ИТ для нового стиля бизнеса
отмена
Отображаются результаты для 
Вместо этого искать 
Вы имели в виду: 

Как выжать пользу из ваших данных?

tonyafilonenko

data_smb.jpeg

В среде малого и среднего бизнеса часто считают, что анализ Больших данных применим только к корпорациям. В действительности, компании любого размера могут извлечь пользу из океана данных, который их окружает. Как пишет Мэтт Менсфилд на enterprise.nxt, речь идет не только об использовании массивных баз данных; главный источник ценности лежит в аналитике, процессе нахождения трендов и корреляций. Данные не обязательно должны быть большими, чтобы принести пользу в таких сферах как внутренние операции, поведение потребителей, оценка эффективности кампаний и возможностей на рынке. 

Главный источник ценности лежит в аналитике, процессе нахождения трендов и корреляций

Большие данные и аналитика считаются перспективным направлением, и Мэтт приводит два показателя их эффективности:

- стимуляция продаж: 45% владельцев малого бизнеса, которые пользуются инструментами для анализа данных, сообщают о повышении продаж, в сравнении с 33% тех, которые не анализируют данные.

- упрощение управления: компании, использующие аналитику, в пять раз более склонны быстро принимать решения.

Мэтт описывает несколько шагов, которые упростят работу с данными для малого и среднего бизнеса.

Начинайте с того, что у вас есть.

Это первый шаг: понять и использовать данные, которые уже собираются. Но какие именно данные?

Может возникнуть соблазн собрать все данные и после в них разбираться. Но это может привести к простою. «Не нужно кипятить океан, если вам нужна всего чашка кофе», говорит Крис Стивенсон, CEO платформы когнитивной аналитики Topos Labs. Идея в том, чтобы собирать данные, которые помогают вам отвечать на важные вопросы. Выберите, на чем вы будете фокусироваться, и подбирайте источники данных в зависимости от ваших вопросов.

Какие источники данных можно рассматривать? Их много: отчеты по продажам, поисковые запросы на вебсайте, вопросы, которые пользователи задают службе поддержки, данные от email-маркетинга и метрики сайта.

Отделите грязное от чистого

Допустим, вы нашли интересные данные. Но прежде чем вы их консолидируете для анализа, вспомните о главном препятствии эффективной аналитике: «грязных» данных. Некачественные данные часто появляются в результате исключений или недокументированных отличий в правилах хранения информации в разных отделах.

Факторов появления «грязных» данных немало: это и ошибки при вводе данных, и проблемы при миграции. По словам Майкла Причарда, CEO компании Metis Machine, 60% специалистов по анализу данных проводят большинство своего времени за расчисткой и маркировкой данных. Поэтому следует понимать, что получению пользы от данных предшествует их очистка, в которую нужно вкладывать время и усилия.data_quality.png

 

Куда все это сложить?

Вслед за сбором и консолидацией данных приходится решать еще одну проблему: где все это хранить. Часто небольшие компании выбирают вариант облачного хранения, поскольку это доступно. Компании среднего размера склонны к гибридным решениям, так как у них часто уже есть своя инфраструктура. Собственные системы позволяют им записывать данные и работать с аналитическими инструментами с хорошей скоростью, а облако позволяет хранить исторические данные более доступно.

Баланс между скоростью и ценой часто определяет выбор решения для хранения данных. Имеет смысл делать свежие данные доступными для быстрой обработки, а данные для ретроспективного анализа исторических трендов могут размещаться в более доступной системе архивирования.

Аналитика в действии

Все эти действия имеют смысл только если данные используются для развития бизнеса. Крис Стивенсон отмечает: «Бренды ищут уникальные и интересные способы увеличить продажи. Для этого нужно знать, что подталкивает людей к покупке».

Майкл Ширер, Вице-президент SelectHub, платформы для управления закупкой технологических решений, описывает конкретные примеры использования собственных данных для принятия решений:

-  определение целевой аудитории: «Изначально мы были уверены, что наши пользователи – это представители отдела закупок», говорит Майкл. Однако выяснилось, что платформу чаще использовали руководители разных отделов. В результате компания поменяла свою маркетинговую стратегию.

- определение интересов пользователей: частота запросов на те или иные документы позволила определить сферы интереса. Например, SelectHub увидели, что визуализация данных была востребованной темой, и это помогло им в принятии маркетинговых решений.

- определение ниш на рынке: аналитика данных позволила увидеть возможности, которые компания упустила. «Многие пользователи искали на нашем сайте CRM-системы», говорит Майкл Ширер, «но отдельно выделялась автоматизация продаж».  Это подтолкнуло компанию к созданию дополнительных предложений в этой отрасли.

Стоит понимать, что внедрение и поддержка аналитики данных – это непростой процесс. Майкл Причард отмечает, что каждая фаза процесса достаточно сложная: от сбора и консолидации до обработки (моделирования и анализа) и последующей презентации (визуализации и построения отчетов). В компаниях малого и среднего бизнеса редко будут специалисты по анализу данных. Поэтому многие из них используют платформы для аналитики-как-сервиса (AaaS, analytics-as-a-service) или услуги консультантов.

Стоят ли результаты этой работы? По мнению многих руководителей бизнеса, анализ данных – это один из способов понимания рынка, принятия более правильных решений и измерения последствий этих решений. И даже если эти данные – не Большие данные, влияние на бизнес может быть значительным.

Больше о решениях HPE для аналитики данных.

Follow us on Twitter @HPE_IoT
0 баллов
Об авторе

tonyafilonenko

All things social for HPE IoT