portaldacalheta.pt
  • หลัก
  • นักลงทุนและเงินทุน
  • กระบวนการทางการเงิน
  • นวัตกรรม
  • ส่วนหลัง
กระบวนการทางการเงิน

ข้อมูลขนาดเล็กโอกาสที่ยิ่งใหญ่



บทสรุปผู้บริหาร

ข้อมูลขนาดใหญ่คืออะไร?
  • ' ข้อมูลใหญ่ 'คือการวัดแบบอัตนัยที่อธิบายถึงชุดข้อมูลที่มีขนาดใหญ่จนไม่สามารถจัดการและวิเคราะห์โดยเครื่องมือซอฟต์แวร์ฐานข้อมูลทั่วไปได้
  • ชุดเหล่านี้จะถูกวิเคราะห์โดยคำนวณเพื่อเปิดเผยรูปแบบแนวโน้มและความสัมพันธ์โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับพฤติกรรมและปฏิสัมพันธ์ของมนุษย์
  • ข้อมูลขนาดใหญ่และการวิเคราะห์ ได้กลายเป็นกระแสหลักด้วยการถือกำเนิดของอินเทอร์เน็ตอีคอมเมิร์ซโซเชียลมีเดียและการเชื่อมต่อระหว่างกันของอุปกรณ์ซึ่งทั้งหมดนี้มีส่วนทำให้ปริมาณข้อมูลที่วิเคราะห์ได้เพิ่มขึ้นอย่างมากซึ่งจำเป็นสำหรับข้อมูลขนาดใหญ่ให้กลายเป็นความจริง
  • Gartner และ IBM แยกโครงสร้าง ข้อมูลขนาดใหญ่ใน Four Vs: ปริมาณ , ความเร็ว , ความหลากหลาย และ ความจริง - องค์ประกอบแต่ละส่วนที่จำเป็นในการเปลี่ยนข้อมูลขนาดใหญ่ให้เป็นมูลค่าที่สร้างรายได้
ข้อมูลขนาดเล็กคืออะไร?
  • ข้อมูลขนาดเล็ก นอกจากนี้การวัดแบบอัตนัยยังถูกกำหนดให้เป็นชุดข้อมูลที่มีขนาดและรูปแบบที่มีขนาดเล็กเพียงพอเพื่อให้ผู้ใช้สามารถเข้าถึงได้ข้อมูลนำไปปฏิบัติได้และเข้าใจได้โดยไม่ต้องใช้ระบบและเครื่องจักรที่ซับซ้อนในการวิเคราะห์
  • ข้อมูลขนาดเล็กไม่ได้ถูกกำหนดให้เป็นหมวดหมู่แบบสแตนด์อะโลนจนกระทั่งการเกิดขึ้นของข้อมูลขนาดใหญ่และด้วยเหตุนี้จึงแสดงถึงอนุพันธ์ของยุคหลัง
  • ธุรกิจขนาดเล็กที่พิจารณากลยุทธ์การวิเคราะห์ในขั้นต้นควรมุ่งเน้นไปที่การใช้ข้อมูลขนาดเล็กเพื่อสร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริงให้กับลูกค้าของตนก่อนที่จะนำไปใช้กับแอปพลิเคชันข้อมูลขนาดใหญ่เพื่อการวิเคราะห์ที่กำหนดและคาดการณ์ล่วงหน้า
กำหนดการวิเคราะห์ข้อมูล
  • การวิเคราะห์ข้อมูล เป็นระเบียบวินัยที่มีมาอย่างยาวนานซึ่งนักสถิติและนักวิทยาศาสตร์ข้อมูลที่ได้รับการฝึกฝนมาเป็นอย่างดีจะวิเคราะห์ชุดตัวอย่างที่มีนัยสำคัญทางสถิติ (เช่นชุดใหญ่) โดยใช้โปรแกรมซอฟต์แวร์ที่ซับซ้อนเพื่อระบุรูปแบบและแนวโน้ม การวิเคราะห์นี้ช่วยให้ได้ข้อมูลเชิงลึกที่เป็นประโยชน์สำหรับการตัดสินใจที่ดีขึ้นโดยเน้นที่การโต้ตอบกับลูกค้าเป็นหลัก
  • ในช่วงไม่กี่ปีที่ผ่านมาซอฟต์แวร์ที่ช่วยให้งานนี้สามารถเข้าถึงได้มากขึ้นมีประสิทธิภาพและใช้งานง่ายจึงช่วยให้ไฟล์ นักวิทยาศาสตร์ข้อมูลพลเมือง เพื่อสร้างและเริ่มดำเนินโครงการที่ก่อนหน้านี้เป็นโดเมนของผู้เชี่ยวชาญด้านเทคนิคที่ได้รับการฝึกฝนมาเป็นอย่างดี

บทนำ

ข้อมูลและการวิเคราะห์ กลายเป็นคำศัพท์ประจำวันอย่างรวดเร็วในโลกธุรกิจ เราจะยากที่จะถอดรหัสวารสารโดยไม่มีการอ้างอิงถึง บริษัท ที่คิดไปข้างหน้า“ การใช้ข้อมูลอย่างชาญฉลาด” เพื่อรวบรวมข้อมูลเชิงลึกเกี่ยวกับพฤติกรรมของลูกค้าทำการวิเคราะห์ความเสี่ยงหรือจัดการโครงสร้างพื้นฐานได้อย่างมีประสิทธิภาพมากขึ้น บริษัท ขนาดใหญ่ที่อุดมไปด้วยข้อมูลโดยเฉพาะ บริษัท ที่มีการควบคุมหลากหลายมีส่วนร่วมในการตัดสินใจโดยใช้ข้อมูลเป็นเวลาหลายปีดีที่สุด เป็นตัวอย่าง โดย Capital One เป็นผู้บุกเบิกการวิเคราะห์ข้อมูลเพื่อทำความเข้าใจลูกค้าให้ดีขึ้น - ข้อมูลเชิงลึกที่ใช้ในภายหลังเพื่อเปิดตัวแคมเปญการตลาดที่มีเป้าหมายมากเกินไปและมีผลกระทบอย่างมหาศาลซึ่งนำไปสู่ความสำเร็จที่ไม่อาจหลีกเลี่ยงได้

