Büyük veri bize neler veriyor? Büyük Veri neden sürekli pazarlama ve BT ile karıştırılıyor?

2011'de oluşturulan ve kopyalanan toplam küresel veri hacminin yaklaşık 1,8 zettabayt (1,8 trilyon gigabayt) olabileceği tahmin ediliyordu; bu, 2006'da oluşturulanın yaklaşık 9 katıydı.

Daha karmaşık tanım

Ancak Büyük veri Büyük miktarda bilgiyi analiz etmekten daha fazlasını içerir. Sorun, kuruluşların büyük miktarda veri oluşturması değil, çoğunun geleneksel yapılandırılmış veritabanı formatına (web günlükleri, videolar, metin belgeleri, makine kodu veya örneğin coğrafi veriler) pek uymayan bir formatta olmasıdır. . Bütün bunlar birçok farklı depoda, hatta bazen kuruluşun dışında bile depolanır. Sonuç olarak şirketler, büyük miktarda veriye erişebiliyor ve bu veriler arasında ilişki kurarak anlamlı sonuçlar çıkarabilmek için gerekli araçlara sahip olamıyor. Buna, verilerin artık giderek daha sık güncellendiği gerçeğini de ekleyince, geleneksel bilgi analizi yöntemlerinin, sürekli güncellenen büyük hacimli verilere ayak uyduramadığı bir durumla karşı karşıya kalıyorsunuz ve bu da sonuçta teknolojinin önünü açıyor. Büyük veri.

En iyi tanım

Esasen kavram Büyük veri operasyonel verimliliği artırmak, yeni ürünler yaratmak ve rekabet gücünü artırmak için sıklıkla güncellenen ve farklı kaynaklarda bulunan çok büyük hacimli ve çeşitli bileşimdeki bilgilerle çalışmayı içerir. Danışmanlık şirketi Forrester kısa bir formülasyon veriyor: ` Büyük veri pratikliğin en uç sınırlarında verilerden anlam çıkaran teknikleri ve teknolojileri bir araya getirir.

İş analitiği ile büyük veri arasındaki fark ne kadar büyük?

Fujitsu Avustralya'nın pazarlamadan sorumlu genel müdürü ve baş teknoloji sorumlusu Craig Bathy, iş analizinin, bir işletmenin belirli bir süre içinde elde ettiği sonuçları analiz eden tanımlayıcı bir süreç olduğuna dikkat çekti. Büyük veri Analizi öngörüye dayalı hale getirmenize, geleceğe yönelik iş önerileri sunmanıza olanak tanır. Büyük veri teknolojileri ayrıca iş zekası araçlarından daha fazla veri türünü analiz etmenize olanak tanır ve bu da yalnızca yapılandırılmış veri havuzlarından daha fazlasına odaklanmayı mümkün kılar.

O'Reilly Radar'dan Matt Slocum buna inanıyor Büyük veri ve iş analitiğinin amacı aynı olsa da (bir soruya cevap bulmak) üç açıdan birbirlerinden farklılık gösterirler.

• Büyük veri, iş analitiğinden daha büyük hacimli bilgileri işlemek için tasarlanmıştır ve bu kesinlikle büyük verinin geleneksel tanımına uymaktadır.
• Büyük veri, daha hızlı, daha hızlı değişen bilgileri işlemek için tasarlanmıştır; bu da derin keşif ve etkileşim anlamına gelir. Bazı durumlarda sonuçlar, web sayfasının yüklenmesinden daha hızlı oluşturulur.
• Büyük veri, toplayıp depolayabildiğimizde nasıl kullanılacağını keşfetmeye yeni başladığımız yapılandırılmamış verileri işlemek için tasarlanmıştır ve bu veri kümelerinin içerdiği eğilimleri bulmayı kolaylaştırmak için algoritmalara ve konuşma yeteneklerine ihtiyacımız vardır.

Oracle tarafından yayınlanan "Oracle Information Architecture: An Architect's Guide to Big Data" teknik incelemesine göre, büyük verilerle çalışırken bilgiye iş analizi yaparken olduğundan farklı yaklaşıyoruz.

Büyük verilerle çalışmak, yalnızca bilinen değerlerin toplanmasının bir sonuç ürettiği olağan iş zekası sürecine benzemez: örneğin, ödenen faturaların eklenmesi, yıl için satış haline gelir. Büyük verilerle çalışırken, sıralı modelleme yoluyla temizleme sürecinde sonuç elde edilir: önce bir hipotez ileri sürülür, istatistiksel, görsel veya anlamsal bir model oluşturulur, ileri sürülen hipotezin doğruluğu buna dayanarak kontrol edilir ve ardından bir sonraki öne sürülür. Bu süreç, araştırmacının ya görsel anlamları yorumlamasını ya da bilgiye dayalı etkileşimli sorgular oluşturmasını ya da istenen sonucu üretebilecek uyarlanabilir 'makine öğrenimi' algoritmaları geliştirmesini gerektirir. Üstelik böyle bir algoritmanın ömrü oldukça kısa olabiliyor.

