Kokkuvõte
Mis on suurandmed?- ' Suured andmed 'on subjektiivne meede, mis kirjeldab andmekogumeid nii suurena, et neid ei saa tüüpiliste andmebaasitarkvara tööriistade abil hallata ja analüüsida.
- Neid komplekte analüüsitakse arvutuslikult, et paljastada mustrid, suundumused ja seosed, eriti mis on seotud inimese käitumise ja suhtlemisega.
- Suured andmed ja analüütika on muutunud Interneti, e-kaubanduse, sotsiaalmeedia ja seadmete omavahelise seotuse tõttu peavooluks - see kõik on aidanud kaasa suurandmete reaalsuseks saamiseks vajalike analüüsitavate andmete mahu olulisele suurenemisele.
- Gartner ja IBM dekonstrueerida suured andmed nelja V-sse: Köide , Kiirus , Sordi ja Tõepärasus - iga koostisosa, mis on vajalik suurandmete muutmiseks monetiseeritavaks väärtuseks.
- Väikesed andmed , mis on ka subjektiivne mõõde, määratletakse kui andmekogumeid, mille maht ja formaat on piisavalt väikesed, et muuta need kättesaadavaks, informatiivseks, hõlpsasti kasutatavaks ja inimestele arusaadavaks, ilma et analüüsiks kasutataks keerukaid süsteeme ja masinaid.
- Väikesed andmed kehtestati eraldiseisva kategooriana alles pärast suurandmete tekkimist ja esindavad seega viimaste tuletist.
- Analüüsi strateegiat kaaluvad väikeettevõtted peaksid enne suurte andmerakenduste kasutamist küpsemaks ja prognoosivamaks analüüsiks keskenduma oma klientide kohta toimivate teadmiste loomiseks väikeste andmete kasutamisele.
- Andmete analüüs on pikaajaline distsipliin, kus kõrgelt koolitatud statistikud ja andmeteadlased analüüsivad statistiliselt olulisi (st suuri) valimikomplekte, kasutades mustrite ja suundumuste tuvastamiseks keerukaid tarkvaraprogramme. See analüüs võimaldab saada paremaid otsuseid, eelkõige klientidega suhtlemise osas, kasulikke teadmisi.
- Viimastel aastatel on seda tööd võimaldav tarkvara muutunud kättesaadavamaks, võimsamaks ja hõlpsasti kasutatavaks, võimaldades nii kodaniku andmeteadlane tekkida ja hakata tegelema projektidega, mis olid varem kõrgelt koolitatud tehniliste spetsialistide pärusmaaks.
Sissejuhatus
Andmed ja analüüs on ärimaailmas kiiresti muutunud selle päeva moesõnadeks. Ajakirja lõhkumine oleks raske, ilma et oleks viidatud tulevikku mõtlevatele ettevõtetele, kes „andmeid arukalt kasutavad”, et saada ülevaade klientide käitumisest, viia läbi riskianalüüse või hallata oma infrastruktuuri tõhusamalt. Parimad on andmepõhiste otsuste tegemisega aastaid tegelenud suured, eriti rikkalikult andmetega ettevõtted näitlikustatud Capital One tegi oma klientide paremaks mõistmiseks andmeanalüüsi teedrajavaid teadmisi - neid kasutati hiljem hüpersihtsate ja tohutult mõjusate turunduskampaaniate käivitamiseks, mis viisid selle edu saavutamiseni.
Kuid vaatamata nišši algusele on andmete kasutamine kiiresti muutunud peavooluks. Praegu on vähe usaldusväärseid põhjuseid, miks antud ettevõttel, olenemata suurusest ja tööjõust, puudub analüüsi põhitegevusprotsess / -võimalus. Traditsioonilised vastuväited, nagu hind, ressursid ja asjatundlikkus, ei vähenda sinepi enam. Vastupidi, sisemiselt genereeritud andmetest on kiiresti saamas kõikjal levinud strateegiline vara, mida konkurentsivõimelised ettevõtted soovivad konkurentsis püsida, nagu teised.
