Kuinka suuri data-analyysi muuttaa talouttamme

Nopeatempoisessa, teknologiavetoisessa maailmassa, jossa ostajat voivat tilata verkosta kaikkea pizzasta Porscheihin ja samalla päivittää Twitter-, Facebook- ja Instagram-tilinsä yhdellä älypuhelimen pyyhkäisyllä, ei ole yllättävää, että potentiaalisesti hyödyllisten tietojen summa maailma kasvaa harppauksin.

Itse asiassa IBM:n mukaan ihminen luo joka ikinen päivä 2.5 kvintiljoona tavua dataa. Tällaisia ​​suuria tietomääriä on vaikea käsitellä niiden valtavan määrän ja monimutkaisuuden vuoksi, jolloin syntyy niin sanottua "suuridataa".

Vuoteen 2009 mennessä arvioitiin, että yritykset kaikilla Yhdysvaltojen talouden aloilla, joilla on vähintään 1,000 200 työntekijää, tuottivat noin XNUMX teratavua tallennettua dataa, joka voisi olla hyödyllistä.

Big data -analyysi parantaa kasvua kaikilla aloilla

Nyt kun dataa liikkuu runsaasti, yritykset ja monet muut yritykset ja sektorit voivat yhdistää erilaisia ​​tietojoukkoja hyödyllisen tiedon poimimiseksi.

Wayne Hansen, New Brunswickin yliopiston Saint Johnissa sijaitsevan opiskelijateknologiakeskuksen johtaja, selittää big datan "saatelauseeksi, joka kuvaa käsitystä, että voimme nyt analysoida valtavia tietojoukkoja. Pohjimmiltaan keräämme enemmän dataa, henkilökohtaista ja sosiaalista tietoa. , tieteellinen ja niin edelleen, ja nyt laskentateho on saavuttanut nopeuksia, joiden avulla voimme analysoida näitä tietoja perusteellisemmin."

Hansenin tärkein teknologinen kiinnostus on teknologian ja kulttuurin vuorovaikutus. Hän pystyy tutkimaan tätä kiinnostusta big datan avulla. Esimerkiksi älykkäiden kaupunkien tietoja, kuten rikollisuutta ja verotusta, väestöä ja demografisia tietoja, voidaan analysoida yleisten havaintojen tekemiseksi kyseisestä kaupungista ja kulttuurista.

Big dataa tuotetaan monin eri tavoin. Tietoa luodaan ja muuttuu jatkuvasti ympärillämme matkapuhelinsignaaleista ja sosiaalisesta mediasta ostotapahtumiin verkossa ja kaupoissa. Nämä tiedot voidaan sitten tallentaa tulevaa käyttöä varten.

Big datassa on kolme tärkeää näkökohtaa, jotka tekevät siitä hyödyllisen eri markkinoilla. Ne tunnetaan kolmena v:nä; tilavuus, nopeus ja vaihtelu. Volyymi, joka viittaa luotavan ja käytettävän tiedon määrään, joka on jopa teratavua ja petatavua. Nopeus, jolla tarkoitetaan nopeutta, jolla tiedot hankitaan ja käsitellään ennen kuin niistä tulee epäolennaisia ​​tietyllä sektorilla tai muihin tietokokonaisuuksiin verrattuna. Ja monimuotoisuus, mikä tarkoittaa, että mitä enemmän erilaisia ​​tietojoukkotyyppejä käytetään, sitä paremmat ja tarkemmat tulokset ja ennusteet ovat.

Big data -analyysillä on suuri potentiaali eri markkinoilla. Säästä ja teknologiasta liiketoimintaan ja sosiaaliseen mediaan big data tarjoaa mahdollisuuden edistää myyntiä, tuottavuutta ja ennustaa tuotteiden, myynnin ja palveluiden tulevia tuloksia. Mahdollisuudet ovat rajattomat.

"Edellytyksenä on, että riittävällä datalla suurin osa kaikesta tulee ennustettavissa", Hansen sanoo. Malleja voidaan paljastaa, rutiineja luoda ja tilastoja tuoda esiin. Tällaisten ennusteiden myötä syntyy uusi kilpailuetu lähes kaikilla aloilla. Big data -analyysistä tulee tällöin avaintekijä uuden liiketoiminnan onnistumisessa tai epäonnistumisessa ja uusien luomisessa.

Kuvittele olevasi työntekijä yrityksessä, joka suunnittelee vaatteita kohdekuluttajakunnalle myöhään teini-ikäisille ja parikymppisille naisille. Eikö olisi kätevää ja kannattavaa, jos voisit nopeasti ja tarkasti ennustaa esimerkiksi punaisilla paljetteilla valmistettujen korkokenkien potentiaalisen myynnin?

Big data -analyysi tulee käyttöön. Jos pystyisit tehokkaasti hyödyntämään kaikki asiaankuuluvat tilastot, kuten kuinka moni nainen on tilannut verkosta punaisia ​​paljetteisia korkokenkiä ja kuinka moni on twiitannut heistä tai julkaissut Youtube-videoita, joissa viitataan punaisiin korkokenkiin, voi ennustaa tarkasti, kuinka hyvin tuotteesi pärjää, ennen kuin se edes saapuu hyllyille. Tämä eliminoi arvailun ja lisää menestymismahdollisuuksia.

