Obsah
- Čo sú to tmavé údaje?
- Rozdiel medzi veľkými a tmavými dátami
- Dôvody, ktoré spoločnosti vytvárajú zásoby tmavých údajov
- Potenciál temných údajov
- Predpovedať problémy a riešiť problémy
- Vybudujte inteligentnejší dodávateľský reťazec
- Zlepšenie kvality produktu pomocou spätnej väzby od zákazníkov
- záver
Zdroj: Agsandrew / Dreamstime.com
Zobrať:
Tmavé údaje sú údaje, ktoré nikdy nevidia denné svetlo, ale tieto dlho ignorované údaje by mohli byť pre organizácie užitočné.
Existujú dva spôsoby, ako zobraziť vplyv tmavých údajov na svet veľkých údajov:
- Ako príležitosti skryté vo veľkých údajoch
- Ako riziká predstavujú tmavé údaje
Takmer všetky spoločnosti ukladajú tmavé údaje pre rôzne časové obdobia bez akejkoľvek analýzy. Aj keď tak robia, strácajú príležitosť získať informácie, ktoré mohli neanalyzované údaje odhaliť. Pri ukladaní tmavých údajov na také dlhé obdobie existuje aj niekoľko rizík, ako sú právne, finančné, povesť a strata konkurenčných výhod. Spoločnosti musia lepšie využívať svoje úložisko temných údajov, a to nielen na zlepšenie obchodného postupu, ale aj na minimalizáciu rizík.
Čo sú to tmavé údaje?
Takmer každá spoločnosť zbiera obrovské množstvo údajov s cieľom získať viac prehľadov o veciach, ako sú správanie zákazníkov, procesy vývoja softvéru, časy stretnutí a produktivita, ako aj použiteľnosť webových stránok. Tieto informácie pomáhajú spoločnostiam reagovať na dodávku vylepšených produktov a služieb. Môže však byť prekvapujúce, že veľké percento údajov je dlhodobo nevyužitých. Spoločnosti ich uložia bez vykonania akejkoľvek analýzy. Táto kategória údajov sa nazýva tmavé údaje a veľkosť tejto kategórie je obrovská. IDC odhaduje, že 90% celkových vygenerovaných údajov sú tmavé údaje - to je významné pozorovanie. Gartner definuje tmavé údaje ako,
Aké údaje zostávajú neanalyzované? Zistilo sa, že tieto kategórie údajov spĺňajú podmienky pre kategóriu tmavých údajov:
- Prvotné vstupy z prieskumu
- Údaje o zákazníkoch
- Údaje o predchádzajúcich zamestnancoch
- Finančné výkazy
- konverzácia
- Prepisy četu
- Prepisy call centra
- Údaje o účte
Rozdiel medzi veľkými a tmavými dátami
Tmavé údaje sú podmnožinou veľkých údajov. Zhromažďujú sa teda dve časti veľkých údajov: analyzované a neanalyzované. Neanalyzované údaje sú tmavé údaje. Zaujímavé je, že neanalyzované údaje tvoria najväčšiu časť veľkých údajov.
Dôvody, ktoré spoločnosti vytvárajú zásoby tmavých údajov
Vyššie uvedený zoznam typov údajov by spoločnosti mohol potenciálne priniesť veľkú hodnotu. Napriek tomu je prekvapujúce, že ležia bez dozoru. Existuje niekoľko dôvodov, ale najdôležitejším sa zdá byť nedostatok investícií. Nižšie je uvedených niekoľko dôvodov, prečo sa vytvára tmavý dátový zdroj.
Nemôžete zlepšiť svoje programovacie schopnosti, keď sa nikoho nezaujíma o kvalitu softvéru.
Tento dôvod súvisí s nedostatkom investícií. Ak je zber údajov vykonávaný technológiami, ktoré navzájom nekomunikujú, bráni to organizácii vo vytváraní komplexnej politiky údajov. Mnoho organizácií so zastaranými technológiami sa snaží integrovať údaje zozbierané z rôznych zdrojov, ako sú napríklad prepisy rozhovorov v call centre, údaje o kliknutí na webové stránky a údaje o videokonferenciách. Na spracovanie a integráciu rôznych formátov potrebujete vhodnú technológiu.