Selle artikli eesmärk on oma lugejatele kursorlikult tutvustada maailma andmed ja analüütika , tutvustades teile turu dünaamikat, tööriistu, mängijaid ja mõlema ainulaadseid lahendusi, enne kui pühendate viimase poole praktilisele juurutusjuhendile ja väikeettevõtete raamistikule.
Võhiku juhend nii suurtele kui ka väikestele andmetele
Interneti ja sellega kaasneva e-kaubanduse, sotsiaalmeedia ja seadmete omavahelise seotuse ilmnemisega kaasnes plahvatuslikult kättesaadavate ja analüüsitavate andmete maht nende jaoks, kellel on tööriistu selle kasutamiseks. Iga säuts, postitus, nagu vasakule pühkimine, paremale pühkimine, topeltpuudutamine, ülevaade, tekst ja tehing - igaüks on meie digitaalsete jalajälgede kaardistamiseks kasutatav teave, mis räägib kõigest sellest, kes me oleme, kuidas langetame otsuseid, kus ja miks. Need andmed, mida vormi suuruse, sügavuse ja keerukuse tõttu nimetatakse sobivalt „suurandmeteks“, on avanud võimaluste mere ettekirjutavas ja ennustavas analüüsis, võimaldades hüper isikupärastamine nii paljudest toodetest, mida me igapäevaselt tarbime.
Formaalselt kirjeldavad suured andmed suuri andmekogumeid, mida saab arvutuslikult analüüsida, et paljastada mustrid, suundumused ja seosed, mis on enamasti seotud inimese käitumise ja suhtlemisega. Andmete nimetamiseks 'suurteks' peab komplekt / pank olema nii suur, et nende väärtuse saamiseks on vaja täiustatud andmemeetodeid ja keerukaid süsteeme.
2001. aastal uurimisaruanne , rajas META grupp (nüüd Gartner) suured andmed kolmes mõõtmes, mida nimetatakse Kolm Vs andmete kohta. Need on järgmised: Köide (kogus), Kiirus (genereerimise / edastamise kiirus) ja Sordi (tüübi ja allika vahemik). Seejärel laiendati neid kolme V-d Neli Vs IBM Tõepärasus andmete (kvaliteet / terviklikkus) kui väärtuse hõivamiseks vajaliku viimase mõõtme.
... aga tõenäoliselt olid juba suurtest andmetest kuulnud. Väikesed andmed , teiselt poolt, on andmete alaklass, mida peetakse piisavalt tagasihoidlikuks, et muuta see inimestele ligipääsetavaks, informatiivseks ja hõlpsasti kasutatavaks, ilma et oleks vaja liiga keerukaid analüüsivahendeid. Parim vähendatud kirjutas endine McKinsey konsultant Allen Bonde: „Suured andmed on masinate kohta, samas kui vähe andmeid on inimeste kohta ”- täpsemalt sisukad teadmised, mis on organiseeritud ja pakendatud põhjuste, mustrite ja põhjuste tuletamiseks inimeste kohta.
SaaS-põhine Analytics
Koos andmete kättesaadavuse ja kasulikkuse kasvuga tekkis eraldiseisev analüütikatööstus. Kui magistrid ja doktorikraadiga statistikud, andmeteadlased ja analüütikud on eksklusiivselt kummitanud, on analüütika arenenud funktsionaalselt tugeva, kuid odava iseteenindusega tööstuseks. tarkvara teenusena (SaaS) platvormid mis võimaldavad ka kõige algajatel kasutajatel oma andmetest väärtust ammutada. Väiksemad ettevõtted, kellel varem puudus sellise analüüsi läbiviimiseks vajalik teadmine või eelarve, konkureerivad nüüd paremini ressurssidega kolleegidega võrdsematel alustel ja loovad oma turgudel kaitsetavaid motiive.