แต่แม้จะมีจุดเริ่มต้นเฉพาะ แต่การใช้ข้อมูลก็กลายเป็นกระแสหลักอย่างรวดเร็ว ปัจจุบันมีเหตุผลที่น่าเชื่อถือไม่กี่ประการที่ บริษัท ใด บริษัท หนึ่งไม่ว่าจะมีขนาดและกำลังคนเท่าใดจึงไม่มีการวิเคราะห์เป็นกระบวนการ / ความสามารถหลักทางธุรกิจ การคัดค้านแบบดั้งเดิมเช่นต้นทุนทรัพยากรและความเชี่ยวชาญไม่ได้ตัดมัสตาร์ดอีกต่อไป ในทางตรงกันข้ามข้อมูลที่สร้างขึ้นภายในกลายเป็นสินทรัพย์เชิงกลยุทธ์ที่แพร่หลายอย่างรวดเร็วโดยใช้ประโยชน์จากวิธีอื่น ๆ โดยธุรกิจที่มีการแข่งขันที่ต้องการรักษาความสามารถในการแข่งขัน



บทความนี้พยายามแนะนำผู้อ่านสู่โลกของ ข้อมูล และ การวิเคราะห์ โดยจะนำคุณไปสู่การเปลี่ยนแปลงของตลาดเครื่องมือผู้เล่นและโซลูชันที่เป็นเอกลักษณ์ของทั้งสองอย่างก่อนที่จะอุทิศครึ่งหลังให้กับคู่มือการใช้งานจริงและกรอบการทำงานสำหรับธุรกิจขนาดเล็ก



คู่มือสำหรับคนธรรมดาสำหรับข้อมูลทั้งขนาดใหญ่และขนาดเล็ก

ด้วยการถือกำเนิดของอินเทอร์เน็ตและด้วยอีคอมเมิร์ซโซเชียลมีเดียและการเชื่อมต่อระหว่างกันของอุปกรณ์ทำให้ปริมาณข้อมูลที่มีอยู่ทั่วโลกและวิเคราะห์ได้สำหรับผู้ที่มีเครื่องมือในการควบคุมมัน ทุกทวีตโพสต์ชอบปัดไปทางซ้ายปัดขวาแตะสองครั้งตรวจสอบข้อความและธุรกรรมแต่ละรายการเป็นข้อมูลที่ใช้ในการแมปรอยเท้าดิจิทัลของเราที่บอกทุกอย่างว่าเราเป็นใครเราตัดสินใจอย่างไรที่ไหนและทำไม ข้อมูลนี้เรียกว่า 'ข้อมูลขนาดใหญ่' อย่างเหมาะสมสำหรับความกว้างใหญ่ความลึกและความซับซ้อนของรูปแบบได้ปลดล็อกทะเลแห่งความเป็นไปได้ในการวิเคราะห์ที่กำหนดและคาดการณ์ล่วงหน้าทำให้เป็นไปได้ การปรับแต่งให้เป็นส่วนตัวมากเกินไป ของผลิตภัณฑ์มากมายที่เราบริโภคทุกวัน



โดยปกติข้อมูลขนาดใหญ่จะอธิบายถึงชุดข้อมูลขนาดใหญ่ที่อาจวิเคราะห์เชิงคำนวณเพื่อเปิดเผยรูปแบบแนวโน้มและความเชื่อมโยงซึ่งส่วนใหญ่มักเกี่ยวข้องกับพฤติกรรมและปฏิสัมพันธ์ของมนุษย์ สำหรับข้อมูลที่เรียกว่า 'ใหญ่' ชุด / ธนาคารจะต้องมีขนาดใหญ่มากจนต้องใช้วิธีการข้อมูลขั้นสูงและระบบที่ซับซ้อนในการดึงคุณค่าออกมา

ในปี 2544 รายงานการวิจัย META Group (ปัจจุบันคือ Gartner) วางกรอบข้อมูลขนาดใหญ่ในสามมิติที่เรียกว่า สาม Vs ของข้อมูล ดังต่อไปนี้: ปริมาณ (ปริมาณ), ความเร็ว (ความเร็วในการสร้าง / การส่ง) และ ความหลากหลาย (ช่วงของประเภทและแหล่งที่มา) V ทั้งสามนี้ถูกขยายออกเป็น สี่ Vs โดย IBM เพื่อรวม ความจริง (คุณภาพ / ความสมบูรณ์) ของข้อมูลเป็นมิติสุดท้ายที่จำเป็นในการจับค่า



แผนภูมิที่ 1: สี่ Vs ของ Big Data

… แต่คุณคงเคยได้ยินเรื่องข้อมูลขนาดใหญ่มาแล้ว ข้อมูลขนาดเล็ก ในทางกลับกันเป็นคลาสย่อยของข้อมูลที่ถือว่ามีขนาดเล็กพอที่จะทำให้ผู้คนสามารถเข้าถึงได้ให้ข้อมูลและนำไปปฏิบัติได้โดยไม่ต้องใช้เครื่องมือวิเคราะห์ที่ซับซ้อนเกินไป ลดได้ดีที่สุด โดยอดีตที่ปรึกษาของ McKinsey Allen Bonde“ ข้อมูลขนาดใหญ่เป็นเรื่องเกี่ยวกับเครื่องจักรในขณะที่ ข้อมูลขนาดเล็ก เป็นเรื่องเกี่ยวกับผู้คน” - โดยเฉพาะข้อมูลเชิงลึกที่มีความหมายถูกจัดระเบียบและบรรจุไว้เพื่อที่มาของสาเหตุรูปแบบและเหตุผล“ ทำไม” เกี่ยวกับผู้คน



