Hvordan fungerer Business Intelligence med ustrukturerede data? - dummies

Antag at du bruger et ustruktureret, multimedieaktiveret datalagringsmiljø til at foretage sammenlignende analyse mellem tjenester, der tilbydes af din virksomhed (en bank) og dine konkurrents tilsvarende tilbud.

Du kører nogle grundlæggende rapporter og et par spørgsmål for at tjekke markedsandel, portefølje ydeevne og andre foranstaltninger. Eller for mere avanceret analyse bruger du et OLAP-værktøj til analyse af virksomheden til at udføre alle former for drill-down-analyse på dataene i et forsøg på fuldt ud at forstå kompleksiteten af ​​din virksomheds præstationer i forhold til dine konkurrenter.

Nogle gange kan du dog ikke finde svarene i numrene. Antag, at du mærker en pludselig stigning i konto lukninger på din bank i løbet af de sidste to måneder. Hvad sker der?

Typer af ustrukturerede data

Du kan forstå forudsætningen for business intelligence i selve begrebet: Få så meget intelligens som mulig - så hurtigt som muligt - fra så mange kilder som muligt for at hjælpe dig med at forstå, hvad der foregår og træffe informerede handlinger. Under denne brede definition kan intelligens nemt indeholde følgende typer oplysninger, som du ikke kan finde i (eller få adgang til) via et traditionelt datalager:

• En konkurrents lokale avis tilbyder ingen gebyrkontrol i et år og en ekstra 1, 5 procent optjent på pengemarkedsindskud, hvis en potentiel kunde viser en kontoudskrift, der angiver, at han eller hun har lukket en konto hos din bank

• Et reklamebanner på Google, der indeholder din konkurrents samme tilbud

• Et link til hver af dine konkurrents websteder, hvor du kan analysere de typer elektroniske banktjenester, de tilbyder

• Et transkript af et interview med en regional økonomisk ekspert, der angiver, at din bank er et primært overtagelsesmål og sandsynligvis ikke vil være i drift under dets nuværende navn på samme tid næste år.

I Dette enkle eksempel, fordi varerne forekommer lokalt eller regionalt, kan du tro på, at du kan få adgang til alle disse oplysninger fra et multimedieaktiveret datalager. ("En god bankanalytiker kender alligevel alle disse ting alligevel")

Et globalt eksempel på datalagring

Tænk på dette eksempel på globalt plan. Lurer du på, hvorfor din virksomheds salg glider i Sverige? Du kan muligvis have disse typer af real-time intelligence-indsamling kapaciteter til en globalt konkurrencedygtig situation.

Forestil dig f.eks. Et firma i den kemiske industri, der ønsker arkitekturen til et quasi-data warehouse miljø ( kvasi , fordi det kun har en enkelt datakilde, men en stor mængde historiske oplysninger, der ville skal bringes ind i det nye system).

Ca. 80 procent af de historiske oplysninger var på papir, og klienten overvejede i sidste ende at indlæse disse oplysninger i et dokumentstyringssystem. Af budgetmæssige årsager vil de kun beskæftige sig med konverteringen af ​​traditionelle historiske data (tegn, numerisk og datoinformation) og kortlægning og omdannelse af de nye indgående data. Dokumenterne vil blive behandlet senere.

Forestil dig et miljø, hvor du også kan behandle alle disse data, der behandler det samme emne. Hvis dataene er på papir, kan du scanne det som et billede, indeksere det efter søgeord og gøre det tilgængeligt via det samme miljø som de traditionelle data. Du øger enormt kundens business intelligence ved at give dem adgang til disse oplysninger.