Lisaks SaaS-mudeli kulutasuvusele on uuringud tehnoloogia ja teenuste uurimisfirma Aberdeen Group näitas, et organisatsioonidel, kes kasutavad SaaS-i tööriistu, on kaks korda rohkem töötajaid, kes kasutavad instinktiivselt andmeid otsuste langetamiseks ja ROI-eesmärkide saavutamiseks 40% kiiremini kui neil, kes seda ei tee. Enamiku ettevõtete jaoks on e-posti turunduse aruanded, Google Analytics ja muud kolmandate osapoolte veebipõhised analüüsitööriistad juba aktiivselt kasutusel, lisaks raamatupidamis-, turundus-, ERP- ja CRM-süsteemide sisemiselt loodud aruannetele ning neid kasutatakse peamise mehhanismina nende väikeste andmete monetiseerimine.
Veelgi enam, ja kuigi tegemist on suure ja kasvava turuga, mille täpset mõõtmist võib olla keeruline, hindab IDC ülemaailmset äriteabe ja analüütika tööriista turgu peaaegu 14 miljardit dollarit alates 2017. aastast, kasvades kiirusega 11,7% y-o-y , koos globaalse turu-uuringute ettevõtte Forrester Research prognoosidega a CAGR 15% aastani 2021.
kuidas programmeerimiskeelt kirjutada
Turuosa andmed
Pole üllatav, et analüütikatööriistade ja -lahenduste turul domineerib tarkvaraettevõtete - näiteks SAP, IBM, Oracle ja Microsoft - vana valvur. Alates 2015. aastast juhtis SAP turgu 10% turuosa ja 1,2 miljardit dollarit analüüsi ja äriteabe (BI) toodete tulud; SAS-i instituut oli number kaks, koos a 9% jagama; IBM, kolmas koos 8% , Oracle ja Microsoft vastavalt neljandal ja viiendal kohal koos 7% ja 5% . Huvitaval kombel on viie suurima müüja turuosa langenud riskikapitaliga tagatud turuülese kasvu tõttu idufirmad nagu näiteks Sentiment Strateegiad , Juhatus ja Teradata , mis viitab sellele, et suure osa valdkonna tulevasest kasvust annavad väiksemad, kiiremad ja väledamad ettevõtted.
Andmeanalüüsi juurutamise juhend väikeettevõtetele
Kõrgeimal võimalikul tasemel a andmekeskne kultuur annab juhtkonnale suurema kindluse, et ta suudab teha sageli ja järjekindlalt parimaid võimalikke otsuseid, töötades samal ajal tõe samast versioonist - läbipaistvast, mõõdetavast. Lõppude lõpuks on enamik meist istunud läbi seansse, kus sõdivad juhid on esitanud / kaitsnud erinevaid argumente, tuginedes erinevatele anekdootlikele allikatele, faktimudelitele ja tõlgendustele, seades kiiresti sisendite ja seega väljundite terviklikkuse kahtluse alla. Seega esimene otsus see peab olema konkreetse väikeettevõtte poolt, kes soovib andmete analüüsimise teed käia, see, kas nimetatud ettevõte soovib tõepoolest saada andmepõhiseks organisatsiooniks.
Kui see ülalt alla otsus on tehtud, tuleb luua raamistik uue strateegilise prioriteedi potentsiaali ja kasulikkuse optimeerimiseks. Alustada, mitu küsimust tuleb küsida. Esimesed, millised on antud ettevõtte, projekti, algatuse või osakonna lühi- ja pikaajalised eesmärgid? Teiseks, kes peaks vastutama pingutuste ja nende tulemuste eest? Kolmandaks, milliseid konkreetseid probleeme soovib ettevõte, projekt, algatus või osakond andmetega lahendada? Ja neljandaks, milliseid vahendeid tuleks algatuse juhtimiseks kasutada?