Analytics ที่ใช้ SaaS

ควบคู่ไปกับการเพิ่มขึ้นของทั้งความพร้อมใช้งานและประโยชน์ของข้อมูลการเกิดขึ้นของอุตสาหกรรมการวิเคราะห์แบบสแตนด์อโลน เมื่อการหลอกหลอนของนักสถิติระดับปริญญาโทและปริญญาเอกนักวิทยาศาสตร์ข้อมูลและนักวิเคราะห์การวิเคราะห์ได้พัฒนาไปสู่อุตสาหกรรมการบริการตนเองที่มีประสิทธิภาพ แต่ต้นทุนต่ำ software-as-a-service (SaaS) แพลตฟอร์ม ที่ช่วยให้แม้แต่ผู้ใช้มือใหม่ส่วนใหญ่สามารถดึงคุณค่าจากข้อมูลของตนได้ บริษัท ขนาดเล็กที่ก่อนหน้านี้ขาดความเชี่ยวชาญหรืองบประมาณที่จำเป็นในการดำเนินการวิเคราะห์ประเภทนี้กำลังแข่งขันกันอย่างใกล้ชิดกับคู่ค้าที่มีแหล่งทรัพยากรที่ดีกว่าและสร้าง motes ที่ป้องกันได้ในตลาดของตน

นอกจากประโยชน์ด้านต้นทุนของโมเดล SaaS แล้ว วิจัย โดย Aberdeen Group ซึ่งเป็น บริษัท วิจัยเทคโนโลยีและบริการแสดงให้เห็นว่าองค์กรที่ใช้เครื่องมือ SaaS มีพนักงานมากกว่าสองเท่าที่ใช้ข้อมูลโดยสัญชาตญาณในการตัดสินใจและบรรลุ ROI ตามเป้าหมาย 40% เร็วกว่าองค์กรที่ไม่ได้ใช้ สำหรับ บริษัท ส่วนใหญ่รายงานการตลาดทางอีเมล Google Analytics และเครื่องมือวิเคราะห์บนเว็บของบุคคลที่สามอื่น ๆ มีการใช้งานอยู่แล้วนอกเหนือจากรายงานที่สร้างขึ้นภายในจากระบบบัญชีการตลาด ERP และ CRM และใช้เป็นกลไกหลักสำหรับ สร้างรายได้จากข้อมูลขนาดเล็กของพวกเขา



ยิ่งไปกว่านี้และแม้ว่าจะเป็นตลาดที่มีขนาดใหญ่และกำลังเติบโตซึ่งการวัดผลที่แม่นยำอาจเป็นเรื่องยาก แต่ IDC ประมาณการตลาดธุรกิจอัจฉริยะและเครื่องมือวิเคราะห์ทั่วโลกไว้ที่เกือบ 14 พันล้านเหรียญ ในปี 2560 เติบโตในอัตรา 11.7% y-o-y ด้วย Forrester Research บริษัท วิจัยตลาดระดับโลกคาดการณ์ว่า a CAGR 15% จนถึงปี 2564

/c/ คืออะไร

ข้อมูลส่วนแบ่งการตลาด

ไม่น่าแปลกใจที่ตลาดสำหรับเครื่องมือวิเคราะห์และโซลูชันถูกครอบงำโดย บริษัท ซอฟต์แวร์เก่าซึ่งเป็น บริษัท ต่างๆเช่น SAP, IBM, Oracle และ Microsoft ในปี 2558 SAP เป็นผู้นำตลาดด้วย 10% ส่วนแบ่งการตลาดและ 1.2 พันล้านดอลลาร์ในการวิเคราะห์และรายได้ผลิตภัณฑ์ทางธุรกิจอัจฉริยะ (BI) SAS Institute เป็นอันดับสองโดยมี 9% แบ่งปัน; IBM ที่สามด้วย 8% และ Oracle และ Microsoft ในอันดับที่สี่และห้าตามลำดับด้วย 7% และ 5% . ที่น่าสนใจคือส่วนแบ่งการตลาดของผู้ขายรายใหญ่ที่สุด 5 รายลดลงเนื่องจากการเติบโตของตลาดที่ได้รับการสนับสนุนจากผู้ร่วมทุน สตาร์ทอัพ เช่น กลยุทธ์ความเชื่อมั่น , คณะกรรมการ และ เทราดาทา ซึ่งชี้ให้เห็นว่าการเติบโตในอนาคตของอุตสาหกรรมส่วนใหญ่จะเกิดจาก บริษัท ขนาดเล็กเร็วขึ้นและคล่องตัวมากขึ้น



แผนภูมิที่ 2: ผู้ให้บริการวิเคราะห์ข้อมูลรายใหญ่ของสหรัฐอเมริกาส่วนแบ่งการตลาดโดย บริษัท

คู่มือการใช้งานการวิเคราะห์ข้อมูลสำหรับ บริษัท ขนาดเล็ก

ในระดับสูงสุดที่เป็นไปได้ a วัฒนธรรมที่เน้นข้อมูลเป็นศูนย์กลาง ทำให้ฝ่ายบริหารมีความมั่นใจมากขึ้นว่าจะสามารถตัดสินใจได้ดีที่สุดบ่อยครั้งและสม่ำเสมอในขณะที่ทำงานจากความจริงเวอร์ชันเดียวกันนั่นคือความโปร่งใสและสามารถวัดได้ ท้ายที่สุดพวกเราส่วนใหญ่ได้นั่งคุยกันในช่วงที่ผู้บริหารที่ทำสงครามได้หยิบยก / ปกป้องข้อโต้แย้งที่แตกต่างกันโดยอาศัยแหล่งข้อมูลประวัติรูปแบบข้อเท็จจริงและการตีความที่แตกต่างกันทำให้เกิดคำถามอย่างรวดเร็วถึงความสมบูรณ์ของปัจจัยการผลิตและดังนั้นผลลัพธ์ ดังนั้นไฟล์ การตัดสินใจครั้งแรก สิ่งที่ต้องทำโดยธุรกิจขนาดเล็กที่ต้องการเดินบนเส้นทางการวิเคราะห์ข้อมูลคือว่าธุรกิจดังกล่าวพยายามที่จะเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูลหรือไม่



