de totale markt en daarbuiten—om concurrerend te blijven. Met de vooruitgang in de technologie, het aantal methoden die bedrijven gebruiken om gegevens te verzamelen is aanzienlijk gegroeid in de afgelopen jaren. Dit heeft geleid tot een toenemende vraag naar experts met het onderwijs om die gegevens te analyseren en te interpreteren.
een geavanceerde graad, zoals een Master of Science in Analytics, is ontworpen om geïnteresseerde personen te helpen de antwoorden te vinden op vragen als ” Hoe worden big data verzameld?”en te leren hoe de hedendaagse bedrijven data gebruiken.
History of Analytics
terwijl de geschiedenis van analytics in het bedrijfsleven teruggaat tot de 19e eeuw, ontstond business analytics als een aparte discipline in de jaren 1950. toen werden tools ontwikkeld die informatie konden vastleggen en patronen en trends sneller konden identificeren dan de menselijke geest. IBM ‘ s harde schijf, uitgevonden in 1956, was met name consequential voor de Analytics beweging, het effenen van de weg voor bedrijven om fysieke archiefsystemen te vervangen door digitale. Deze vroege inspanningen op business intelligence vertegenwoordigde wat data-analisten vaak verwijzen naar Analytics 1.0.
kenmerken van dit tijdperk omvatten kleine, gestructureerde en meestal interne gegevensbronnen, batchverwerkingsprocessen die maanden in beslag kunnen nemen, en beperkte beschrijvende rapportage. Analisten besteedden veel meer tijd aan het verzamelen en voorbereiden van gegevens dan aan het analyseren ervan, en de inzichten die uit de analyse konden worden verkregen, kwamen vaak te laat om effectief te zijn.
het vroege tijdperk van business intelligence duurde ongeveer een halve eeuw, van het midden van de jaren 1950 tot 2009, toen de komst van big data ontstond.
Big Data-Tijdperk
midden jaren 2000 begonnen internet-en sociale mediagiganten zoals Google en Facebook een nieuw type gegevens te identificeren, te verzamelen en te analyseren. Hoewel de term “big data” niet in de gemeenschappelijke lexicon tot ongeveer 2010, analisten erkend dat deze nieuwe informatie was kwalitatief verschillend van de kleine datasets van het verleden.
Kleine gegevens werden gegenereerd door interne operaties en transacties van een bedrijf, maar deze nieuwe gegevens kwamen uit externe bronnen, afkomstig van het internet, openbare gegevensbronnen en specifieke projecten zoals het Human Genome Project. Dit betekende de overstap naar Analytics 2.0 en het big data Tijdperk.
met de komst van big data, werden nieuwe technologieën en processen ontwikkeld op warpsnelheid om bedrijven, zowel grote als kleine, te helpen gegevens om te zetten in bedrijfsinzicht dat zou kunnen helpen winst te genereren. Gebruikmakend van de voordelen van big data echter, vereist nieuwe verwerking frameworks zoals OLAP en geavanceerde tools zoals data mining om zinvolle informatie te extraheren. De data-analisten van het Analytics 2.0 tijdperk waren beter gepositioneerd dan hun eerdere tegenhangers. Door de meer geavanceerde technologie van het tijdperk toe te passen—waaronder geautomatiseerde tools voor gegevensbeheer—konden ze gegevens, trends en andere informatie analyseren om strategische zakelijke beslissingen te ondersteunen.
evolutie van gegevensanalyse
het Analytics 2.0-tijdperk werd gevolgd door 3.0, dat duurde van ongeveer de late jaren 2000 tot begin 2010. dit tijdperk werd gekenmerkt door de introductie van smartphones, de verspreiding van sociale media als hulpmiddelen voor het verzamelen van gegevens, en nieuwe klantgerichte diensten die analytics gebruikten om hyper-gepersonaliseerde gebruikerservaringen te bieden. Veel experts geloven in feite dat een vierde tijdperk—Analytics 4.0—is aangebroken, met de verspreiding van geavanceerde geautomatiseerde besluitvormingstools die afhankelijk zijn van cloudtechnologie.Een van de belangrijkste ontwikkelingen in de evolutie van data analytics zijn de vele vooruitgang in de manier waarop big data wordt verzameld. Organisaties hebben vandaag de dag veel methoden voor het verzamelen van gegevens van hun klanten en bestanddelen.Websites, social media platforms en telefoongesprekken van klanten, live chats en enquãates zijn enkele van de meest voor de hand liggende voorbeelden van waar en hoe bedrijven hun gegevens verzamelen. Er bestaan ook andere, complexere methoden, waaronder:
- Location-based advertising: Tracking-technologie die informatie zoals IP-adressen registreert, helpt bij het bouwen van gepersonaliseerde profielen van technologiegebruikers. Deze informatie wordt vervolgens gebruikt om apparaten van elke persoon te richten met geïndividualiseerde reclame.
- loyaliteitsprogramma ‘s: deze programma’ s bieden prikkels aan klanten en stellen bedrijven in staat een gedetailleerd profiel van de consument op te stellen, met vermelding van productvoorkeuren en uitgavengewoonten.
- online marketinganalyse: Een drijvende kracht in digitale marketing, Dit houdt meestal een klant het invullen van een bestelformulier, die dat bedrijf met persoonlijke informatie levert. Het bedrijf kan deze informatie vervolgens gebruiken om de klantenservice te verbeteren en de consument een meer persoonlijke ervaring te bieden.
nieuwe Analytics disciplines zijn ontstaan als aanvulling op beschrijvende analytics in de analytics portfolio. Voorspellende en prescriptieve analytics-die inzicht geven in de waarschijnlijkheid dat een evenement in de toekomst zal plaatsvinden en mogelijke manieren van handelen aanbevelen—komen in opkomst als belangrijke tools voor business executives. Analytics zijn beschikbaar om real-time besluitvorming te ondersteunen door het gebruik van analytische apps.
dit nieuwe tijdperk van Analytics 4.0 is zeker niet het einde van het evolutionaire verhaal in business analytics. In feite, het presenteert nieuwe uitdagingen en kansen voor zowel bedrijven als data-analisten. Die personen die in staat zijn om zowel gegevens vast te leggen en te organiseren, evenals analyseren en gebruiken om betere zakelijke beslissingen te nemen, zijn en zal blijven in hoge vraag.
een weg naar een Business Analytics carrière
effectieve data analytics zijn essentieel voor de hedendaagse bedrijven om te groeien. Bedrijven hebben individuen nodig die niet alleen de technische expertise bezitten om het te verzamelen, te organiseren en te analyseren, maar ook de zakelijke kennis om te begrijpen hoe die gegevens in actie kunnen worden gebracht.
een online Master of Science in Analytics van Villanova University kan u helpen de vaardigheden te ontwikkelen om een business analytics expert te worden. Meer informatie over hoe het programma u kan helpen een lonende carrière in big data te beginnen.
aanbevolen meetwaarden
Data Analytics Trends te zoeken naar
hoe een carrière in Analytics te beginnen
vrouwen in de technologie: kansen voor succes