Kui nendele küsimustele on vastatud, on järgmine samm käegakatsutava sõnastamine täitmiskava mis vähese planeerimise, organisatsioonilise struktuuri, ülalt alla suunamise ja alt ülespoole tuleva entusiasmi korral positsioneerib organisatsiooni käepärast reaalsete ja mõõdetavate tulemuste loomiseks järjepidevamalt kui seda on tehtud minevikus. Allolev diagramm on loodud raamistiku loomiseks, et kaaluda lihtsa andmeanalüütika lähenemisviisi erinevaid elemente.
Eesmärkide küsimusele
See on esimene oluline küsimus, mis õigeks saab. Kõrgel tasemel on kõigi oma andmeid võimendavate ettevõtete põhieesmärk töötada välja süsteemne protsess usaldusväärsete äriotsuste tegemiseks - protsess, mis on järjepidev ja korratav ning annab mõõdetavalt paremaid tulemusi. Selles etapis on oluline märkida, et usaldusväärseks andmetele orienteeritud organisatsiooniks saamine on teekond, mitte sihtpunkt, ning sellisena on ülalt ostmine ja altpoolt üksmeel olulised alustalad, mis osutuvad kriitiliseks massilise kasutuselevõtu ja täielikult kasutatavate analüütiliste varadeni. Pärast sisseostu on proovitud ja testitud järgmine samm strateegiliselt korraldada mõned „kiired võidud“, et koguda põnevust ja seotust, mis on vajalik selle protsessi läbiviimiseks. Mõlemad saavutasid konsensuse saavutamise, sisseostu ja kiire võidu uuringud ja minu kogemused dikteerivad rakendamise lähenemisviisi, mis eeldab järgmist struktuuri, järjestust ja kaalutlusi:
Algab kirjeldav analüüs - lihtne visuaalne armatuurlaud see tõstab esile ettevõtte tulemuslikkust, kasutades olemasolevaid tehinguandmeid, et teha järeldusi, mis varem olid kvantifitseeritavate andmeteta veenvad. Järgmisena arendage puurimine juhtpaneelil olevad võimalused, strateegiate ja õigete kolleegidega teadmiste, toimivuse (te) eemaldamise (te) ja eneseabi juhiste jagamine / organisatsioonilised mõjutajad . See käivitab nii nende alluvatele levitamise protsessi kui ka andmetele tuginemise kultuuri, mida soovite arendada.
Teine etapp: lõpetage keerukam ennustav analüüs kas ettevõttesiseste tehniliste ressursside abil või kolmandate osapoolte pakkujate abiga. Need ennustusvõimalused ühendavad nii sise- kui ka välised andmeallikad, et paremini vastata konkreetsetele äriküsimustele, näiteks: 'Mis on tõenäosus, et klient defekteerib?' Või 'Kliendid, kes ostavad x, ostavad tavaliselt ka y', ja pakuvad reaalseid ajaline ülevaade osakonna või konkreetse algatuse toimimisest. „Välised andmeallikad” hõlmab antud juhul sotsiaalmeedia andmeid, müügitöötajate andmeid või kasutajakogemuse andmeid, mis kõik pakuvad rikkalikke ja statistiliselt olulisi ülevaateallikaid, kus ettevõttesisesed andmed on endiselt liiga piiratud, et neid iseseisvalt võimendada.
Kolmas etapp on liikumine edasijõudnutele, ettekirjutav analüüs mis aitab kindlaks määrata asjakohase tegevuse, et suunata / ennetada tarbija, ettevõtte, konkurendi, töötaja või tarnija käitumist ajalooliste andmete taustal. Tuleb siiski märkida, et see etapp hakkab tavaliselt tähistama üleminekut väikestelt andmetelt suurtele; ja ometi on see vajalik samm, mis tuleks lisada kogu teie ettevõtte ulatuses otsustusprotsessi, et tagada otsuste tegemisel sisendi-väljundi terviklikkuse ja järjepidevuse kõrgeim tase.
