Obsah:
Obchodní svět bzučí o objevování dat. Na povrchu se to jeví jako jednoduchý pojem, ale tato věta znamená více než „zjistit věci“. Co je tedy vyhledávání dat, opravdu? A jak to zapadá do moderní krajiny mobilních, analytických a velkých dat?
Zjišťování dat, které bývá někdy označováno jako dolování dat, zahrnuje sběr a analýzu dat a pak prezentaci výsledků ve čitelných, použitelných formátech. Zjednodušeně řečeno, zjišťování dat je proces hledání vzorců v datech a použití těchto vzorců k dosažení konkrétního obchodního cíle.
Samozřejmě je zde více k vyhledávání dat než přiřazování bodů. Organizace využívají vyhledávání dat pro širokou škálu cílů a aplikací v různých oblastech - av moderním digitálním světě je více dat, než kdy jindy.
Odkud pochází Data Discovery?
Přestože je vyhledávání dat v „horkém“ slovníku digitálních obchodních podmínek relativně nové, metody a strategie nejsou tak nové. Předchůdce tohoto termínu, dolování dat, byl zaveden v 90. letech 20. století, ale podniky a organizace používají určitou formu objevování dat již od úsvitu obchodu.
Moderní objev dat jako obchodní strategie vznikl vzestupem velkých dat - termín „catch-all“, který popisuje relativně nedávný, exponenciální růst rozsáhlých, komplexních datových souborů, kde naprostý objem informací vylučuje pomocí tradičních databázových a organizačních nástrojů extrahovat cokoli užitečného.
Velká data jsou však pro dnešní podniky velkým problémem, protože mezi všemi strukturovanými a nestrukturovanými údaji jsou velmi užitečné vzory, které lze použít ke zlepšení marketingových strategií, návratnosti investic a zisků. Platformy pro zjišťování dat jsou proto navrženy tak, aby organizacím usnadnily způsoby, jak určit, analyzovat a extrahovat relevantní data.
Jak funguje vyhledávání dat
Platformy pro zjišťování dat obvykle sestávají z několika nástrojů, které jsou spojeny dohromady a spolupracují na extrahování dat a jejich prezentaci smysluplným způsobem. Existuje několik různých způsobů, jak tyto nástroje vyhledávají a identifikují relevantní informace, ale většina z nich se točí kolem tří základních analytických metod:- Metadata: Veškerý digitální obsah obsahuje metadata nebo „data o datech“. Tyto informace jsou obvykle skryty před koncovými uživateli, ale jsou viditelné na zadním konci. Metadata se obvykle ukládají pomocí tabulek a atributů sloupců - nástroje pro vyhledávání dat pomocí metadat by tedy hledaly shody v názvu sloupce, velikosti dat a typu dat.
- Štítky: V mnoha případech jsou data generována a seskupena pod štítky nebo štítky, které popisují data v této skupině. Tyto značky mohou být generovány, když jsou data vytvořena, nebo mohou být přidána pro informaci a další informace. Štítky nebo značky jsou podobné metadatům, i když méně formální.
- Obsah: Tato strategie analyzuje samotná data, nikoli připojené štítky nebo metadata.
Jakmile jsou data analyzována, lze použít jiné nástroje pro zjišťování dat k prezentaci objevených vztahů, trendů nebo vzorů v užitečném formátu. Grafy, tabulky a grafy jsou základní nástroje prezentace používané při získávání dat, ale složitější, ale čitelné prezentace, jako je infografika, si získávají přízeň analytiků dat.
Co může Discovery Data udělat?
Pokud jde o praktické použití, existuje téměř neomezené použití pro platformy a nástroje pro vyhledávání dat. Tyto metody a strategie jsou nejčastěji používány spotřebitelskými organizacemi téměř ve všech průmyslových odvětvích, včetně maloobchodních, finančních, komunikačních a marketingových, i když tuto technologii využívají i neziskové organizace, obchodní organizace a vládní agentury.
Zjišťování dat umožňuje organizaci najít vztahy mezi interními faktory (jako je cena, umístění produktu a výkonnost zaměstnanců) a externími faktory (jako jsou údaje o konkurenci, ekonomické ukazatele a demografie zákazníků). Tyto vztahy pomáhají podnikům ilustrovat a definovat dopady změn jednoho nebo více faktorů na prodej, zapojení zákazníků a zisky.
Nástroje používané při vyhledávání dat nabízejí podrobnější obrázek o vlivných faktorech a umožňují společnostem doladit své marketingové strategie a reklamní kampaně s vysoce cílenými informacemi. Model doporučení pro populární streamovací video službu Netflix je dobrým příkladem technologie zjišťování dat v práci. Služba používá externí data o historii sledování zákazníků a interní data o mediálním obsahu v jejich databázi, aby vytvořila individualizovaná doporučení pro nová videa, která pravděpodobně budou zajímat jejich zákazníky.
Potenciální aplikace zjišťování dat však přesahuje maloobchodní spotřebitele. Jedním příkladem je software Advanced Scout, program používaný Národní asociací basketbalu (NBA). Analyzuje pohyby hráčů z obrazových záznamů basketbalových her a pomáhá trenérům rozvíjet strategie a organizovat hry.
Jak platformy pro vyhledávání dat postupují a technologie se stávají dostupnější, bude více organizací moci používat tyto nástroje k lepšímu porozumění svým zákazníkům a poskytování jedinečných přizpůsobených nabídek, které zlepšují obchod pro všechny.
