Store data til små virksomheder til dummier Cheat Sheet - dummies

Af Bernard Marr

Store data gør store overskrifter, men det er meget mere end bare en buzz-sætning eller den seneste forretningsfade. Fænomenet er meget reelt og det giver konkrete fordele på så mange forskellige områder - især i erhvervslivet. Her kommer du til hjertet af store data som virksomhedsejer eller leder: Du vil se på den centrale terminologi, du har brug for til at forstå de afgørende store datakompetencer for virksomheder, ti trin til at bruge store data til at træffe bedre beslutninger, og tips til at formidle indsigt fra data til dine kolleger.

Forståelse af Big Data Jargon

Det tekniske jargon omkring store data kan virke lidt skræmmende i starten. Nøglesætene og termerne, som du sandsynligvis vil støde på, med letforståelige definitioner for hver, følger:

Store data: I stigende grad forlader alt, hvad du gør, et digitalt spor (eller data), som du (og andre) kan bruge og analysere. Udtrykket store data henviser til de data, der indsamles, og evnen til at gøre brug af det.
Stor dataanalyse: Dette er processen med at indsamle, behandle og analysere data for at skabe indsigt, der informerer om faktabaseret beslutningstagning. I mange tilfælde involverer det softwarebaseret analyse ved hjælp af algoritmer.
Algoritme: En matematisk formel eller statistisk proces, der køres af software til analyse af data. Det involverer normalt flere beregningstrin og kan bruges til automatisk at behandle data eller løse problemer.
Cloud computing: Software eller data, der kører på eksterne servere, snarere end lokalt. Så i stedet for at lagre eller beregne ting på din egen maskine, kan du bruge andre computere, der er tilsluttet computeren via et netværk (f.eks. Internettet).
Strukturerede data: Eventuelle data eller oplysninger, der er placeret i et fast felt i en defineret post eller fil, som f.eks. En database eller et regneark. Den iboende struktur gør det hurtigt, nemt og billigt at analysere.
Ustrukturerede data: Alle dataene er ikke let gemt og indekseret i traditionelle formater eller databaser. Det omfatter e-mail-samtaler, sociale medier, videoindhold, fotos, stemmeoptagelser, lyde og så videre. Dens mangel på struktur gør det sværere at analysere ved hjælp af traditionelle computerprogrammer.
Semi-strukturerede data: Du gættede det, dette er et kryds mellem ustruktureret og struktureret data. Det er data, der kan have en struktur, der kan bruges til analyse, men mangler den strenge struktur, der findes i databaser eller regneark. For eksempel kan et Facebook-indlæg kategoriseres efter forfatter, dato, længde og endda stemning, men indholdet er generelt ustruktureret.
Interne data: Dette regner med alle de data, din virksomhed har eller kunne have adgang til eller genererer i fremtiden. Det kunne være struktureret i format (for eksempel en kunde database), eller det kunne være ustruktureret (konversationsdata fra kundeserviceopkald).
Eksterne data: Dette er den uendelige række informationer, der findes uden for din virksomhed. Det kan være offentligt tilgængeligt eller privat, og det kan også være struktureret eller ustruktureret i format.
Ting til internettet: Et netværk, der forbinder enheder (de ting der henvises til i navnet), så de kan kommunikere med hinanden. Dette omfatter teknologi som smarte fjernsyn, smartphones og sensorer, og det er alt muligt takket være den massive stigning i forbindelse mellem enheder, systemer og tjenester.

6 Nøgle store data færdigheder Hver forretningsbehov

Hvad er de vigtigste færdigheder, der kræves for at kunne bruge store data med succes? Listen indeholder her seks nøglefærdigheder, som alle virksomheder skal udvikle, enten ved at rekruttere datavidenskabsmænd, der matcher disse attributter, eller ved at udvikle disse færdigheder i eksisterende medarbejdere:

