Hur Samlas Big Data In?
dagens företag förlitar sig på data—om sina kunder, konkurrenter, den totala marknaden och därefter—för att förbli konkurrenskraftiga. Med framsteg inom teknik har antalet metoder som företag använder för att samla in data ökat avsevärt de senaste åren. Detta har lett till ökad efterfrågan på experter med utbildning för att analysera och tolka dessa data.
en avancerad examen, som en Master of Science i Analytics, är utformad för att hjälpa intresserade individer att upptäcka svaren på frågor som ”hur samlas big data in?”och lär dig hur dagens företag använder data.
History of Analytics
medan historien om analytics i näringslivet går tillbaka så långt som 19th century, business analytics som en distinkt disciplin verkligen uppstod på 1950-talet. det var då när verktyg utvecklades som kunde fånga information och identifiera mönster och trender snabbare än det mänskliga sinnet. IBMs hårddisk, som uppfanns 1956, var särskilt följd för analysrörelsen, vilket banade väg för företag att ersätta fysiska arkiveringssystem med digitala. Dessa tidiga insatser på business intelligence representerade vad dataanalytiker ofta kallar Analytics 1.0.
egenskaper för denna tid inkluderade små, strukturerade och mestadels interna datakällor, batchbehandlingsoperationer som kan ta månader och begränsad beskrivande rapportering. Analytiker spenderade mycket mer tid på att samla in och förbereda data än att faktiskt analysera det, och vad som helst som man kunde få från analysen kom ofta för sent för att vara effektiv.
den tidiga eran av business intelligence varade ungefär ett halvt sekel, från mitten av 1950-talet till 2009 när tillkomsten av big data uppstod.
Big Data Era
i mitten av 2000-talet började Internet-och sociala mediejättar som Google och Facebook identifiera, samla in och analysera en ny typ av data. Medan termen” big data ” inte kom in i det gemensamma lexikonet förrän omkring 2010, erkände analytiker att denna nya information var kvalitativt annorlunda än de små datamängderna från det förflutna.
små data genererades av ett företags interna verksamhet och transaktioner, men dessa nya data kom från externa källor, hämtade från internet, offentliga datakällor och specifika projekt som Human Genome Project. Detta innebar övergången till Analytics 2.0 och big data-eran.
med ankomsten av big data utvecklades ny teknik och processer i warp speed för att hjälpa företag, både stora och små, att förvandla data till affärsinsikt som kan bidra till att generera vinst. Att utnyttja fördelarna med big data krävde dock nya bearbetningsramar som OLAP och avancerade verktyg som data mining för att extrahera meningsfull information. Dataanalytikerna i Analytics 2.0-eran var bättre positionerade än sina tidigare motsvarigheter. Genom att tillämpa tidens mer avancerade teknik-inklusive automatiserade datahanteringsverktyg-kunde de analysera data, trender och annan information för att informera strategiska affärsbeslut.
utveckling av dataanalys
Analytics 2.0-eran följdes av 3.0, som varade från ungefär slutet av 2000-talet till början av 2010-talet. Denna tid präglades av introduktionen av smartphones, spridningen av sociala medier som datainsamlingsverktyg och nya kundinriktade tjänster som använde analytics för att ge hyperanpassade användarupplevelser. Många experter tror faktiskt att en fjärde era—Analytics 4.0—har kommit, med spridningen av avancerade automatiserade beslutsverktyg som är beroende av molnteknik.Bland de viktigare utvecklingen i utvecklingen av dataanalys har varit de många framstegen i hur big data samlas in. Organisationer har idag många metoder för att samla in data från sina kunder och beståndsdelar.Webbplatser, sociala medieplattformar och kundtelefonsamtal, livechattar och undersökningar är några av de mest uppenbara exemplen på var och hur företag samlar in sina data. Andra mer komplexa metoder finns också, inklusive:
- platsbaserad annonsering: spårningsteknik som loggar information som IP-adresser hjälper till att bygga personliga profiler för teknikanvändare. Denna information används sedan för att rikta varje persons enheter med individualiserad reklam.
- lojalitetsprogram: dessa program erbjuder incitament till kunder och tillåter företag att skapa en detaljerad profil av konsumenten, vilket indikerar produktpreferenser och utgiftsvanor.
- marknadsföringsanalys Online: En drivkraft inom digital marknadsföring innebär detta vanligtvis att en kund fyller i ett beställningsformulär som förser företaget med personlig information. Företaget kan sedan använda denna information för att förbättra kundservicen och ge konsumenten en mer personlig upplevelse.
nya analysdiscipliner har dykt upp för att komplettera beskrivande analys i analysportföljen. Prediktiv och föreskrivande analys-som ger insikt om sannolikheten för att en händelse kommer att inträffa i framtiden och rekommenderar möjliga handlingsplaner—dyker upp som viktiga verktyg för företagsledare. Analytics är tillgängliga för att stödja beslutsfattande i realtid genom användning av analytiska appar.
denna nya era av Analytics 4.0 är verkligen inte slutet på den evolutionära berättelsen i business analytics. Faktum är att det ger nya utmaningar och möjligheter för både företag och dataanalytiker. De individer som kan både fånga data och organisera den, samt analysera och använda den för att fatta bättre affärsbeslut, är och kommer att fortsätta att vara i hög efterfrågan.
en väg till en affärsanalys karriär
effektiv dataanalys är avgörande för dagens företag att växa. Företag behöver individer som inte bara har den tekniska expertisen för att samla in, organisera och analysera den, utan också affärskunskapen för att förstå hur man kan göra dessa data till handling.
en online Master of Science i Analytics från Villanova University kan hjälpa dig att utveckla färdigheterna för att bli en affärsanalysexpert. Läs mer om hur programmet kan hjälpa dig att börja en givande karriär inom big data.
rekommenderade avläsningar
Data Analytics trender att leta efter
hur man startar en karriär i Analytics
kvinnor i teknik: möjligheter till framgång