Põhjalik ülevaade Analyticsi erinevatest etappidest
Kirjeldav analüüs - juhtpaneelid
Mõõdetud asjade haldamine on tõsi, ja nii suudavad ühtse andmete-deterministliku tõe väljatöötamise kaudu organisatsiooni juhid paremini teha kindlamad ja ühtsemad otsused. Armatuurlauad on selliste analüütiliste teekondade lähtepunkt ja ettevõtte andmete-deterministliku tõe visuaalne illustreerimine. Muidugi võib see, mis on ühele rühmale oluline, teise jaoks mõttetu, nii et nõuetekohane arvestamine tuleks anda konkreetse juhtpaneeli eesmärgile või teemale, millist teavet tuleks lisada, kes on selle retseptori asjakohane vaatajaskond ja milline on küsimus / probleem, millele rühm soovib vastata / lahendada.
kui palju on Interneti-tutvumise veebisaite
Hästi läbimõeldud armatuurlauad juhivad otsuste langetamist, mitte lihtsalt ajaloolise teabe esitamist ja kõige paremini keskenduvad tähelepanu suundumustele ja korduvatele mustritele (nii positiivsetele kui ka negatiivsetele), illustreerides täpselt ettevõtte elujõudu. Keerukamad armatuurlauad pakuvad üksikasjalikke võimalusi, mis võimaldavad juhtidel selle juurde pääseda algpõhjused diagnoositud probleemist koos märkuste ja jagamisvõimalustega, mis võimaldavad dünaamilisemat reaalajas vaatamist.
Ennustav analüüs - andmete segamine, uurimine ja päringute esitamine
Kui armatuurlaua protsess on lõpule jõudnud, võib sooviv andmepõhine organisatsioon hakata ambitsioonikamaks. Selle juurde tüüpiline järgmine samm on 'kasutada mahukaid ja mitmekülgseid andmeid täpsema analüüsi tegemiseks ja otsustusdomeeni täiendava mõõtme pakkumiseks'. Ettevõttepõhised andmed, mis on veelgi rikastatud kolmandate osapoolte andmetega, alates vertikaalsetest konkreetsetest müüjatest nagu Experian, Acxiom ja D&B kuni sotsiaalmeedia või müügiandmete pakkujad, nagu Facebook, Twitter ja Salesforce, võib antud ettevõte uurida suuremaid, laiemad, mitmekesisemad ja statistiliselt olulised komplektid uute ja paremate teadmiste saamiseks ettevõtte tulemuslikkusest ja klientide käitumisest.
Ettekirjutusanalüüs - Analyticsi juurutamine äriprotsessidesse
Ettevõtte tasandi ettevõtetel, kellel on erinevad vajadused andmete, klientide, regulatsioonide ja konkreetsete äriprobleemide / -probleemide osas ning millel on erinev eelarve ja sisemised oskused, on tõenäoliselt tehnoloogiamüüjaid, kes vastavad nende ainulaadsematele vajadustele. Nad töötavad skaalal, kus olulisem ja ökonoomsem on võime analüütikat oma äriprotsessidesse ja töövoogudesse rakendada. Sageli asuvad need ettevõtted reguleeritud tööstusharudes, kus nad peavad suutma tõestada, et neil on õiglane ja korratav kohtlemine.
Laenuandjad ei näita oma laenupoliitikas erapoolikust, olgu need siis sugu, sissetulek või rass.
Vastutuse küsimusele
Üks asi on konkreetse tegevuse määramine ja teine selle rakendamine. Diagnoosi, retsepti ja otsuse ning soovitud tulemuse eest vastutava isiku / rühma vahel peab olema seos. Just siin saab oluliseks tegevsponsori roll.
