私たちはデータ主導の世界に住んでいます。たとえば、Googleマップで位置情報プロバイダーをアクティブにして、1年後にタイムラインにアクセスすると、1年前のまったく同じ日にどこにいたかがわかります。 Facebookアクティベーションソリューションをオンにすると、どこかに行った場合にリクエストする必要のある友達が提案されます。
成功している企業は、収集されているすべての情報から知恵と情報を抽出して、ターゲット顧客を特定し、製品とソリューションを宣伝しています。
現在の激動する市場環境から、情報はビジネスモデルへの変化を推進しています。クラウドプログラムによって可能になる従量制は、確立された慣行になっています。一例として、ユーバーの出現はタクシー事業を混乱させました。焦点は、システム中心のアプローチからユーザー中心のアプローチに変わりました。保険のような従来の企業でさえ、オンライン、モバイルデバイス、およびソーシャルネットワーキングステーションを介して、24時間体制でポリシーを購入および処理するためのセルフサービスを提供しています。ビッグデータ、人工知能（AI）、ブロックチェーン、仮想現実および拡張現実の両方などの新しいテクノロジーによって実現される製品とソリューションは、金融工学組織によって活用され、創造的な製品とサービスを導入しています。
市場の混乱により、組織は可能なものを購入し、必要なものを構築し、残りをアウトソーシングしてコスト競争力を維持することが不可欠になっています。競合他社と区別するために新しい製品やサービスを開発しなければならない企業にとって、創造に焦点を当てることは今や非常に重要です。顧客対応からバックオフィスアクションへの自動化によるデジタルトランスフォーメーションアプローチの採用は、企業にとって最優先事項です。
個人やシステムによって作成されたデータは、計画を正しく行うための基盤でなければなりません。データを活用して情報とインテリジェンスを抽出し、競争力を高めることができた組織は、成功を収めています。
インテリジェンスはデータから抽出されます
情報はテキスト、ビデオ、およびオーディオです。例として、証券取引所に上場されている株式の情報について考えてみましょう。このデータに、特定の株が前日の終わりから下がったか上がったかの追加の指標を追加すると、それはデータになります。これは、私たちにとって興味深いものであり、分析できるものです。アドバイスするコンテキストを組み込むとすぐに、それは知性になります。
証券取引所の指数を表す30株の株式市場情報を見ると、それは単なる情報です。シンガポールの証券取引所の指標が特定の日の営業終了時に407ポイント下がったが、ダウジョーンズがその同じ日に330ポイント上がったという指標を持ってくると、それは情報です。その情報を使用して、翌日シンガポールで市場がどのように始まるかを予測するよう努めることができます。それが知性です。
データからインテリジェンスと情報を抽出する方法は？
これは、組織のコンテキストにおけるビジネスインテリジェンス（BI）のトピックです。目的は、クリーンで正確で意味のある情報を受け取ることです。情報を抽出する手順は調査であり、オンライン分析処理（OLAP）やデータマイニングなどのプロセスを介して実行できます。 OLAPとは、データウェアハウスをバックエンドとしてデータを情報モデルに取り込み、データを集約してスリットすることです。
新着情報？ AI、ビッグデータ、機械学習
OLAPとデータマイニングを使用したBIは、しばらく前から存在していました。ここ数年で変わったのは、ビッグデータのツールと手法の開発です。ビッグデータは、より広範なデータマイニング技術の使用で爆発を引き起こしました。ビッグデータの特性は、一般に、3 Vの観点から説明されます-ボリューム、速度、および多様性。最近では、4番目の用語である真実性がリストに追加されました。ビッグデータがこれほど魅力的な理由は何ですか？テクノロジーにより、データコモディティコンピューターを維持し、コストを抑えることが可能になりました。MapReduceなどの特定のアルゴリズムを使用して、検索するデータをマイニングできますが、魅力的な推進力は企業にとっての価値です。
従来のBI手法と大規模なデータを組み合わせることで、付加価値をもたらす3つの方法を検討してみましょう。
まず、ターゲット顧客を特定することは、あらゆる企業にとって有益です。あなたが自動車会社のマーケティングチームの一員であり、自動車を購入した消費者の記録を持っていると想像してみてください。あなたは彼らの社会統計を見て、追加の可能なターゲットクライアントの1つまたは2つの程度の分離を使用して候補リストを作成することができます。次に、ソーシャルネットワーク分析は、いくつかの分野の人々と産業活動との間のリンクを調べます。別の分析手法である回帰調査を使用して、最終候補に挙げられた人々の人口統計を分析し、年齢に応じて、購入する可能性が非常に高い車の種類を予測することもできます。
クロスセリングの製品やサービスは、企業が収益を上げようとするもう1つの方法です。同じ自動車販売の例えを続けると、特定の種類の自動車を購入する特定の人口統計プロファイルを持つ個人は、組織にとって価値のある別の種類の車を2番目に購入する傾向があることを知っていても。因子間の相関関係を発見することを伴う相関ルール学習と呼ばれる手法を使用して、このリンクを予測することができます。
最後に、顧客の理解を理解することは、ビジネスの成功にとって重要です。ブランドと自動車モデルは市場でどのように認識されていますか？意見分析と呼ばれる手法を使用して調べることができます。
データの未来
実質的なデータとAI手法を使用して、相互に補完および補完し、インテリジェンスを向上させます。ほぼすべての垂直市場セグメントがAIを使用して、クライアントへの提供を直感的にしています。自動車販売のシナリオから、新しい特定の顧客のどのモデルを購入する可能性が高いかを尋ねると、AIと大規模なデータを使用して適切な答えを導き出すことができます。
データは戦略的であり、データを総合的に扱う組織は利益を上げます。つまり、データテクノロジーは、組織に競争力を提供する上で、新しいテクノロジー、技術、および能力を通じて、ますます機能を果たします。何よりも、イノベーションは企業の成功にとって重要です。企業は継続的にイノベーションを起こすか、死ぬ必要があるからです。