Büyük veri analiz teknikleri

Veri setlerini analiz etmek için istatistik ve bilgisayar bilimlerinden alınan araçlara (örneğin makine öğrenimi) dayanan birçok farklı yöntem vardır. Liste tam gibi görünmüyor ancak çeşitli sektörlerdeki en popüler yaklaşımları yansıtıyor. Araştırmacıların yeni teknikler yaratma ve mevcut teknikleri iyileştirme konusunda çalışmaya devam ettiği anlaşılmalıdır. Ayrıca, listelenen tekniklerden bazılarının yalnızca büyük verilere uygulanması zorunlu değildir ve daha küçük diziler için başarıyla kullanılabilir (örneğin, A/B testi, regresyon analizi). Elbette dizi ne kadar hacimli ve çeşitlendirilmiş olursa, sonuç olarak o kadar doğru ve alakalı veriler elde edilebilir.

A/B testi. Bir kontrol örneğinin dönüşümlü olarak diğerleriyle karşılaştırıldığı bir teknik. Böylece, örneğin bir pazarlama teklifine en iyi tüketici tepkisini elde etmek için en uygun gösterge kombinasyonunu belirlemek mümkündür. Büyük veriçok sayıda yineleme yapmanıza ve böylece istatistiksel olarak güvenilir bir sonuç elde etmenize olanak tanır.

Birliktelik kuralı öğrenme. İlişkileri tanımlamak için bir dizi teknik, yani. Büyük veri kümelerindeki değişkenler arasındaki ilişki kuralları. Kullanılan veri madenciliği.

sınıflandırma. Belirli bir pazar segmentindeki tüketici davranışını (satın alma kararları, kayıp, tüketim hacmi vb.) tahmin etmenize olanak tanıyan bir dizi teknik. Kullanılan veri madenciliği.

Küme analizi. Önceden bilinmeyen ortak özellikleri belirleyerek nesneleri gruplar halinde sınıflandırmaya yönelik istatistiksel bir yöntem. Kullanılan veri madenciliği.

Kitle Kaynak Kullanımı. Çok sayıda kaynaktan veri toplama metodolojisi.

Veri birleştirme ve veri entegrasyonu. Sosyal ağ kullanıcılarının yorumlarını analiz etmenize ve bunları gerçek zamanlı olarak satış sonuçlarıyla karşılaştırmanıza olanak tanıyan bir dizi teknik.

Veri madenciliği. Tanıtılan ürün veya hizmete en duyarlı tüketici kategorilerini belirlemenize, en başarılı çalışanların özelliklerini belirlemenize ve tüketicilerin davranış modelini tahmin etmenize olanak tanıyan bir dizi teknik.

Topluluk öğrenimi. Bu yöntem birçok tahmin modeli kullanır, böylece yapılan tahminlerin kalitesi artar.

Genetik algoritmalar. Bu teknikte olası çözümler, birleştirilebilen ve mutasyona uğratılabilen 'kromozomlar' biçiminde temsil edilir. Doğal evrim sürecinde olduğu gibi en uygun birey hayatta kalır.

Makine öğrenme. Ampirik verilerin analizine dayalı olarak kendi kendine öğrenen algoritmalar oluşturma hedefini izleyen bilgisayar bilimlerinde bir yön (tarihsel olarak "yapay zeka" adı verilmiştir).

Doğal dil işleme (NLP). Bilgisayar bilimi ve dilbilimden ödünç alınan doğal insan dilini tanımaya yönelik bir dizi teknik.

Ağ analizi. Ağlardaki düğümler arasındaki bağlantıları analiz etmeye yönelik bir dizi teknik. Sosyal ağlarla ilgili olarak bireysel kullanıcılar, şirketler, topluluklar vb. arasındaki ilişkileri analiz etmenize olanak tanır.

Optimizasyon. Bir veya daha fazla ölçümü iyileştirmek amacıyla karmaşık sistemleri ve süreçleri yeniden tasarlamaya yönelik bir dizi sayısal yöntem. Örneğin piyasaya sürülecek ürün serisinin bileşimi, yatırım analizinin yapılması vb. gibi stratejik kararların alınmasına yardımcı olur.

Desen tanıma. Tüketicilerin davranış modelini tahmin etmek için kendi kendine öğrenme unsurları içeren bir dizi teknik.

Tahmine dayalı modelleme. Olayların gelişimi için önceden belirlenmiş olası bir senaryonun matematiksel bir modelini oluşturmanıza olanak tanıyan bir dizi teknik. Örneğin, aboneleri sağlayıcıyı değiştirmeye sevk edecek olası koşullar için CRM sistemi veri tabanının analizi.

Regresyon. Bağımlı bir değişkendeki değişiklikler ile bir veya daha fazla bağımsız değişken arasındaki bir modeli tanımlamak için kullanılan bir dizi istatistiksel yöntem. Genellikle tahmin ve tahminler için kullanılır. Veri madenciliğinde kullanılır.