Nii väikeste kui ka suurte ettevõtete juures ütles tegevsponsor - andmete rikastamise ja de facto nimetatud meister juhtivtöötaja - on üksikisik, tavaliselt tegevjuhi, finantsjuhi või ühise turukorralduse loomise hetkeseisuga, juba täis andmeid ja analüüsi, häälestatud sellistele probleemidele, mis on andmete abil kõige paremini lahendatud, või vähemalt usub andmeanalüütika transformatiivsesse potentsiaali.
s corp vs c corp
Lisaks sellele peategelasele nõuab protsess tavaliselt ka teisejärgulist, praktilisemat meistrit, eriti kui ettevõte hakkab ülemineku kirjeldavalt ennustavalt analüüsile. Traditsiooniliselt oli see inimene tehniliselt väljaõppinud ettevõttesisene andmeteadlane, kuid on hiljuti kasutanud tehnikatarkust harrastava harrastaja kuju, keda sageli nimetatakse kodaniku andmeteadlane . See inimene valib tavaliselt ise - ennast nimetanud tabelarvutaja, kellel on intellektuaalse uudishimu ja osavuse õige tasakaal, kuid kes soovib elada rakendamise umbrohus. Paljudel juhtudel on see isik juhtkonnast ees, et tuvastada mõju potentsiaal, mida ametlik andmete analüüsiprotsess võib nende ettevõttes tekitada, kuid tal puudus lihtsalt nägemuse müümiseks vajalik staatus või usaldusväärsus.
Äriprobleemi küsimusele
Igal edukal ja ebaõnnestunud ettevõttel on oma ainulaadsed väljakutsed, mida saab lahendada ainult talle omaste ressursside, protsesside ja võimete asjakohase kombinatsiooni abil. Sellegipoolest saab andmeid, mis kõige paremini sobivad andmete lahendamiseks, vähendada, kategoriseerida ja lahendada joonisel 7 esitatud raamistiku abil.
Lisaks mõned anekdoodid juhised / parameetrid aastate jooksul välja töötatud, mis veelgi optimeerivad võimalusi mitte ainult tuvastada õigeid probleeme, mida andmetega lahendada, vaid ka nende võimalusi edukalt lahendada. Need juhised / parameetrid on järgmised: Esiteks valige lihtsad ja selged küsimused, mille tagajärjed on olulised; teiseks, püüdes andmetest vastuseid otsida, püüdke pigem lahenduse praktilisuse kui akadeemilise vastuse täiuslikkuse poole; kolmandaks pidage diagnoosi ja lahenduse edastamisel silmas oma vastuvõtva vaatajaskonna olemust ja teadmistebaasi; ja lõpuks valige ainult probleemid, mis on mõõdetavad ja kvantifitseeritavad juba olemasolevate andmete ja lahendustega, mida saab võrdselt jälgida.
Õigete tööriistade ja meetodite küsimusele
Meie algse nelja raamistiku küsimuse viimane osa, mis puudutab jätkusuutliku andmetele orienteeritud organisatsiooni ülesehitamist, on seotud tööriistade, meetodite või platvormide valikuga. Selle kohta kinnitan kõigepealt, et andmeanalüüsi tööriistad on viimastel aastatel märkimisväärselt arenenud, ärikasutaja jaoks on mitmesuguseid plusse ja miinuseid. Plussid hõlmavad selliste tööriistade rentimisega seotud kulude olulist langust ning funktsioonide loendi ja saadaolevate valikute keerukuse kasvu, kui need on funktsioonispetsiifilistelt tööriistadelt üle läinud kattuva funktsionaalsusega platvormidele. Lisaks pakuvad SaaS-i müüjad tasuta prooviversioone, ehkki mahule ja andmetüübile on seatud piirangud; uutele patroonidele antakse pärast mitmete platvormide testimist võimalus teha teadlik ostuotsus.
Nende platvormide peamine puudus on see, et üksteisega konkurentsis püsimiseks on müüjad keerukuse suunas uuendanud nii agressiivselt, et nende pakkumised lähenevad nüüd funktsioonide küllastumisele pakkumistega, mis ületavad keskmise ärikasutaja kasulikkust. Õnnetu tulemus on algajale kasutajale valdav, mistõttu on varem arutatud „kiirete võitude” saavutamine raskem ja seega väheneb tõenäosus, et andmekultuur saab antud ettevõttes võimust.