Potenciál temných údajov
Nie je potrebné, aby sme pochopili, že ak 90% veľkých údajov sú tmavé údaje, je to potenciálne krajina neobjavených zanedbávaných príležitostí. Ako vyššie uvedené dôvody poukazujú na to, že spoločnosti nevyužívajú tmavé údaje, pretože ponúkajú malú hodnotu, ale kvôli vlastným obmedzeniam spoločností. Je teda dokázané, že temné údaje majú veľký potenciál. Pokúsme sa pochopiť tento potenciál pomocou výrobného sektora.
Podľa štúdie spoločnosti Frost & Sullivan: „Internet vecí, internet služieb, veľké dáta a integrovaný priemysel zanechajú rozhodujúci vplyv na všetky časti výrobného hodnotového reťazca.“ Výrobný sektor získava cenné údaje z týchto údajov:
- Strojové denníky
- Senzory zariadenia
- Telematika produktu
- Clickstream pre spotrebiteľa
- Sociálne médiá
Predpovedať problémy a riešiť problémy
Presnou analýzou údajov o kliknutiach zákazníkov a získaním telematiky produktov môžu spoločnosti presne predpovedať dopyt a primerane reagovať optimalizáciou dodávok tovaru. Spoločnosti tiež môžu vyriešiť problémy izoláciou pomocou tmavých údajov generovaných senzormi a telematikou.
Vybudujte inteligentnejší dodávateľský reťazec
Spoločnosti potrebujú inteligentný a robustný dodávateľský reťazec, aby presne poznali čas a objem dopytu a primerane reagovali na požiadavky. Jedným zo spôsobov, ako to dosiahnuť, je získanie podrobných informácií o jednotlivých zložkách dodávateľského reťazca. Granulárne informácie umožňujú spoločnostiam dosahovať kvalitu a včasné doručenie. Podrobné informácie o dodávateľskom reťazci môžu poskytnúť iba tmavé údaje.
Zlepšenie kvality produktu pomocou spätnej väzby od zákazníkov
V týchto meniacich sa časoch už zákazník nie je niekto, kto iba konzumuje výrobky. V istom zmysle je zákazník veľvyslancom značky, ktorý môže propagovať produkt prostredníctvom úst, odporúčaní a sociálnych médií. Je nesmierne dôležité, aby tímy pre riadenie produktov, dizajn a technické tímy využívali spätnú väzbu od zákazníkov a zlepšovali kvalitu produktu. Tmavé údaje môžu pomôcť výrobným spoločnostiam tým, že poskytnú 360-stupňový pohľad na produkt a spôsob jeho zobrazenia na trhu. Čo môže spoločnosť urobiť?
- Mať dobre navrhnutý analytický rámec, ktorý využíva tmavé údaje a poskytuje prístup k tomuto rámcu všetkým zainteresovaným stranám.
- Znížte neplánované a nepredvídané výpadky vývoja produktov pomocou údajov senzorov a telematiky, ktoré môžu predvídať poruchy alebo zlyhania produktu.
- Integrujte telematiku so sociálnymi médiami, aby sa spätná väzba od zákazníka mohla zachytiť v reálnom čase a údaje sa preniesli do príslušného oddelenia.
- Pomocou údajov môžete agilným spôsobom vylepšiť vlastnosti produktu.
záver
Potenciál tmavých údajov je nepochybný. Spoločnosti si však musia pamätať na riziká spojené s neurčitým ukladaním a nesprávnym zaobchádzaním s tmavými údajmi. Tmavé údaje môžu obsahovať citlivé informácie a akýkoľvek neúmyselný alebo úmyselný únik informácií by mohol spôsobiť problémy. Spoločnosti musia mať dobré technológie označovania a štruktúrovania údajov, aby mohli byť údaje identifikované a kategorizované. Je to potrebné, aj keď ich nezamýšľajú analyzovať pre svoje podnikanie. V opačnom prípade by mohli čoskoro nasledovať finančné, regulačné, strata konkurenčnej výhody a právne ťažkosti.