Duygu analizi. Tüketici duyarlılığını değerlendirme teknikleri, doğal dil tanıma teknolojilerine dayanmaktadır. İlgilendiğiniz konuyla (örneğin bir tüketici ürünü) ilgili mesajları genel bilgi akışından ayırmanıza olanak tanır. Daha sonra, kararın kutupsallığını (olumlu veya olumsuz), duygusallığın derecesini vb. değerlendirin.

Sinyal işleme. Gürültü arka planına karşı bir sinyali tanımayı ve bunun daha ileri analizini amaçlayan, radyo mühendisliğinden alınan bir dizi teknik.

Mekansal analiz. Kısmen istatistiklerden alınan, mekansal verileri analiz etmek için bir dizi yöntem - arazi topolojisi, coğrafi koordinatlar, nesne geometrisi. Kaynak Büyük veri Bu durumda sıklıkla coğrafi bilgi sistemleri (CBS) kullanılır.

İstatistik. Anket geliştirme ve deney yapma dahil olmak üzere verileri toplama, düzenleme ve yorumlama bilimi. İstatistiksel yöntemler genellikle belirli olaylar arasındaki ilişkiler hakkında değer yargılarında bulunmak için kullanılır.

Denetimli öğrenme. Analiz edilen veri kümelerindeki işlevsel ilişkileri tanımlamanıza olanak tanıyan, makine öğrenimi teknolojilerine dayalı bir dizi teknik.

Simülasyon. Karmaşık sistemlerin davranışını modellemek genellikle planlamada çeşitli senaryoları tahmin etmek, tahmin etmek ve bunlar üzerinde çalışmak için kullanılır.

Zaman serisi analizi. Zaman içinde tekrarlanan veri dizilerini analiz etmek için istatistiklerden ve dijital sinyal işlemeden türetilen bir dizi teknik. Bazı bariz uygulamalar borsayı veya hasta hastalıklarını takip etmektir.

Denetimsiz öğrenme. Analiz edilen veri kümelerindeki gizli işlevsel ilişkileri tanımlamanıza olanak tanıyan, makine öğrenimi teknolojilerine dayalı bir dizi teknik. İle ortak özelliklere sahiptir Küme analizi.

Görselleştirme. Yorumlamayı basitleştirmek ve sonuçların anlaşılmasını kolaylaştırmak için büyük veri analizi sonuçlarını grafikler veya animasyonlu görüntüler biçiminde grafiksel olarak sunmaya yönelik yöntemler.

Büyük veri analizi sonuçlarının görsel temsili, yorumlanması açısından temel öneme sahiptir. İnsan algısının sınırlı olduğu bir sır değil ve bilim adamları, verileri resimler, diyagramlar veya animasyonlar biçiminde sunmanın modern yöntemlerini geliştirmek için araştırmalar yapmaya devam ediyor.

Analitik araçlar

2011 yılı itibarıyla, bir önceki alt bölümde sıralanan yaklaşımlardan bazıları veya bunların belirli bir kombinasyonu, büyük verilerle çalışmaya yönelik analitik motorların pratikte hayata geçirilmesini mümkün kılmaktadır. Ücretsiz veya nispeten ucuz olan açık Büyük Veri analiz sistemleri arasında şunları önerebiliriz:

• Revolution Analytics (matematiksel istatistikler için R dilini temel alır).

Bu listede özellikle ilgi çekici olan, son beş yılda çoğu hisse senedi takipçisi tarafından veri analizörü olduğu kanıtlanmış açık kaynaklı bir yazılım olan Apache Hadoop'tur. Yahoo, Hadoop kodunu açık kaynak topluluğuna açar açmaz, BT endüstrisinde Hadoop'a dayalı ürünler oluşturma yönünde bir hareket hemen ortaya çıktı. Hemen hemen tüm modern analiz araçları Büyük veri Hadoop entegrasyon araçlarını sağlayın. Geliştiricileri hem startup hem de tanınmış küresel şirketlerdir.

Büyük Veri Yönetimi Çözümlerine Yönelik Pazarlar

Dijital yığınla mücadele aracı olarak Büyük Veri Platformları (BDP, Büyük Veri Platformu)

Analiz etme yeteneği Büyük veri Halk dilinde Büyük Veri olarak adlandırılan bu veri, açıkça bir fayda olarak algılanıyor. Peki bu gerçekten böyle mi? Dizginlenemeyen veri birikimi neye yol açabilir? Büyük olasılıkla ev içi psikologların insanlarla ilgili olarak patolojik istifleme, dilomani veya mecazi olarak "Plyushkin sendromu" adını verdikleri şeye. İngilizce'de, her şeyi toplamaya yönelik şiddetli tutkuya hording denir (İngiliz istifinden - "stok"). Akıl hastalıklarının sınıflandırmasına göre, horlama bir akıl hastalığı olarak sınıflandırılır. Dijital çağda, geleneksel malzeme istiflemenin yanına dijital istifleme de ekleniyor; hem bireyleri hem de tüm işletmeleri ve kuruluşları etkileyebilir ().