เมื่อตัดสินใจจากบนลงล่างแล้วจะต้องกำหนดกรอบการทำงานเพื่อเพิ่มศักยภาพและประโยชน์ของลำดับความสำคัญเชิงกลยุทธ์ใหม่ เพื่อเริ่มต้น, หลายคำถาม ต้องถาม ประการแรกวัตถุประสงค์ระยะสั้นและระยะยาวของ บริษัท โครงการริเริ่มหรือแผนกที่กำหนดคืออะไร? ประการที่สองใครควรรับผิดชอบต่อความพยายามและผลลัพธ์ของมัน? ประการที่สามปัญหาเฉพาะอะไรที่ บริษัท โครงการริเริ่มหรือแผนกต้องการแก้ไขด้วยข้อมูล และประการที่สี่ควรใช้เครื่องมืออะไรในการขับเคลื่อนความคิดริเริ่มนี้?

เมื่อคำถามเหล่านี้ได้รับคำตอบแล้วขั้นตอนต่อไปคือการกำหนดสิ่งที่จับต้องได้ แผนการดำเนินการ ซึ่งด้วยการวางแผนเล็กน้อยโครงสร้างองค์กรทิศทางจากบนลงล่างและความกระตือรือร้นจากล่างขึ้นบนจะทำให้องค์กรในมือสามารถสร้างผลลัพธ์ที่แท้จริงและวัดผลได้อย่างสม่ำเสมอมากกว่าที่เคยทำมาในอดีต แผนภาพด้านล่างได้รับการออกแบบมาเพื่อเป็นกรอบในการพิจารณาองค์ประกอบต่างๆของแนวทางการวิเคราะห์ข้อมูลอย่างง่าย

แผนภูมิที่ 3: องค์ประกอบสรุปมิติข้อมูลและการพิจารณาแนวทางการวิเคราะห์ข้อมูล

คำถามของวัตถุประสงค์

นี่เป็นคำถามสำคัญแรกที่จะทำให้ถูกต้อง ในระดับสูงเป้าหมายที่เหนือกว่าสำหรับ บริษัท ใด ๆ ที่ต้องการใช้ประโยชน์จากข้อมูลคือการพัฒนากระบวนการที่เป็นระบบสำหรับการตัดสินใจทางธุรกิจที่ดีซึ่งเป็นกระบวนการที่สอดคล้องและทำซ้ำได้และให้ผลลัพธ์ที่ดีกว่าที่วัดได้ ในช่วงหัวเลี้ยวหัวต่อนี้สิ่งสำคัญคือต้องทราบว่าการเป็นองค์กรที่มุ่งเน้นข้อมูลที่ดีคือการเดินทางไม่ใช่ปลายทางดังนั้นการ“ ซื้อใน” จากด้านบนและความเห็นพ้องจากด้านล่างจึงเป็นขั้นตอนพื้นฐานที่สำคัญที่จะพิสูจน์ให้เห็นถึงความสำคัญ เพื่อการนำไปใช้จำนวนมากและใช้สินทรัพย์เชิงวิเคราะห์อย่างเต็มที่ เมื่อประสบความสำเร็จในการซื้อแล้วขั้นตอนต่อไปที่ผ่านการทดลองและทดสอบคือการจัดกลยุทธ์“ การชนะอย่างรวดเร็ว” สองสามอย่างเพื่อเพิ่มความตื่นเต้นและการมีส่วนร่วมที่จำเป็นเพื่อให้กระบวนการนี้บรรลุผล การสร้างฉันทามติการซื้อในและการชนะอย่างรวดเร็วที่ทำได้ทั้งสองอย่าง วิจัย และประสบการณ์ของฉันกำหนดแนวทางการดำเนินการที่ถือว่าโครงสร้างลำดับและข้อควรพิจารณาต่อไปนี้:

เริ่มด้วย การวิเคราะห์เชิงพรรณนา - ง่ายๆ แดชบอร์ดภาพ ที่เน้นผลการดำเนินงานขององค์กรโดยใช้ข้อมูลธุรกรรมที่มีอยู่เพื่อหาข้อสรุปที่พิสูจน์แล้วว่าสรุปไม่ได้ก่อนหน้านี้โดยไม่มีข้อมูลเชิงปริมาณ ถัดไปพัฒนา เจาะลงไป ความสามารถภายในแดชบอร์ดของคุณการแบ่งปันข้อมูลเชิงลึกการเพิ่มประสิทธิภาพและคำแนะนำในการช่วยเหลือตนเองอย่างมีกลยุทธ์และกับเพื่อนร่วมงานที่เหมาะสม / ผู้มีอิทธิพลในองค์กร . สิ่งนี้จะเริ่มต้นทั้งกระบวนการเผยแพร่ไปยังผู้ใต้บังคับบัญชาและวัฒนธรรมการพึ่งพาข้อมูลที่คุณต้องการปลูกฝัง

ขั้นตอนที่สอง: จบการศึกษาไปสู่ขั้นสูง การวิเคราะห์เชิงคาดการณ์ ความสามารถไม่ว่าจะเป็นการใช้ทรัพยากรทางเทคนิคภายในองค์กรหรือด้วยความช่วยเหลือจากผู้ให้บริการบุคคลที่สาม ความสามารถในการคาดการณ์เหล่านี้ผสมผสานแหล่งข้อมูลทั้งภายในและภายนอกเพื่อตอบคำถามทางธุรกิจที่เฉพาะเจาะจงได้ดีขึ้นเช่น“ ลูกค้าจะมีข้อบกพร่องอะไรบ้าง” หรือ“ ลูกค้าที่ซื้อ x โดยปกติจะซื้อ y ด้วย” และให้ข้อมูลจริง - ข้อมูลเชิงลึกด้านเวลาในการปฏิบัติงานของแผนกหรือความคิดริเริ่มที่กำหนด “ แหล่งข้อมูลภายนอก” ในกรณีนี้รวมถึงข้อมูลโซเชียลมีเดียข้อมูลแรงขายหรือข้อมูลประสบการณ์ของผู้ใช้ซึ่งทั้งหมดนี้ให้แหล่งข้อมูลเชิงลึกที่สมบูรณ์และมีนัยสำคัญทางสถิติโดยที่ข้อมูลภายใน บริษัท ยังคง จำกัด เกินกว่าที่จะใช้ประโยชน์ได้ด้วยตัวเอง

