우리는 데이터 중심 세상에 살고 있습니다. 예를 들어 Google지도에서 위치 제공 업체를 활성화하고 1 년 후 타임 라인을 방문하면 1 년 전 정확히 같은 날에 어디에 있었는지 알려줄 수 있습니다. Facebook 활성화 솔루션을 켜면 어디로 가면 친구에게 요청해야한다고 제안합니다.
성공적인 기업은 수집되는 모든 정보에서 지혜와 정보를 추출하여 대상 고객을 식별하고 제품과 솔루션을 홍보합니다.
현재의 격동적인 시장 환경에서 정보는 비즈니스 모델의 변화를 주도하고 있습니다. 클라우드 프로그램에 의해 가능해진 종량제는 잘 확립 된 관행이되었습니다. 예를 들어, Uber의 출현은 택시 사업을 방해했습니다. 초점이 시스템 중심 접근 방식에서 사용자 중심 접근 방식으로 변경되었습니다. 보험과 같은 기존 회사조차도 온라인, 모바일 장치 및 소셜 네트워킹 스테이션을 통해 24 시간 내내 정책을 구매하고 처리 할 수있는 셀프 서비스를 제공합니다. 빅 데이터, 인공 지능 (AI), 블록 체인과 가상 및 증강 현실과 같은 신기술로 구현 된 제품과 솔루션은 금융 엔지니어링 조직에서 창의적인 제품과 서비스를 도입하기 위해 활용되고 있습니다.
시장의 혼란은 조직이 할 수있는 것을 구입하고, 필요한 것을 구축하고, 나머지는 아웃소싱하여 비용 경쟁력을 유지하는 데 필수적입니다. 경쟁과 구별하기 위해 새로운 제품과 서비스를 개발해야하는 기업에게는 창조에 대한 초점이 중요합니다. 고객 대면에서 백 오피스 작업에 이르기까지 자동화하여 디지털 혁신 접근 방식을 채택하는 것은 기업의 최우선 과제입니다.
개인과 시스템이 생성 한 데이터는 계획을 올바르게 수립하기위한 기반이되어야합니다. 데이터를 활용하여 경쟁 우위를위한 정보와 인텔리전스를 추출 할 수 있었던 조직은 성공을 발견하고 있습니다.
데이터에서 인텔리전스 추출
정보는 텍스트, 비디오 및 오디오입니다. 예를 들어, 증권 거래소에 상장 된 주식의 정보를 생각해보십시오. 이 데이터에 특정 주식이 전날 이후 하락했는지 상승했는지에 대한 추가 표시를 추가하면 데이터가됩니다. 우리가 관심을 가질만한 데이터이자 분석 할 수있는 것입니다. 조언 할 컨텍스트를 통합하자마자 지능이됩니다.
증권 거래소 지수를 대표하는 30 개 종목의 증권 시장 정보를 살펴보면 그것은 단순히 정보입니다. 싱가포르의 증권 거래소 지표가 특정 일의 영업 종료 시점에 407 포인트 하락했지만 다우 존스가 같은 날 330 포인트 상승했다는 지표를 가져 오면 그것이 정보입니다. 이 정보를 사용하여 다음 날 싱가포르에서 시장이 어떻게 시작 될지 예측하기 위해 노력할 수 있습니다. 그것은 지능입니다.
데이터에서 지능과 정보를 추출하는 방법?
이것이 조직적 맥락에서 비즈니스 인텔리전스 (BI) 의 주제입니다. 목표는 깨끗하고 정확하며 의미있는 정보를받는 것입니다. 정보 추출 절차는 조사이며 온라인 분석 처리 (OLAP) 및 데이터 마이닝과 같은 프로세스를 통해 수행 할 수 있습니다. OLAP는 데이터웨어 하우스를 백엔드로 사용하여 데이터를 정보 모델로 가져 와서 집계하고 분할하는 것입니다.
무엇이 새로운가요? AI, 빅 데이터, 머신 러닝
OLAP 및 데이터 마이닝을 사용하는 BI는 한동안 사용되어 왔으며 최근 몇 년 동안 변경된 것은 빅 데이터 도구 및 기술의 개발입니다. 빅 데이터는보다 광범위한 데이터 마이닝 기술을 사용하여 폭발적으로 증가했습니다. 빅 데이터의 특성은 일반적으로 3V (볼륨, 속도, 다양성)로 설명됩니다. 최근에는 네 번째 용어 인 진실성이 목록에 추가되었습니다. 빅 데이터를 그토록 매력적으로 만든 이유는 무엇입니까? 이제 기술을 통해 데이터 상용 컴퓨터를 유지하고 비용을 낮출 수 있으며 MapReduce와 같은 특정 알고리즘을 사용하여 원하는 데이터를 채굴 할 수 있지만 매력적인 동인은 회사의 가치입니다.
대용량 데이터와 결합 된 기존 BI 방법의 조합이 가치를 더할 수있는 세 가지 방법을 살펴 보겠습니다.
첫째, 대상 고객을 식별하는 것은 모든 기업에 유익합니다. 당신이 자동차 회사의 마케팅 팀의 일원이고 자동차를 구매 한 소비자의 기록을 가지고 있다고 상상해보십시오. 그들의 소셜 통계를보고 가능한 추가 대상 고객의 1 ~ 2 단계 분리를 사용하여 최종 후보 목록을 만들 수 있습니다. 그런 다음 소셜 네트워크 분석을 통해 여러 분야의 사람들과 산업 활동 간의 연결 고리를 살펴볼 수 있습니다. 또 다른 분석 기술인 회귀 조사를 사용하여 후보 목록에 오른 사람들의 인구 통계를 분석하고 나이에 따라 구매할 가능성이 매우 높은 자동차의 종류를 예측할 수 있습니다.
교차 판매 제품 및 서비스는 기업이 수입을 늘리기위한 또 다른 방법입니다. 동일한 자동차 판매 비유를 계속하면서 특정 유형의 자동차를 구입하는 특정 인구 통계 학적 프로필을 가진 개인이 조직에 가치가있는 다른 종류의 자동차를 두 번째로 얻는 경향이 더 많다는 것을 알고 있더라도. 요인 간의 상관 관계를 발견하는 것을 수반하는 연관 규칙 학습이라는 기술을 사용하여이 링크를 예측할 수 있습니다.
마지막으로 고객의 이해를 이해하는 것은 비즈니스의 성공에 매우 중요합니다. 브랜드와 자동차 모델은 시장에서 어떻게 인식됩니까? 의견 분석이라는 기술을 사용하여 알아낼 수 있습니다.
데이터의 미래
상당한 데이터와 AI 방법을 사용하여 서로를 보완하고 보완하여 향상된 지능을 추출합니다. 거의 모든 수직 시장 부문에서 AI를 사용하여 고객에게 직관적 인 제품을 제공하고 있습니다. 자동차 판매 시나리오에서 새로운 특정 고객의 어떤 모델을 구매할 가능성이 더 높은지 묻는다면 AI와 대용량 데이터를 사용하여 좋은 답을 도출 할 수 있습니다.
데이터는 전략적이며 데이터를 전체적으로 처리하는 조직은 수익을 낼 수 있습니다. 즉, 데이터 기술은 새로운 기술, 기술 및 능력을 통해 조직에 경쟁 우위를 제공하는 데있어 점점 더 많은 기능을 수행합니다. 무엇보다도 혁신은 기업의 성공에 중요합니다. 기업은 지속적으로 혁신하거나 죽어야하기 때문입니다.