Dünya ve Rusya pazarı

Büyük Veri Ortamı - Ana tedarikçiler

Toplama, işleme, yönetim ve analiz araçlarına ilgi Büyük veri Hemen hemen tüm önde gelen BT şirketleri bunu gösterdi ki bu oldukça doğal. Birincisi, bu olguyla doğrudan kendi işlerinde karşılaşıyorlar, ikincisi ise; Büyük veri yeni pazar nişleri geliştirmek ve yeni müşteriler çekmek için mükemmel fırsatlar yaratır.

Piyasada büyük miktarda veriyi işleyerek iş yapan birçok girişim ortaya çıktı. Bazıları Amazon gibi büyük oyuncuların sağladığı hazır bulut altyapısını kullanıyor.

Endüstrilerde Büyük Verinin teorisi ve uygulaması

Gelişim tarihi

2017

TmaxSoft tahmini: Büyük Verinin bir sonraki “dalgası” DBMS'nin modernizasyonunu gerektirecek

İşletmeler, biriktirdikleri büyük miktardaki verinin, işletmeleri ve müşterileri hakkında önemli bilgiler içerdiğini biliyor. Bir şirket bu bilgiyi başarıyla uygulayabilirse rakiplerine göre önemli bir avantaja sahip olacak ve onlarınkinden daha iyi ürün ve hizmetler sunabilecektir. Ancak birçok kuruluş hâlâ etkin bir şekilde kullanamıyor. Büyük veri TmaxSoft, eski BT altyapılarının, büyük miktarlardaki yapılandırılmamış verileri işlemek ve analiz etmek için gerekli depolama kapasitesini, veri alışverişi süreçlerini, yardımcı programları ve uygulamaları sağlayamaması nedeniyle, bunlardan değerli bilgiler elde edemediğini belirtti.

Ayrıca, sürekli artan veri hacimlerini analiz etmek için gereken artan işlem gücü, bir kuruluşun eski BT altyapısına önemli yatırımların yanı sıra yeni uygulamalar ve hizmetler geliştirmek için kullanılabilecek ek bakım kaynakları da gerektirebilir.

5 Şubat 2015'te Beyaz Saray, şirketlerin " Büyük veri» “Fiyat farklılaştırması” veya “kişiselleştirilmiş fiyatlandırma” olarak bilinen bir uygulama olan farklı müşterilere farklı fiyatlar uygulamak. Rapor, büyük verinin hem satıcılar hem de alıcılar için faydalarını açıklıyor ve yazarları, büyük veri ve farklı fiyatlandırmanın ortaya çıkardığı sorunların çoğunun, tüketici haklarını koruyan mevcut ayrımcılık karşıtı yasa ve düzenlemeler yoluyla çözülebileceği sonucuna varıyor.

Raporda, şu anda şirketlerin kişiselleştirilmiş pazarlama ve farklılaştırılmış fiyatlandırma bağlamında büyük verileri nasıl kullandığına dair yalnızca anekdotsal kanıtların bulunduğu belirtiliyor. Bu bilgi, satıcıların üç kategoriye ayrılabilecek fiyatlandırma yöntemlerini kullandığını gösterir:

• talep eğrisinin incelenmesi;
• Demografik verilere dayalı yönlendirme ve farklılaştırılmış fiyatlandırma; Ve
• hedeflenen davranışsal pazarlama (davranışsal hedefleme) ve kişiselleştirilmiş fiyatlandırma.

Talep Eğrisinin İncelenmesi: Talebi belirlemek ve tüketici davranışını incelemek için pazarlamacılar genellikle müşterilerin iki olası fiyat kategorisinden birine rastgele atandığı bu alanda deneyler yapar. "Teknik olarak bu deneyler bir çeşit farklı fiyatlandırmadır çünkü tüm müşterilerin daha yüksek bir fiyata "gönderilme" olasılığı aynı olduğu için "ayrımcı olmasalar" bile müşteriler için farklı fiyatlara yol açarlar."

Direksiyon: Ürünlerin belirli bir demografik gruptaki üyeliklerine göre tüketicilere sunulması uygulamasıdır. Örneğin, bir bilgisayar şirketinin web sitesi, kendi bildirdikleri bilgilere göre (örneğin, kullanıcının devlet, akademik veya ticari kullanıcı ya da birey olmasına bağlı olarak) aynı dizüstü bilgisayarı farklı türdeki müşterilere farklı fiyatlarla sunabilir. veya coğrafi konumlarına göre (örneğin, bir bilgisayarın IP adresine göre belirlenir).

Hedefli davranışsal pazarlama ve özelleştirilmiş fiyatlandırma: Bu durumlarda, müşterilerin kişisel bilgileri reklamları hedeflemek ve belirli ürünlere yönelik fiyatlandırmayı özelleştirmek için kullanılır. Örneğin, çevrimiçi reklamverenler, reklamlarını hedeflemek için reklam ağları ve üçüncü taraf çerezler aracılığıyla çevrimiçi kullanıcı etkinlikleri hakkında toplanan verileri kullanır. Bu yaklaşım bir yandan tüketicilerin ilgilerini çeken ürün ve hizmetlerin reklamlarını almasına olanak tanırken, diğer yandan belirli türdeki kişisel verilerini (web sitelerine yapılan ziyaretlerle ilgili bilgiler gibi) istemeyen tüketiciler için endişe yaratabilir. tıbbi ve mali konularla bağlantılı) rızaları olmadan toplanmıştır.