ขั้นตอนที่สามคือการก้าวไปสู่ขั้นสูง การวิเคราะห์ที่กำหนด ที่ช่วยกำหนดการดำเนินการที่เหมาะสมเพื่อชี้นำ / กีดกันพฤติกรรมของผู้บริโภคองค์กรคู่แข่งพนักงานหรือซัพพลายเออร์กับฉากหลังของข้อมูลในอดีต ควรสังเกตว่าขั้นตอนนี้มักจะเริ่มทำเครื่องหมายการเปลี่ยนจากข้อมูลขนาดเล็กไปเป็นข้อมูลขนาดใหญ่ และถึงกระนั้นก็เป็นขั้นตอนที่จำเป็นที่ควรรวมไว้ในกระบวนการตัดสินใจทั้ง บริษัท ของคุณเพื่อให้แน่ใจว่าอินพุต - เอาต์พุตมีความสมบูรณ์และมีความสม่ำเสมอในการตัดสินใจในระดับสูงสุด

แผนภูมิที่ 4: กรอบการระบุเป้าหมายและวัตถุประสงค์โดยองค์กรที่มีความสามารถของ Analytics

วิธีหาลูกค้ามาทำธุรกิจที่ปรึกษา

มุมมองเชิงลึกของขั้นตอนต่างๆของ Analytics

การวิเคราะห์เชิงพรรณนา - แดชบอร์ด

เป็นความจริงที่ว่าสิ่งที่วัดได้นั้นได้รับการจัดการดังนั้นด้วยการพัฒนาความจริงที่กำหนดโดยข้อมูลเพียงหนึ่งเดียวผู้นำภายในองค์กรจะสามารถตัดสินใจได้อย่างมีเหตุผลและเป็นเอกภาพมากขึ้น แดชบอร์ด เป็นจุดเริ่มต้นของเส้นทางการวิเคราะห์ดังกล่าวและภาพประกอบที่เป็นภาพของความจริงที่กำหนดโดยข้อมูลของ บริษัท แน่นอนว่าสิ่งที่เกี่ยวข้องกับกลุ่มหนึ่งอาจไม่มีความหมายสำหรับอีกกลุ่มหนึ่งดังนั้น การพิจารณาอย่างเหมาะสม ควรให้ตามวัตถุประสงค์หรือธีมของแดชบอร์ดที่กำหนดข้อมูลที่ควรรวมไว้ใครคือผู้ชมผู้รับที่เกี่ยวข้องสำหรับเนื้อหาและคำถาม / ปัญหาคืออะไรที่กลุ่มดังกล่าวต้องการคำตอบ / แก้ไข

แผนภูมิที่ 5: ตัวอย่างแดชบอร์ดการวิเคราะห์การขาย

แผนภูมิที่ 6: แดชบอร์ด Analytics ตัวอย่างอีคอมเมิร์ซ

แดชบอร์ดที่ออกแบบมาอย่างดีช่วยขับเคลื่อนการตัดสินใจแทนที่จะนำเสนอข้อมูลในอดีตเพียงอย่างเดียวและสิ่งที่ดีที่สุดจะเน้นความสนใจไปที่แนวโน้มและรูปแบบที่เกิดขึ้นซ้ำ ๆ (ทั้งในเชิงบวกและเชิงลบ) ในขณะที่แสดงให้เห็นถึงพลังของธุรกิจ แดชบอร์ดที่ซับซ้อนยิ่งขึ้นมอบความสามารถในการเจาะลึกที่ช่วยให้ผู้นำสามารถเข้าถึง ต้นตอ ของปัญหาที่ได้รับการวินิจฉัยเกี่ยวกับคำอธิบายประกอบและความสามารถในการแบ่งปันที่ช่วยให้สามารถรับชมแบบเรียลไทม์ได้มากขึ้น

Predictive Analytics - การผสมผสานข้อมูลการสำรวจและการสืบค้น

เมื่อกระบวนการแดชบอร์ดเสร็จสิ้นองค์กรที่ขับเคลื่อนด้วยข้อมูลที่ต้องการอาจเริ่มทะเยอทะยานมากขึ้น โดยทั่วไปแล้ว ขั้นตอนต่อไป คือการ“ ใช้ข้อมูลจำนวนมากและหลากหลายเพื่อทำการวิเคราะห์ขั้นสูงขึ้นและให้มิติข้อมูลเพิ่มเติมแก่โดเมนการตัดสินใจ” ด้วยการผสมผสานข้อมูลเฉพาะของ บริษัท ที่ผสมผสานกับข้อมูลของบุคคลที่สามตั้งแต่ผู้ขายเฉพาะประเภทธุรกิจเช่น Experian, Acxiom และ D&B ไปจนถึงโซเชียลมีเดียหรือผู้ให้บริการข้อมูลการขายเช่น Facebook, Twitter และ Salesforce บริษัท ที่ระบุอาจมีขนาดใหญ่ขึ้น ชุดที่กว้างขึ้นหลากหลายขึ้นและมีนัยสำคัญทางสถิติสำหรับข้อมูลเชิงลึกใหม่ ๆ ที่ดีขึ้นเกี่ยวกับประสิทธิภาพของ บริษัท และพฤติกรรมของลูกค้า

