Vi lever i en datadrevet verden. For eksempel, hvis du aktiverer stedsleverandører på Google Maps og et år senere besøker tidslinjen din, kan den informere deg om hvor du var akkurat samme dag året før. Hvis du slår på Facebook Activation-løsninger, foreslår det venner du bør be om om du går et sted.
Vellykkede bedrifter henter ut visdom og informasjon fra all informasjonen som samles inn for å identifisere målkunder og markedsføre produkter og løsninger for dem.
Fra dagens urolige markedsmiljø driver informasjon endring til forretningsmodeller. Betaling per bruk, aktivert av skyprogrammer, har blitt en veletablert praksis. Som et eksempel har fremveksten av Uber forstyrret taxivirksomheten. Fokus har endret seg fra en system-sentrisk tilnærming til din bruker-sentriske tilnærming. Selv vanlige selskaper, som forsikring, tilbyr selvbetjening for kjøp og håndtering av poliser døgnet rundt på mobile enheter så vel som via sosiale nettverksstasjoner. Produkter og løsninger aktivert av ny teknologi som big data, kunstig intelligens (AI), både blockchain og virtuell og utvidet virkelighet , blir utnyttet av finanstekniske organisasjoner for å introdusere kreative produkter og tjenester.
Forstyrrelsen på markedet gjør det viktig for organisasjoner å kjøpe det de kan, konstruere det de trenger og outsource resten for å holde seg konkurransedyktig. Fokus på skapelse er nå avgjørende for bedrifter som må utvikle nye produkter og tjenester for å skille seg fra konkurrentene. Å ta i bruk digitale transformasjonsmetoder ved å automatisere fra kundevendt til backoffice-handlinger er en topp prioritet for bedrifter.
Data opprettet av enkeltpersoner og systemer må være grunnlaget for å få planen riktig. Organisasjoner som har vært i stand til å utnytte data for å hente ut informasjon og intelligens for et konkurransefortrinn, oppdager suksess.
Intelligens er hentet fra data
Info er tekst, video og lyd. Tenk som eksempel på informasjonen om aksjene som er notert på en børs. Hvis vi skulle legge til disse dataene den ekstra indikasjonen på om en bestemt aksje flyttet ned eller opp fra slutten av dagen før, ville det blitt data - noe som er av interesse for oss, og noe vi kunne analysere. Så snart vi innlemmer kontekst for å gi råd, blir det intellekt.
Hvis vi skulle se på aksjemarkedsinformasjonen til 30 aksjer som representerer en børsindeks, er det bare informasjon. Da vi skulle bringe indikatoren om at børsindikatoren i Singapore var nede med 407 poeng ved slutten av virksomheten en bestemt dag, men Dow Jones var opp med 330 poeng rundt samme dag, så er det informasjon. Det er mulig å bruke denne informasjonen for å forsøke å forutsi hvordan markedet ville starte dagen etter i Singapore. Det er intelligens.
Hvordan hente ut intelligens og informasjon fra data?
Det er temaet business intelligence (BI) i en organisasjonssammenheng. Målet er å motta ren, nøyaktig og meningsfull informasjon. Prosedyren for å hente ut informasjon er en undersøkelse og kan gjennomføres via prosesser som online analytisk behandling (OLAP) og data mining. OLAP handler om å hente data inn i informasjonsmodeller med et datalager som bakenden for å samle og spalte det.
Hva er nytt? AI, Big Data og Machine Learning
BI ved bruk av OLAP og datautvinning har eksistert en stund - det som har endret seg de siste årene er utviklingen av big data- verktøy og teknikker. Big data genererte en eksplosjon i bruken av mer omfattende data-mining teknikker. Karakteristikken til big data er generelt forklart i form av 3 V - volum, hastighet og variasjon. Mer nylig ble en fjerde periode, sannhet, lagt til oppføringen. Hva har gjort store data så tiltalende? Teknologier gjør det nå mulig å vedlikeholde datamaskinene for datavarer og holde kostnadene nede, og visse algoritmer som MapReduce kan brukes til å utvinne til de søkte dataene, men den overbevisende driveren er verdien for et selskap.
La oss undersøke tre måter som blandingen av konvensjonelle BI-metoder, kombinert med store data, kan tilføre verdi.
For det første er det gunstig for enhver bedrift å identifisere målkunder. Se for deg at du er en del av et bilfirmas markedsføringsteam og har oversikt over forbrukere som har kjøpt biler. Du kan se på sosialstatistikken deres og opprette en kortliste, ved å bruke en eller to grader av separasjon, av flere mulige målklienter. Deretter gir sosiale nettverksanalyser en titt på koblingene mellom mennesker i flere felt og industrielle aktiviteter. En annen analyseteknikk - regresjonsundersøkelse - kan også brukes til å analysere demografien til disse personene som er på listen og, avhengig av alder, forutsi hvilken bil de sannsynligvis vil kjøpe.
Kryssalg av produkter og tjenester er bare en annen måte bedrifter prøver å øke inntektene sine. Fortsett med den identiske bilselge-analogien, selv om du vet at personer med en viss demografisk profil som kjøper en bestemt type bil, er mer tilbøyelige til å få en annen type bil som deres andre, noe som har verdi for organisasjonen. Det er mulig å forutsi denne lenken ved hjelp av en teknikk som kalles association rule learning, som innebærer å oppdage sammenhenger mellom faktorer.
Endelig er forståelse av kundeforståelse avgjørende for suksessen til en bedrift. Hvordan oppfattes merkevaren og bilmodellene i markedet? Du kan bruke en teknikk kjent som meningsanalyse for å finne ut av det.
Fremtiden for data
Vesentlige data og AI-metoder brukes til å utfylle og supplere hverandre for å hente ut økt intelligens. Omtrent alle vertikale markedssegmenter bruker AI for å gjøre sine tilbud til kunder intuitive. Fra bilsalgsscenariet, hvis vi skulle spørre hvilken modell av en ny spesifikk kunde som er mer sannsynlig å kjøpe, kan vi få et godt svar ved hjelp av AI og store data.
Data er strategisk, og organisasjoner som håndterer data helhetlig, gir fortjeneste. Det betyr at datateknologi spiller en økende funksjon gjennom ny teknologi, teknikker og evner, for å gi et konkurransefortrinn til organisasjoner. Mest av alt er innovasjon viktig for suksessen til et selskap - ettersom bedrifter kontinuerlig trenger å innovere eller dø.