Hedefli davranışsal pazarlama yaygın olmasına rağmen, çevrimiçi ortamda kişiselleştirilmiş fiyatlandırmaya ilişkin nispeten az kanıt bulunmaktadır. Rapor, bunun, yöntemlerin hala geliştirilmekte olmasından veya şirketlerin özel fiyatlandırma kullanmakta tereddüt etmesinden (veya bu konuda sessiz kalmayı tercih etmesinden) - belki de tüketicilerin tepkisinden korkmasından kaynaklanabileceğini öne sürüyor.

Raporun yazarları, "bireysel tüketici için büyük veri kullanımının hem potansiyel ödülleri hem de riskleri açıkça sunduğunu" öne sürüyor. Rapor, büyük verinin şeffaflık ve ayrımcılık sorunlarını artırdığını kabul ederken, mevcut ayrımcılıkla mücadele ve tüketiciyi koruma yasalarının bu sorunları çözmek için yeterli olduğunu savunuyor. Ancak rapor, şirketlerin hassas bilgileri şeffaf olmayan veya mevcut düzenleyici çerçevelerin kapsamına girmeyen şekillerde kullanması durumunda "sürekli gözetim" ihtiyacının da altını çiziyor.

Bu rapor, Beyaz Saray'ın internette büyük veri kullanımını ve ayrımcı fiyatlandırmayı ve bunun Amerikalı tüketiciler açısından sonuçlarını inceleme çabalarının devamıdır. Daha önce Beyaz Saray Büyük Veri Çalışma Grubu'nun bu konuyla ilgili raporunu Mayıs 2014'te yayınladığı bildirilmişti. Federal Ticaret Komisyonu (FTC) Eylül 2014'te büyük veri ayrımcılığına ilişkin çalıştayında da bu konuları ele aldı.

2014

Gartner, Büyük Veri hakkındaki mitleri ortadan kaldırıyor

Gartner'ın 2014 sonbaharına ait bir araştırma notu, BT liderleri arasında yaygın olan bir dizi Büyük Veri efsanesini listeliyor ve bunları çürütüyor.

• Herkes Büyük Veri işleme sistemlerini bizden daha hızlı uyguluyor

Büyük Veri teknolojilerine olan ilgi tüm zamanların en yüksek seviyesinde: Gartner analistlerinin bu yıl yaptığı ankete katılan kuruluşların %73'ü halihazırda yatırım yapıyor veya yapmayı planlıyor. Ancak bu girişimlerin çoğu henüz başlangıç ​​aşamasında ve katılımcıların yalnızca %13'ü bu tür çözümleri halihazırda uygulamaya koydu. En zor şey Büyük Veriden nasıl gelir elde edileceğini belirlemek, nereden başlayacağınıza karar vermektir. Pek çok kuruluş, yeni teknolojiyi belirli iş süreçlerine bağlayamadıkları için pilot aşamada takılıp kalıyor.

• Elimizde o kadar çok veri var ki, içindeki küçük hatalar konusunda endişelenmemize gerek yok

Bazı BT yöneticileri, küçük veri hatalarının büyük hacimli analizlerin genel sonuçlarını etkilemediğine inanıyor. Analistler, çok fazla veri olduğunda, her bir hatanın aslında sonuç üzerinde daha az etkiye sahip olduğunu ancak hataların sayısının da arttığını belirtiyor. Ayrıca analiz edilen verilerin çoğu dışsaldır, yapısı veya kaynağı bilinmemektedir, dolayısıyla hata olasılığı artar. Yani Büyük Veri dünyasında kalite aslında çok daha önemli.

• Büyük Veri teknolojileri veri entegrasyonu ihtiyacını ortadan kaldıracak

Büyük Veri, okundukça otomatik şema oluşturma özelliğiyle verileri orijinal formatında işleme yeteneği vaat ediyor. Bunun, aynı kaynaklardan gelen bilgilerin birden fazla veri modeli kullanılarak analiz edilmesine olanak sağlayacağına inanılıyor. Birçoğu bunun aynı zamanda son kullanıcıların herhangi bir veri setini uygun gördükleri şekilde yorumlamalarına da olanak sağlayacağına inanıyor. Gerçekte, çoğu kullanıcı genellikle verilerin uygun şekilde biçimlendirildiği ve bilgilerin bütünlük düzeyi ve kullanım durumuyla nasıl ilişkilendirilmesi gerektiği konusunda anlaşmaların olduğu hazır şemaya sahip geleneksel yolu tercih eder.

