覚えておいてください、学校には常に「すべてを知っている」人がいましたか？ どういうわけか、主題に関係なく、彼らは頭の中で情報の異なるブロックをリンクすることに成功し、問題を理解するようになりました。
私の意見では、これは企業の将来をよく反映しているため、この例を引用しました。ビジネスから「すべてを知る」必要があります。 現在、Hadoopおよびいわゆるビッグデータの他のテクノロジーのおかげで、企業は最近まで、全体として異種の情報を見ることができました。 これが何を意味するか想像してみてください。 航空会社は、出発時に貴重な顧客がいつ困ったかを知っているため、帰りのフライト中にサービスを改善しようとします。 医師は、MRIスキャン、血圧、心房細動データなどのさまざまな種類の情報をリンクして、心臓発作または脳卒中の可能性を予測できます。
これはデータの量だけではありません-ビッグデータについて言及するとき、それはほとんどの人が考えるものです。 それどころか、主なことは、これらのデータの種類やソースに関係なく、たとえばコールセンターからの情報、Webサイトの使用に関するデータ、売上高などの非常に重要な関係が隠されていることです。 私にとって、これらのアプローチの違いは重要です。 簡単に言えば、ここではサイズは関係ありません。
それでも、ビッグデータについて長年熱心に語った後、私たちの焦点は、それらの主な価値が膨大な量の情報を収集する能力であるという事実にシフトしました。 この洗脳は、チェコスロバキアの子供時代を思い起こさせます。私たちは、オーウェルの動物農場のように、「4本の足は良い、2本の足は悪い」と思っていました。 2本の足が完璧であることを伝えたい[ 動物牧場のプロットを考慮すると、翻訳者はこの通路に皮肉が隠れているかどうかわからない。 perev。 ]、およびビッグデータに関しては、この場合の「大」という用語は常に適切であるとは限りません。 さらに重要なのは、データを評価する能力です-インターネットからの直接の情報フローまたはファイアウォールを介して漏洩したデータの一部、センサーデータまたは公共ソースからの情報-それを単一の全体像にリンクします（ゲームの結果としてフィギュア」は絵画の傑作であることが判明しました）。 同様に、企業がプロセス、製品、サービスのデータに基づいて得られたこの知識を埋め込むことができることも重要です。
Tom Davenportは、著書「The Rise of Analytics 3.0：データエコノミーで競合する方法」で、ランキングアルゴリズムに基づく完全自動化システムまたは分析に基づくルールに企業が分析を統合する方法について説明しています。 その他は、分析を消費者向けの製品と機能に統合します。」
それが、私が「すべてでデータを使用するビジネス」と呼ばれるものであることを意味します-必要なものすべてを知っており、仕事でこの知識を使用する企業です。
そのような企業の例はすでにいくつかあります。
- LinkedIn 誰が誰を、誰が好きで、誰が誰と仕事をするかについての公開情報と非公開情報を使用して、LinkedInは求職者と雇用主の仕事、クライアント、候補者の情報を見つける主要な手段になりました。
- AirBnB 会社のウェブサイトは、賃貸を検討している住宅の所有者、所有者がFacebookの友人の友人であるか、この宿泊施設を気に入っているのはどれかを教えてくれます。 その結果、ユーザーはサービス作業計画の透明性と会社への信頼を感じています。
- Netflix ユーザービューのデータを使用して、同社は映画の推奨を10％正確にするアルゴリズムを開発しました。 その後、同社はこのデータを使用して独自のコンテンツを作成し、現在では最高のケーブルまたはネットワークテレビ製品と人気が競合しています。
これらの各ケースで、企業は利用可能なすべてのデータタイプを監視し、それらをビジネスに組み込んだ結果として得られた洞察を使用しました。 これは、データを扱う際の完全な違いです。 これらの企業は、洞察の本質だけを複数のアナリスト（ビッグデータの精神）に渡すのではなく、常にリアルタイムでビジネス上の意思決定を行うために、保有する情報の全量を常に分析しています。
ほとんどの企業にはこのような機能はありませんが、経営が持続可能な競争上の優位性として情報と分析の使用に積極的に焦点を当てている限り、どのビジネスも「すべてにデータを使用する企業」になり得ると考えています。 ダベンポートが彼の本に書いているように、「Analytics 3.0時代の最も重要な特徴は、オンライン企業だけでなく、文字通りあらゆる分野の企業がデータ経済に関与できることです。」
たとえば、UPSは、トラックに組み込まれたデジタル地図データとテレマティクスシステムを使用して、55,000人のドライバーごとに最適なルートを計画します。 Progressive Insuranceは、顧客の信用格付け情報と内部データを組み合わせて、保険事故の可能性を予測します。 私が知っている不動産管理会社は、過去12年間、関連する公共および個人データを分析しています。 その目的は、エアコンが故障し始める前に極端な熱の期間の期間を予測することです。
各会社は、以前は無関係なタイプのデータを相関させることに注意してください。 また、受信した情報に基づいた洞察を行動、サービス、製品に取り入れて、行動や方向を予測します。 Davenportが書いているように、私たちは常に3種類の分析を行っていました：過去を特徴付ける記述的、何をすべきかを伝える規範的、そして過去に関するデータを使用して未来を予測する予測的です。 「Analytics 3.0には3つのタイプがすべて含まれていますが、主に予測分析に重点が置かれています」と彼は書いています。
私は彼に反対することはできません。 「すべてでデータを使用するビジネス」になることの利点は、恐ろしく魅力的でもあると思います。 また、すべての情報を分析しない企業は存在しなくなると考えています。
どこから始めますか？
- 競争上の優位性として情報と分析を使用することを決定します。
- 社内システム、クラウドアプリケーション、社会環境、公共ソース、機械的に収集されたデータなど、利用可能なすべての情報を仕事で使用します。
- 標準および予測の両方の分析結果を製品とプロセスに統合します。
- SaaSアプリケーションとPaaSアーキテクチャを使用して、コストを管理し、ITの複雑さを高めます。
「Know-it-alls」ルール。
PS Habraのユーザーに、Hadoopまたは他のテクノロジーを使用する必要があるかどうかを尋ねたいと思います。その場合、どのような状況で、本当に利益がありましたか？ 私たちはコメントやプライベートメッセージで話を聞いてうれしいです。
PPS翻訳のタイプミス、間違い、不正確さに気付いた場合は、個人的なメッセージを書いてください。すぐに修正します。
関連リンク：