Analytics: Dette indebærer at bestemme hvilke data der er relevante for spørgsmålet du håber at svare og tolke dataene for at udlede disse svar. Nøglefærdigheder omfatter en evne til at spotte mønstre og etablere links, evnen til at give mening om en række data (både struktureret og ustruktureret) og en solid viden om branchestandardanalysepakker som SAS Analytics og Oracle Data Mining.
Kreativitet: Enhver kan være formel - du skal stræbe efter innovation, der vil sætte din virksomhed bortset fra pakken. Kreativitet er især vigtigt for enhver virksomhed, der håber at give mening om ustrukturerede data - data, der ikke passer komfortabelt ind i tabeller og diagrammer. Værdifulde kreative evner omfatter en evne til problemløsning (måske endda spottende problemer, som andre endnu ikke har kendskab til) og evnen til at komme med nye måder at indsamle og tolke data på.
Matematik og statistik: Personer med en stærk baggrund i matematik eller statistik har en god grund til store data-relaterede arbejde. Du leder efter mindst et grundlæggende greb om statistik og evnen til at ødelægge rodet data i tal, der kan kvantificeres, så du kan drage konklusioner fra dem.
Datalogi: Denne meget brede kategori dækker en lang række underfelter, såsom maskinindlæring, databaser og cloud computing. Det kan dække alt fra at tilslutte kablerne til at skabe sofistikeret maskinindlæring og naturlige sprogbehandling algoritmer. Nøglefærdigheder omfatter en solid forståelse af databaseteknologi og en fast forståelse af teknologier som Hadoop, Java og Python.
Forretningsansvar: Personer, der arbejder med store data, har brug for en fast forståelse af virksomhedens mål og målsætninger samt en forståelse af, om virksomheden er på vej i den rigtige retning.Dette omfatter forståelse for, hvad der gør firmaet tik, hvad der gør det trives, og hvorfor det skiller sig ud fra konkurrenterne (og hvis det ikke er blomstrende, hvorfor det ikke er).
Kommunikation: Du kan have de bedste analytiske færdigheder i verden, men medmindre du er i stand til at præsentere resultater på en klar måde og demonstrere, hvordan de kan bidrage til at forbedre ydeevnen og drive succes, vil al den analyse gå at spilde. Store interpersonelle og skriftlige kommunikationsevner er afgørende, ligesom evnen til at tilføre værdi til data gennem indsigt og analyse. En evne til fortælling og at kunne bringe data til liv gennem visualiseringsteknikker vil også hjælpe uhyre.

10 trin til at bruge data til forbedring af forretningsafgørelser

Data skal være kernen i strategisk beslutningstagning i erhvervslivet, uanset om du driver en enorm multinationel eller en lille familiedrevet virksomhed. Store data kan give indsigt, der hjælper dig med at besvare dine nøglespørgsmål, f.eks. 'Hvordan kan jeg forbedre kundetilfredsheden? '. Data fører til indsigt; virksomhedsejere og ledere kan gøre disse indsigter i beslutninger og handlinger, der forbedrer virksomheden.

Brug denne trinvise proces til at foretage databaserede beslutninger:

Start med strategi.

I stedet for at starte med hvilke data du kunne eller skulle have adgang til, start med at udforske, hvad din virksomhed søger at opnå. I en nøddeskal skal du finde ud af, hvad dine strategiske mål er, for eksempel at øge din kundebase.
Indsæt i forretningsområdet; identificere dine strategiske mål.

Identificer de områder, der er vigtigst for at nå din overordnede strategi. For de fleste virksomheder er kunden, økonomien og operationerne vigtige.
Identificer ubesvarede spørgsmål.

Find ud af hvilke spørgsmål du skal besvare for at nå disse mål. Ved at arbejde præcis, hvad du behøver at vide, kan du fokusere på de data, du virkelig har brug for.
Find de data, der hjælper med at besvare disse spørgsmål.

Fokus på at identificere de ideelle data for dig - de data, der kan hjælpe dig med at svare på dine mest presserende spørgsmål og levere på dine strategiske mål.
Identificer hvilke data du allerede har eller har adgang til.

Når du har identificeret de data, du har brug for, er det fornuftigt at se, om du allerede sidder på nogle af disse oplysninger, selvom det ikke er umiddelbart indlysende.
Træne om omkostningerne og indsatsen er berettigede.