• Karmaşık analizler için veri ambarlarını kullanmanın bir anlamı yok

Birçok bilgi yönetimi sistemi yöneticisi, karmaşık analitik sistemlerin yeni veri türlerine dayandığı göz önüne alındığında, veri ambarı oluşturmaya zaman harcamanın bir anlamı olmadığına inanmaktadır. Aslında birçok karmaşık analiz sistemi veri ambarından gelen bilgileri kullanır. Diğer durumlarda, Büyük Veri işleme sistemlerinde analiz için yeni veri türlerinin ek olarak hazırlanması gerekir; Verilerin uygunluğu, birleştirme ilkeleri ve gerekli kalite düzeyi hakkında kararlar alınmalıdır; bu tür hazırlıklar depo dışında yapılabilir.

• Veri ambarlarının yerini veri gölleri alacak

Gerçekte satıcılar, veri göllerini depolamanın yerine geçecek veya analitik altyapının kritik unsurları olarak konumlandırarak müşterileri yanıltmaktadır. Temel veri gölü teknolojileri, depolarda bulunan olgunluk ve işlevsellik genişliğinden yoksundur. Bu nedenle Gartner'a göre veri yönetiminden sorumlu yöneticilerin göllerin aynı gelişim seviyesine ulaşmasını beklemesi gerekiyor.

Accenture: Büyük veri sistemlerini uygulayanların %92'si sonuçlardan memnun

Büyük verinin temel avantajları arasında katılımcılar şunları belirtti:

• “yeni gelir kaynağı arayışı” (%56),
• “Müşteri deneyimini iyileştirme” (%51),
• “yeni ürün ve hizmetler” (%50) ve
• “yeni müşterilerin akını ve eski müşterilerin sadakatinin sürdürülmesi” (%47).

Birçok şirket yeni teknolojileri tanıtırken geleneksel sorunlarla karşı karşıya kalıyor. %51'i için en büyük engel güvenlik, %47'si için bütçe, %41'i için gerekli personel eksikliği ve %35'i için mevcut sistemle entegrasyon zorluklarıydı. Ankete katılan şirketlerin neredeyse tamamı (yaklaşık %91) personel sıkıntısı sorununu yakında çözmeyi ve büyük veri uzmanlarını işe almayı planlıyor.

Şirketler büyük veri teknolojilerinin geleceği konusunda iyimser. %89'u internet kadar işi de değiştireceklerine inanıyor. Ankete katılanların %79'u büyük veriye yönelmeyen şirketlerin rekabet avantajını kaybedeceğini belirtti.

Ancak katılımcılar tam olarak neyin büyük veri olarak kabul edilmesi gerektiği konusunda aynı fikirde değiller. Katılımcıların %65'i bunların "büyük veri dosyaları" olduğuna, %60'ı bunun "gelişmiş analitik ve analiz" olduğuna ve %50'si bunun "veri görselleştirme araçları" olduğuna inanıyor.

Madrid büyük veri yönetimine 14,7 milyon Euro harcıyor

Temmuz 2014'te Madrid'in şehir altyapısını yönetmek için büyük veri teknolojilerini kullanacağı öğrenildi. Projenin maliyeti 14,7 milyon euro olup, uygulanan çözümlerin temeli büyük veriyi analiz etme ve yönetme teknolojileri olacak. Onların yardımıyla, şehir yönetimi her hizmet sağlayıcıyla çalışmayı yönetecek ve hizmetlerin düzeyine göre buna göre ödeme yapacak.

Sokakların, aydınlatmanın, sulamanın, yeşil alanların durumunu izleyen, bölgeyi temizleyen ve ortadan kaldıran ve ayrıca atık geri dönüşümünü sağlayan idari müteahhitlerden bahsediyoruz. Proje kapsamında, özel olarak görevlendirilen müfettişler için şehir hizmetlerinin 300 temel performans göstergesi geliştirildi ve bunlara dayanarak günlük 1,5 bin çeşitli kontrol ve ölçüm gerçekleştirilecek. Ayrıca şehir, Madrid iNTeligente (MiNT) - Smarter Madrid adlı yenilikçi bir teknoloji platformunu kullanmaya başlayacak.

2013

Uzmanlar: Büyük Veri moda

Veri yönetimi pazarındaki istisnasız tüm satıcılar şu anda Büyük Veri yönetimine yönelik teknolojiler geliştiriyor. Bu yeni teknolojik trend, hem geliştiriciler hem de endüstri analistleri ve bu tür çözümlerin potansiyel tüketicileri olan profesyonel topluluk tarafından da aktif olarak tartışılmaktadır.

Datashift'in tespit ettiği gibi, Ocak 2013 itibarıyla şu konularda bir tartışma dalgası vardı: " Büyük veri"akla gelebilecek tüm boyutları aştı. Datashift, sosyal ağlarda Büyük Veri'den bahsedilenlerin sayısını analiz ettikten sonra, bu terimin 2012 yılında dünya çapında yaklaşık 1 milyon farklı yazar tarafından oluşturulan gönderilerde yaklaşık 2 milyar kez kullanıldığını hesapladı. Bu, saatte 260 gönderiye ve saatte 3.070 bahsedilmeye eşdeğerdir.