Tällaisten ennusteiden tekemiskyvylle on tulossa kasvava kysyntä, ja niin on myös big data -analyysin kehitys.

Pulse Group PLC, Aasian digitaalinen tutkimustoimisto, on yksi yritys, joka on hypännyt ison datan kelkkaan. Pulse aikoo tehdä lähitulevaisuudessa suuria investointeja tälle kasvavalle alueelle. Heidän investointisuunnitelmansa sisältää uuden ison data-analyysikeskuksen kehittämisen Cyberjayaan.

Tällaiset keskukset olisivat vastuussa kaikkien asiakkaan asiaankuuluvien päivämäärävirtojen kokoamisesta ja niiden analysoinnista nopeasti ja tehokkaasti löytääkseen tärkeitä tietoja, kuten kuvioita ja korrelaatioita, jotka voivat olla hyödyllisiä asiakkaan liiketoiminnan tai tavoitteiden kannalta.

"Voimme soveltaa big data-analyysiä", Hansen sanoo, "ja tehdä yleisiä lausuntoja." Näillä yleistyksillä on potentiaalia parantaa kaikkia sektoreita, mukaan lukien liike-elämä, koulutus, sosiaalinen media ja teknologia.

Monilla yrityksillä on ennusteiden tekemiseen tarvitsemansa tiedot, mutta niillä ei ole kykyä yhdistää eri tietotaskuja ja jakaa niitä siten, että niistä olisi hyötyä.

Bob Chua, Pulsen toimitusjohtaja, myöntää, että heidän uudesta suuresta datayrityksestään, joka tunnetaan nimellä Pulsate, voisi mahdollisesti tulla heidän pääpainopisteensä. Viisas taloudellinen toimenpide, sillä ison datamarkkinoiden odotetaan kasvavan yli 50 miljardia dollaria seuraavan viiden vuoden aikana.

Seuraavien kolmen vuoden aikana Pulsate suunnittelee edistyvänsä big datan analysoinnissa ja loi 200 korkean tason työpaikkaa datatieteilijöille. "Sekä tiedon kerääminen että analysointi vaatii erikoisosaamista", toteaa Hansen, "täten avaa uusia mahdollisuuksia."

Näiden uusien tehtävien suorittamiseksi työntekijöiden olisi oltava asianmukaisesti koulutettuja. Pulse Group aikoo myös perustaa yhden maailman ensimmäisistä datatieteilijöiden koulutusakatemioista uuden data-analyysikeskuksensa mukana ja vastata kasvavaan dataanalyytikkotarpeeseen.

Bigdatalla voi olla muitakin myönteisiä vaikutuksia koulutusmaailmaan kuin vain uusien mahdollisuuksien ja oppimiskokemusten tarjoaminen. Hansen toteaa, että opiskelijoiden käyttäytymistä voidaan analysoida koulutussektorin parantamiseksi analysoidulla big datalla. "Viime kädessä tavoitteena on käyttää kerättyä dataa parantaakseen opiskelijoiden kokemusta [ja] kasvattaakseen säilytyslukuja."

Uusien työpaikkojen ja koulutusmahdollisuuksien luomisen ja yritysten mahdollisten ennusteiden ja kasvun välillä big data näyttää olevan kaiken kaikkiaan hyvä asia. Tällaisten valtavien tietomäärien analysoinnissa ja käytössä on kuitenkin joitain haittoja ja puutteita.

Yksi ongelma, johon on puututtava, on se, mikä tieto on ilmaista peliä eri yrityksille, joita ne voivat käyttää tietojoukkoinaan. Yksityisyyteen ja turvallisuuteen liittyvät ongelmat on ratkaistava. Myös se, kuka omistaa mitä tietoja, on kysymys, johon on vastattava. Kun tietoja lähetetään ja vastaanotetaan jatkuvasti, raja henkilökohtaisen henkisen omaisuuden ja julkisen alueen välillä hämärtyy.

Toiseksi kaikki tieto ei ole hyödyllistä, tai se on hyödytöntä, ellei sitä analysoida kunnolla. Jotkut tietojoukot eivät käytännössä tarkoita mitään, ellei niitä yhdistetä asianmukaisiin ja asiaankuuluviin vastaaviin tietoihin. Tämä tarkoittaa, että ellei yrityksellä ole pääsyä kaikkeen tarvitsemaansa dataan ja tietämykseen kuinka löytää ja analysoida se oikein, big data on pohjimmiltaan heidän ajanhukkaa.

Myös data kasvaa hälyttävää vauhtia. Yhdeksänkymmentä prosenttia maailman tiedoista on luotu pelkästään viimeisen kahden vuoden aikana, ja määrä kasvaa tasaisesti. Jos uutta relevanttia dataa syntyy nopeammin kuin pystymme analysoimaan, big data -analyysistä tulee merkityksetöntä. Loppujen lopuksi tulokset ovat vain yhtä hyviä kuin käytetty tieto.