Kun efter at du har kendskab til omkostningerne kan du arbejde ud, hvis de materielle fordele opvejer disse omkostninger. I den henseende bør du behandle data som enhver anden nøgleinvesteringsinvestering. Du skal gøre en klar sag for den investering, der skitserer den langsigtede værdi af data til forretningsstrategien.
Indsamle dataene.

Meget af dette trin kommer ned på at indstille processerne og folk til at samle og administrere dine data. Du må muligvis købe adgang til et analysedat datasæt, i hvilket tilfælde der ikke er behov for at indsamle data som sådan. Men i virkeligheden kræver mange dataprojekter en vis mængde dataindsamling.
Analysér dataene.

Du skal analysere dataene for at udtrække meningsfuld og brugbar forretningsindsigt. Det er jo ikke noget, der kommer så langt, hvis du ikke opdager noget nyt fra dataene.
Præsentere og fordele indsigterne.

Medmindre resultaterne bliver præsenteret for de rigtige mennesker på den rigtige tid på en meningsfuld måde, er størrelsen af datasætene eller sofistikeret af analyseværktøjerne ikke rigtig noget. Du skal sørge for, at indsigten fra dine data bruges til at informere beslutningstagningen og i sidste ende forbedre ydeevnen.
Indarbejd læring i virksomheden.

Endelig skal du anvende indsigtene fra dataene til din beslutningstagning og træffe de beslutninger, der vil forvandle din virksomhed til det bedre - og derefter handle på disse beslutninger. For mig er dette den mest givende del af dataturen: dreje data til handling.

Sådan kommunikerer du indsigt fra store data

Store data kan hjælpe dig med at få indsigt. Virksomheder får en konkurrencemæssig fordel, når rigtige oplysninger leveres til rigtige personer på rigtige tidspunkt. Dette betyder at udtrække indsigt og information fra data og formidle dem til beslutningstagere på en måde, som de let kan forstå. Tross alt er folk mindre tilbøjelige til at handle, hvis de skal arbejde hårdt for at forstå oplysningerne foran dem.

Sørg for, at dine indsigter skinner igennem med disse toptips:

Identificer din målgruppe. Hvem dit publikum er, afhænger af dine strategiske spørgsmål. Publikum kan være dig, hvis du er virksomhedsejer, eller det kan være dit personale team, dit marketing team eller en kombination. Spørg dig selv, hvem der skal se disse resultater. Hvad ved de allerede om de spørgsmål, der diskuteres? Hvad har de brug for og vil vide? Og hvad vil de gøre med oplysningerne?
Tilpas oplysningerne til dit publikum. Vær forberedt på at tilpasse dine oplysninger for at opfylde de specifikke krav fra hver beslutningstager.
Husk hvad du forsøger at opnå. Prøv ikke at blive distraheret af interessante indsigter, der ikke har noget at gøre med at besvare dine strategiske spørgsmål og nå dine forretningsmål. Der kan være mulighed for at revidere disse andre indsigter i fremtiden, men i øjeblikket fokusere på det, du sætter op for at opnå.
Undgå at oprette en væg med tekst. Husk at data kan præsenteres som et tal, en kort skriftlig fortælling, et bord, en graf eller et diagram. Faktisk vil den bedste tilgang sandsynligvis indebære en kombination af disse formater.
Brug data visualiseringsteknikker. Visuelle er gode til at formidle informationer, fordi de er hurtige og direkte, de er (normalt) nemme at forstå, de er mindeværdige og de tilføjer interesse, og er meget mere tilbøjelige til at holde læsernes opmærksomhed end en fuld side af tekst.
Men forsøm ikke teksten. Tall, diagrammer og billeder kan kun give et øjebliksbillede; fortælling giver dig mulighed for at pynte på vigtige punkter. Brug korte fortællinger til at introducere, hvad du viser og fremhæve de vigtigste indsigter.
Brug tydelige overskrifter for at få de vigtige punkter skilt ud. På denne måde, selv med et hurtigt overblik, vil nøglepunkterne være indlysende.
Link oplysningerne til din strategi. Hvis du præsenterer oplysninger, der direkte svarer til et strategisk forretningsspørgsmål, f.eks. 'Hvordan reducerer vi medarbejderomsætningen med ti procent? ', inkludere det spørgsmål i åbningsfortællingen og måske endda overskriften.