Gartner: Her saniye CIO Büyük veriye para harcamaya hazır

Gartner, Büyük veri teknolojileriyle ilgili birkaç yıl süren deneyimlerden ve 2013'teki ilk uygulamalardan sonra bu tür çözümlerin uyarlanmasının önemli ölçüde artacağını öngörüyor. Araştırmacılar dünyanın dört bir yanındaki BT liderlerine anket yaptı ve yanıt verenlerin %42'sinin halihazırda Büyük veri teknolojilerine yatırım yaptığını veya bu tür yatırımları gelecek yıl içinde yapmayı planladığını buldu (veriler Mart 2013 itibarıyla).

Şirketler işleme teknolojilerine para harcamak zorunda kalıyor Büyük veriÇünkü bilgi ortamı hızla değişiyor ve bilgi işlemede yeni yaklaşımlar gerektiriyor. Pek çok şirket, büyük miktarlardaki verilerin kritik öneme sahip olduğunun farkına varmıştır ve bunlarla çalışmak, geleneksel bilgi kaynakları ve bunları işleme yöntemleri kullanılarak elde edilemeyen faydalar elde etmelerine olanak sağlamaktadır. Ayrıca medyada “büyük veri” konusunun sürekli tartışılması ilgili teknolojilere olan ilgiyi artırıyor.

Hatta Gartner'ın başkan yardımcısı Frank Buytendijk, bazılarının Büyük Veriyi benimseme konusunda rakiplerinin gerisinde kaldıklarından endişe etmesi nedeniyle şirketlere çabalarını azaltmaları çağrısında bile bulundu.

"Endişelenmeye gerek yok; büyük veri teknolojilerine dayalı fikirleri hayata geçirme olanakları neredeyse sonsuz" dedi.

Gartner, 2015 yılına kadar Global 1000 şirketlerinin %20'sinin "bilgi altyapısı"na stratejik olarak odaklanacağını öngörüyor.

Büyük veri işleme teknolojilerinin getireceği yeni fırsatları öngören birçok kuruluş, halihazırda çeşitli türdeki bilgilerin toplanması ve saklanması sürecini organize ediyor.

Eğitim, hükümet ve endüstriyel kuruluşlar için, iş dönüşümü için en büyük potansiyel, birikmiş verilerin e-posta mesajları, multimedya ve diğer benzer içerikleri içeren karanlık verilerle (kelimenin tam anlamıyla "karanlık veriler") birleşiminde yatmaktadır. Gartner'a göre veri yarışının kazananları, çeşitli bilgi kaynaklarıyla baş etmeyi öğrenenler olacak.

Cisco anketi: Büyük Veri, BT bütçelerinin artırılmasına yardımcı olacak

Bağımsız araştırma şirketi InsightExpress tarafından 18 ülkede yürütülen Bahar 2013 Cisco Bağlantılı Dünya Teknoloji Raporu, 1.800 üniversite öğrencisi ve 18 ile 30 yaşları arasındaki eşit sayıda genç profesyonelle anket yaptı. Anket, BT departmanlarının projeleri uygulamaya hazır olma düzeyini belirlemek amacıyla yapıldı. Büyük veri ve bu tür projelerin içerdiği zorluklar, teknolojik eksiklikler ve stratejik değer hakkında fikir edinin.

Çoğu şirket verileri toplar, kaydeder ve analiz eder. Ancak raporda, birçok şirketin Büyük Veri konusunda bir dizi karmaşık iş ve bilgi teknolojisi sorunuyla karşı karşıya kaldığı belirtiliyor. Örneğin katılımcıların yüzde 60'ı Büyük Veri çözümlerinin karar verme süreçlerini iyileştirebileceğini ve rekabet gücünü artırabileceğini kabul ediyor, ancak yalnızca yüzde 28'i halihazırda birikmiş bilgilerden gerçek stratejik faydalar elde ettiklerini söyledi.

Ankete katılan BT yöneticilerinin yarısından fazlası, teknoloji, personel ve mesleki becerilere yönelik taleplerin artması nedeniyle Büyük Veri projelerinin kuruluşlarındaki BT bütçelerini artırmaya yardımcı olacağına inanıyor. Aynı zamanda ankete katılanların yarısından fazlası, bu tür projelerin 2012 gibi erken bir tarihte şirketlerindeki BT bütçelerini artıracağını düşünüyor. Yüzde 57'si Büyük Veri'nin önümüzdeki üç yıl içinde bütçelerini artıracağından emin.

Ankete katılanların yüzde 81'i Büyük Veri projelerinin tamamının (veya en azından bazılarının) bulut bilişim kullanımını gerektireceğini söyledi. Dolayısıyla bulut teknolojilerinin yaygınlaşması, Büyük Veri çözümlerinin benimsenme hızını ve bu çözümlerin iş değerini etkileyebilir.