Õnneks on potentsiaalsete kasutajate abistamiseks, konkureerivate äriteabe lahenduste hindamiseks ja võrdlemiseks saadaval palju ressursse, kuigi mõned teadmised põhiliste ühiste võimete kohta on kasulikud nende hindamiseks ettevõtte konkreetsete vajaduste ja prioriteetide suhtes. Mõned sellised võimalused hõlmavad järgmist: andmesideühenduste arv ja ulatus, eelnevalt kokku pandud armatuurlaudade kättesaadavus, üksikasjalikud kirjeldused, avaldamis- ja jagamisvõimalused, integreerimine andmete segamise ja uurimistarkvara võimalusega, skaleerimispotentsiaal (nii helitugevuse kui ka sordiparameetrite osas), arv modelleerimisviiside täpsus ja täpsus ning klientide võrdlusbaasid konkreetse valdkonna kohta. Ehkki kokkuvõttes on tõepoolest lihtne, on tabelis 7 toodud mõned peamised müüjad, kes mängivad erinevates kategooriates (kirjeldav, ennustav, ettekirjutav).
Väikesed andmed, suured võimalused
Hoolimata niši algusest on selge, et andmeanalüütika ja SaaS-põhiste analüüsivahendite turg on viimastel aastatel märkimisväärselt arenenud, millest on kasu nii kodanike andmeteadlasele kui ka nende ettevõttele. Suurandmed, väikesed andmed, iseteeninduse tööriistad - mõlemad on praegu piisavalt tavalised, et õigustada nende käsitlemist ka kõige vähem tehniliste ettevõtete põhipädevusena. Teisisõnu, kui genereeritakse nii palju kasulikke ja hõlpsasti kasutatavaid andmeid ning iseteenindustööriistade kulud lähevad ümberpööratult pakutavate funktsioonide ja võimaluste juurde, jätkub vähestel põhjustel, et isegi väikeettevõtted ei hakkaks andmeid mingis mahus võimendama.
See artikkel oleks pidanud illustreerima, et vähese planeerimise, eesmärkide seadmise ja patroonivaliku abil võib ka teie käivitusettevõtja hakata konkurentsivõimalusi võrdsustama nende tööstusharu titaanidega, kelle olete seadnud häirima, avades selle käigus teie jaoks tohutu majandusliku väärtuse. ja teie sidusrühmad. Peate ainult alustama; nii et mine edasi - alusta!
Põhitõdede mõistmine
Mis on väikeettevõte?
Iseseisvalt omatav ja juhitav ettevõte, ettevõte, seltsing või füüsilisest isikust ettevõtja, mille suurus on piiratud, mille määravad tulud, kasum, töötajate arv ja muud meetmed, sõltuvalt tööstusharust.
Mis on suurandmed?
Subjektiivne meede, mis kirjeldab andmekogumeid nii suurena, et neid ei saa tüüpiliste andmetöötlustööriistade abil hallata ja analüüsida. Seega tuleb neid arvutuslikult analüüsida, kõige sagedamini mustrite, suundumuste ja seoste paljastamiseks, eriti mis puudutavad inimese käitumist ja suhtlemist.
Mis on andmeanalüüs?
Erinevate andmekogumite uurimise protsess, et teha järeldusi neis sisalduva teabe kohta, sealhulgas varjatud mustrid, tundmatud seosed, turusuundumused, klientide eelistused ja muu, mis aitab organisatsioonidel teadlikumaid äriotsuseid langetada.
Millised on andmekaevandamise tehnikad?
Andmekaevandamine on analüütiline protsess, mille käigus uuritakse andmeid, et paljastada muutujate järjepidevad mustrid ja / või süsteemsed seosed, mida seejärel valideeritakse, rakendades nimetatud mustreid uutele andmehulkadele. Andmekaevanduses kasutatakse mitut peamist tehnikat, sealhulgas seostamine, klassifitseerimine, cl