Prescriptive Analytics - การปรับใช้ Analytics ในกระบวนการทางธุรกิจ

บริษัท ระดับองค์กรที่มีความต้องการที่แตกต่างกันทั้งในด้านข้อมูลลูกค้ากฎระเบียบและปัญหา / ปัญหาทางธุรกิจที่เฉพาะเจาะจงและด้วยงบประมาณและชุดทักษะภายในที่แตกต่างกันจะมีผู้จำหน่ายเทคโนโลยีที่ตอบสนองความต้องการเฉพาะของตนมากขึ้น พวกเขาทำงานในระดับที่ความสามารถในการดำเนินการวิเคราะห์ในกระบวนการทางธุรกิจและขั้นตอนการทำงานมีความสำคัญและประหยัดมากขึ้น บ่อยครั้ง บริษัท เหล่านี้จะอยู่ในอุตสาหกรรมที่มีการควบคุมซึ่งพวกเขาจำเป็นต้องสามารถแสดงให้เห็นว่าพวกเขามีการปฏิบัติที่เป็นธรรมและสามารถทำซ้ำได้

ผู้ให้กู้ไม่แสดงความลำเอียงในนโยบายการให้กู้ยืมของตนไม่ว่าจะเป็นเรื่องเพศรายได้หรือเชื้อชาติ

คำถามเกี่ยวกับความรับผิดชอบ

เป็นสิ่งหนึ่งในการกำหนดการกระทำที่เฉพาะเจาะจงและอีกสิ่งหนึ่งที่ต้องดำเนินการ จำเป็นต้องมีความเชื่อมโยงระหว่างการวินิจฉัยใบสั่งยาและการตัดสินใจและบุคคล / กลุ่มที่รับผิดชอบต่อผลลัพธ์ที่ต้องการ ที่นี่บทบาทของผู้สนับสนุนผู้บริหารจึงมีความสำคัญ

ทั้งใน บริษัท ขนาดเล็กและขนาดใหญ่กล่าวว่าผู้สนับสนุนผู้บริหารซึ่งเป็นผู้ได้รับการเสนอชื่อเข้าชิงรางวัลด้านการเพิ่มคุณค่าข้อมูลและโดยพฤตินัย หัวหน้าเจ้าหน้าที่ข้อมูล - เป็นบุคคลทั่วไปซึ่งโดยปกติจะเป็น CEO, CFO หรือ CMO ที่เริ่มมีอาการมีข้อมูลและการวิเคราะห์จำนวนมากอยู่แล้วปรับตัวให้เข้ากับประเภทของปัญหาที่แก้ไขได้ดีที่สุดโดยข้อมูลหรืออย่างน้อยก็เชื่อในศักยภาพในการเปลี่ยนแปลงของการวิเคราะห์ข้อมูล

s corp vs c corp

นอกเหนือจากตัวชูโรงนี้แล้วกระบวนการนี้ยังต้องมีแชมป์เปี้ยนรองที่ลงมือทำมากขึ้นโดยเฉพาะอย่างยิ่งเมื่อ บริษัท เริ่มเปลี่ยนจากการวิเคราะห์เชิงพรรณนาเป็นการวิเคราะห์เชิงคาดการณ์ ตามเนื้อผ้าบุคคลนี้เป็นนักวิทยาศาสตร์ด้านข้อมูลที่ได้รับการฝึกฝนด้านเทคนิค แต่เมื่อเร็ว ๆ นี้ได้รับการยอมรับในรูปแบบของผู้ที่ชื่นชอบเทคโนโลยีที่มักเรียกกันว่า นักวิทยาศาสตร์ข้อมูลพลเมือง . บุคคลนี้มักจะเลือกตัวเอง - นักจัดรายการสเปรดชีตที่มีความเชี่ยวชาญในตัวเองด้วยความสมดุลของความอยากรู้อยากเห็นทางปัญญาและความคล่องแคล่ว แต่ก็เต็มใจที่จะอยู่ในวัชพืชการนำไปใช้ ในหลาย ๆ กรณีบุคคลนี้เป็นผู้นำในการจัดการในการตระหนักถึงผลกระทบที่อาจเกิดขึ้นกระบวนการวิเคราะห์ข้อมูลอย่างเป็นทางการสามารถสร้างขึ้นที่ บริษัท ของตนได้ แต่ขาดสถานะหรือความน่าเชื่อถือที่จำเป็นในการขายวิสัยทัศน์ของตน

คำถามเกี่ยวกับปัญหาทางธุรกิจ

บริษัท ที่ประสบความสำเร็จและล้มเหลวทุกแห่งมีชุดความท้าทายเฉพาะที่สามารถจัดการได้โดยการผสมผสานทรัพยากรกระบวนการและความสามารถเฉพาะที่เหมาะสม กล่าวได้ว่าความท้าทายทางธุรกิจประเภทต่างๆที่เหมาะสมที่สุดในการแก้ไขปัญหาโดยข้อมูลสามารถลดลงจัดหมวดหมู่และจัดการได้บ่อยกว่าโดยใช้กรอบที่กำหนดไว้ในแผนภูมิที่ 7

นอกจากนี้เกร็ดเล็กเกร็ดน้อย แนวทาง / พารามิเตอร์ ได้รับการคิดค้นขึ้นในช่วงหลายปีที่ผ่านมาซึ่งช่วยเพิ่มโอกาสในการไม่เพียงระบุประเภทของปัญหาที่ถูกต้องในการจัดการกับข้อมูล แต่ยังรวมถึงโอกาสในการแก้ไขได้สำเร็จด้วย แนวทาง / พารามิเตอร์เหล่านี้มีดังต่อไปนี้ขั้นแรกเลือกคำถามที่เรียบง่ายและชัดเจนซึ่งมีผลกระทบอย่างมาก ประการที่สองในการแสวงหาคำตอบจากข้อมูลมุ่งเป้าไปที่การปฏิบัติจริงของวิธีการแก้ปัญหามากกว่าความสมบูรณ์แบบของคำตอบทางวิชาการ ประการที่สามให้คำนึงถึงธรรมชาติและฐานความรู้ของผู้ชมผู้รับของคุณในการนำเสนอการวินิจฉัยและการแก้ปัญหา และสุดท้ายเลือกเฉพาะปัญหาที่สามารถวัดได้และวัดผลได้ด้วยข้อมูลและแนวทางแก้ไขที่มีอยู่แล้วซึ่งสามารถติดตามได้ในระดับที่เท่าเทียมกัน

แผนภูมิที่ 7: กรอบในการระบุปัญหาทางธุรกิจที่ต้องแก้ไข

คำถามเกี่ยวกับเครื่องมือและวิธีการที่เหมาะสม

คำถามสุดท้ายของกรอบความคิดเดิมสี่ข้อของเราที่เกี่ยวข้องกับการสร้างองค์กรที่มุ่งเน้นข้อมูลอย่างยั่งยืนคือคำถามเกี่ยวกับการเลือกเครื่องมือวิธีการหรือแพลตฟอร์ม ด้วยเหตุนี้ก่อนอื่นฉันจะระบุว่าเครื่องมือวิเคราะห์ข้อมูลมีการพัฒนาอย่างมากในช่วงไม่กี่ปีที่ผ่านมาโดยมีข้อดีและข้อเสียที่หลากหลายสำหรับผู้ใช้ทางธุรกิจ ข้อดีรวมถึงการลดลงอย่างมากในค่าใช้จ่ายที่เกี่ยวข้องกับการเช่าเครื่องมือดังกล่าวและการเพิ่มขึ้นของรายการคุณสมบัติและความซับซ้อนของตัวเลือกที่มีให้เนื่องจากพวกเขาได้เปลี่ยนจากเครื่องมือเฉพาะฟังก์ชันไปเป็นแพลตฟอร์มของฟังก์ชันการทำงานที่ทับซ้อนกัน นอกจากนี้ผู้จำหน่าย SaaS ยังเสนอให้ทดลองใช้ฟรีแม้ว่าจะมีข้อ จำกัด เกี่ยวกับปริมาณและประเภทข้อมูล ลูกค้ารายใหม่จะได้รับโอกาสในการตัดสินใจซื้ออย่างชาญฉลาดหลังจากทดสอบหลายแพลตฟอร์ม

ข้อเสียที่สำคัญของแพลตฟอร์มเหล่านี้คือในการเสนอราคาเพื่อให้สามารถแข่งขันกันได้ผู้ขายได้คิดค้นสิ่งใหม่ ๆ อย่างจริงจังต่อความซับซ้อนซึ่งตอนนี้ข้อเสนอของพวกเขาเข้าใกล้ความอิ่มตัวของคุณลักษณะด้วยข้อเสนอที่เกินประโยชน์ของผู้ใช้ทางธุรกิจทั่วไป ผลลัพธ์ที่น่าเสียดายคือการครอบงำของผู้ใช้มือใหม่ทำให้ยากที่จะบรรลุ“ การชนะอย่างรวดเร็ว” ที่กล่าวไว้ก่อนหน้านี้และลดโอกาสที่วัฒนธรรมข้อมูลจะถูกยึดไว้ใน บริษัท ที่กำหนด

โชคดีที่มีแหล่งข้อมูลมากมายที่จะช่วยผู้ที่คาดหวังประเมินและเปรียบเทียบโซลูชัน Business Intelligence ของคู่แข่งแม้ว่าความรู้บางอย่างเกี่ยวกับความสามารถหลักทั่วไปจะมีประโยชน์ในการประเมินสิ่งเหล่านี้เทียบกับความต้องการและลำดับความสำคัญเฉพาะของ บริษัท ความสามารถบางประการดังกล่าว ได้แก่ จำนวนและขอบเขตของการเชื่อมต่อข้อมูลความพร้อมใช้งานของแดชบอร์ดที่ประกอบไว้แล้วการเจาะลึกความสามารถในการเผยแพร่และการแบ่งปันการผสานรวมกับการผสมข้อมูลและความสามารถของซอฟต์แวร์การสำรวจศักยภาพในการปรับขนาด (ทั้งในปริมาณและพารามิเตอร์ความหลากหลาย) จำนวน และความถูกต้องของแนวทางการสร้างแบบจำลองและฐานอ้างอิงของลูกค้าตามอุตสาหกรรมเฉพาะ แม้ว่าจะเข้าใจง่ายในบทสรุปแผนภูมิที่ 7 ข้างต้นระบุผู้ให้บริการรายสำคัญบางรายที่เล่นในหมวดหมู่ต่างๆ (เชิงอธิบายคาดเดาและกำหนด)

ข้อมูลขนาดเล็กโอกาสที่ยิ่งใหญ่

แม้จะมีจุดเริ่มต้นเฉพาะ แต่ก็เป็นที่ชัดเจนว่าการวิเคราะห์ข้อมูลและตลาดสำหรับเครื่องมือวิเคราะห์ที่ใช้ SaaS มีการพัฒนาอย่างมากในช่วงไม่กี่ปีที่ผ่านมาซึ่งเป็นประโยชน์อย่างมากต่อประโยชน์ของนักวิทยาศาสตร์ข้อมูลพลเมืองและ บริษัท ของพวกเขา ข้อมูลขนาดใหญ่ข้อมูลขนาดเล็กเครื่องมือในการบริการตนเองขณะนี้แต่ละอย่างเป็นกระแสหลักเพียงพอที่จะรับประกันการพิจารณาว่าเป็นความสามารถหลักของธุรกิจด้านเทคนิคแม้แต่น้อย กล่าวอย่างแตกต่างด้วยการสร้างข้อมูลที่มีประโยชน์และนำไปใช้งานได้มากมายและต้นทุนของเครื่องมือบริการตนเองที่เปลี่ยนไปในทางตรงกันข้ามกับคุณสมบัติและความสามารถที่มีให้เหตุผลบางประการจะยังคงมีอยู่ต่อไปแม้ธุรกิจขนาดเล็กจะไม่เริ่มใช้ประโยชน์จากข้อมูลในบางส่วน

บทความนี้ควรแสดงให้เห็นว่าด้วยการวางแผนการตั้งเป้าหมายและการเลือกผู้มีพระคุณเพียงเล็กน้อยแม้แต่การเริ่มต้นของคุณก็สามารถเริ่มต้นในการแข่งขันกับยักษ์ใหญ่ในอุตสาหกรรมที่คุณตั้งเป้าไว้ว่าจะก่อกวนในกระบวนการปลดล็อกมูลค่าทางเศรษฐกิจอันมหาศาลให้กับคุณ และผู้มีส่วนได้ส่วนเสียของคุณ คุณต้องเริ่มต้นเท่านั้น เอาเลยเริ่มกันเลย!

ทำความเข้าใจพื้นฐาน

ธุรกิจขนาดเล็กคืออะไร?

บริษัท ที่เป็นเจ้าของและดำเนินการโดยอิสระ บริษัท ห้างหุ้นส่วนหรือเจ้าของ แต่เพียงผู้เดียวซึ่งมีขนาด จำกัด ตามที่กำหนดโดยรายได้ผลกำไรจำนวนพนักงานและมาตรการอื่น ๆ ขึ้นอยู่กับอุตสาหกรรม

ข้อมูลขนาดใหญ่คืออะไร?

การวัดแบบอัตนัยที่อธิบายถึงชุดข้อมูลที่มีขนาดใหญ่จนไม่สามารถจัดการและวิเคราะห์โดยเครื่องมือประมวลผลข้อมูลทั่วไปได้ ดังนั้นจึงต้องมีการวิเคราะห์เชิงคำนวณโดยส่วนใหญ่มักจะเปิดเผยรูปแบบแนวโน้มและความสัมพันธ์โดยเฉพาะอย่างยิ่งที่เกี่ยวข้องกับพฤติกรรมและปฏิสัมพันธ์ของมนุษย์

การวิเคราะห์ข้อมูลคืออะไร?

กระบวนการตรวจสอบชุดข้อมูลที่แตกต่างกันเพื่อหาข้อสรุปเกี่ยวกับข้อมูลที่มีรวมถึงรูปแบบที่ซ่อนอยู่ความสัมพันธ์ที่ไม่รู้จักแนวโน้มของตลาดความชอบของลูกค้าและสิ่งอื่น ๆ ที่สามารถช่วยให้องค์กรตัดสินใจทางธุรกิจได้อย่างมีข้อมูลมากขึ้น

อะไรคือเทคนิคในการขุดข้อมูล?

การขุดข้อมูลเป็นกระบวนการวิเคราะห์ที่มีการสำรวจข้อมูลเพื่อเปิดเผยรูปแบบที่สอดคล้องกันและ / หรือความสัมพันธ์ที่เป็นระบบระหว่างตัวแปรซึ่งได้รับการตรวจสอบในภายหลังโดยใช้รูปแบบดังกล่าวกับชุดข้อมูลย่อยใหม่ มีเทคนิคหลักหลายประการที่ใช้ในการขุดข้อมูล ได้แก่ การเชื่อมโยงการจัดประเภท cl

Sass Mixins: เก็บสไตล์ชีตของคุณให้แห้ง

เทคโนโลยี

Sass Mixins: เก็บสไตล์ชีตของคุณให้แห้ง
วิธีไม่จัดการทีมนักพัฒนาระยะไกลของคุณ

วิธีไม่จัดการทีมนักพัฒนาระยะไกลของคุณ

เทคโนโลยี

โพสต์ยอดนิยม
การรวม YouTube API: การอัปโหลดวิดีโอด้วย Django
การรวม YouTube API: การอัปโหลดวิดีโอด้วย Django
สำรวจ Bear Case ของ Cryptocurrency Bubble
สำรวจ Bear Case ของ Cryptocurrency Bubble
บทช่วยสอน ARKit สำหรับ iOS: วาดในอากาศด้วย Bare Fingers
บทช่วยสอน ARKit สำหรับ iOS: วาดในอากาศด้วย Bare Fingers
ความรู้เบื้องต้นเกี่ยวกับทฤษฎีการคำนวณและความซับซ้อน
ความรู้เบื้องต้นเกี่ยวกับทฤษฎีการคำนวณและความซับซ้อน
เข้าใกล้กระบวนการออกแบบเว็บไซต์จากเบราว์เซอร์
เข้าใกล้กระบวนการออกแบบเว็บไซต์จากเบราว์เซอร์
 
วิธีอำนวยความสะดวกในการเปลี่ยนแปลงผ่านการเป็นผู้นำผู้รับใช้ที่คล่องตัว
วิธีอำนวยความสะดวกในการเปลี่ยนแปลงผ่านการเป็นผู้นำผู้รับใช้ที่คล่องตัว
Terraform AWS Cloud: การจัดการโครงสร้างพื้นฐานที่ดี
Terraform AWS Cloud: การจัดการโครงสร้างพื้นฐานที่ดี
GWT Toolkit: สร้างส่วนหน้า JavaScript ที่มีประสิทธิภาพโดยใช้ Java
GWT Toolkit: สร้างส่วนหน้า JavaScript ที่มีประสิทธิภาพโดยใช้ Java
การผสานรวมวิธีการชำระเงิน Stripe และ PayPal ใน Ruby on Rails
การผสานรวมวิธีการชำระเงิน Stripe และ PayPal ใน Ruby on Rails
แนวทางที่ดีกว่าในการปรับใช้ Google Cloud อย่างต่อเนื่อง
แนวทางที่ดีกว่าในการปรับใช้ Google Cloud อย่างต่อเนื่อง
โพสต์ยอดนิยม
  • วิธีใช้ rest api ใน javascript
  • สินเชื่อแปลงสภาพคืออะไร
  • ออกแบบเว็บไซต์สำหรับผู้สูงอายุ
  • s corp และ c corp . คืออะไร
  • คอร์ปอเรชั่น กับ ค คอร์ปอเรชั่น คืออะไร
  • กำหนดขั้นตอนการออกแบบปัญหา
หมวดหมู่
  • นักลงทุนและเงินทุน
  • กระบวนการทางการเงิน
  • นวัตกรรม
  • ส่วนหลัง
  • © 2022 | สงวนลิขสิทธิ์

    portaldacalheta.pt