Şirketler hem yapılandırılmış hem de yapılandırılmamış birçok farklı türde veri toplar ve kullanır. Anket katılımcılarının verilerini aldıkları kaynaklar şunlardır (Cisco Bağlantılı Dünya Teknoloji Raporu):

BT liderlerinin neredeyse yarısı (yüzde 48), ağlarındaki yükün önümüzdeki iki yıl içinde iki katına çıkacağını öngörüyor. (Bu özellikle ankete katılanların yüzde 68'inin bu görüşü paylaştığı Çin ve yüzde 60'ının Almanya için geçerlidir). Ankete katılanların yüzde 23'ü ağ yükünün önümüzdeki iki yıl içinde üç katına çıkmasını bekliyor. Aynı zamanda ankete katılanların yalnızca yüzde 40'ı ağ trafiği hacimlerinde büyük bir artışa hazır olduklarını beyan etti.

Ankete katılanların yüzde 27'si daha iyi BT politikalarına ve bilgi güvenliği önlemlerine ihtiyaç duyduklarını itiraf etti.

Yüzde 21'i daha fazla bant genişliğine ihtiyaç duyuyor.

Büyük Veri, BT departmanlarının değer katması ve iş birimleriyle güçlü ilişkiler kurması için yeni fırsatlar açarak gelirlerini artırmalarına ve şirketin mali konumunu güçlendirmelerine olanak tanır. Büyük Veri projeleri, BT departmanlarını iş departmanlarının stratejik ortağı haline getirir.

Ankete katılanların yüzde 73'üne göre BT departmanı, Büyük Veri stratejisinin uygulanmasının ana itici gücü olacak. Aynı zamanda katılımcılar, bu stratejinin uygulanmasına diğer departmanların da dahil olacağına inanıyor. Her şeyden önce bu, finans (yanıt verenlerin yüzde 24'ü tarafından ifade edildi), araştırma ve geliştirme (yüzde 20), operasyon (yüzde 20), mühendislik (yüzde 19) ve ayrıca pazarlama (yüzde 15) ve satış (yüzde 15) departmanlarıyla ilgilidir. yüzde 14).

Gartner: Büyük verileri yönetmek için milyonlarca yeni işe ihtiyaç var

Küresel BT harcamaları 2013 yılına kadar 3,7 milyar dolara ulaşacak; bu da 2012'de bilgi teknolojisine yapılan harcamalardan %3,8 daha fazla (yıl sonu tahmini 3,6 milyar dolar). Segment Büyük veri Gartner raporuna göre (büyük veri) çok daha hızlı gelişecek.

2015 yılına kadar, büyük verilere hizmet vermek için bilgi teknolojisi alanında 4,4 milyon iş yaratılacak ve bunların 1,9 milyon işi . Üstelik bu tür işlerin her biri, BT sektörü dışında üç ek işin yaratılmasını gerektirecek, böylece yalnızca ABD'de önümüzdeki dört yıl içinde 6 milyon kişi bilgi ekonomisini desteklemek için çalışacak.

Gartner uzmanlarına göre asıl sorun, sektörde bunun için yeterli yeteneğin bulunmaması: hem özel hem de kamu eğitim sistemleri, örneğin Amerika Birleşik Devletleri'nde, sektöre yeterli sayıda kalifiye personel sağlayamıyor. . Bahsedilen yeni BT işlerinden sadece üçte birinde personel bulunacak.

Analistler, nitelikli BT personeli yetiştirme rolünün, onlara acil ihtiyaç duyan şirketlerin doğrudan üstlenmesi gerektiğine inanıyor; çünkü bu tür çalışanlar, geleceğin yeni bilgi ekonomisine giriş biletleri olacak.

2012

"Büyük Veri"ye ilişkin ilk şüphecilik

Ovum ve Gartner'dan analistler 2012'nin moda konusu olarak şunu öneriyor: Büyük veri Kendinizi illüzyonlardan kurtarmanın zamanı gelebilir.

Şu anda "Büyük Veri" terimi tipik olarak sosyal medyadan, sensör ağlarından ve diğer kaynaklardan çevrimiçi olarak akan sürekli artan bilgi hacminin yanı sıra verileri işlemek ve işle ilgili verileri tanımlamak için kullanılan büyüyen araç yelpazesini ifade eder. -trendler.

Ovum analistlerinden Tony Bayer, "Büyük veri fikri etrafındaki heyecan nedeniyle (veya buna rağmen), üreticiler 2012'de bu trende büyük umutla baktılar" dedi.

Bayer, DataSift'in büyük veriden bahsedilenlerin geriye dönük bir analizini yaptığını bildirdi.

"Büyük Veri" terimi bugün tanınabilir, ancak gerçekte ne anlama geldiği konusunda hala oldukça fazla kafa karışıklığı var. Gerçekte kavram, yapay zeka, veri bilimi ve Nesnelerin İnterneti de dahil olmak üzere devam eden birçok dijital dönüşüm dalgasının arkasındaki itici güç olmaya devam ettiği için sürekli olarak gelişiyor ve yeniden tanımlanıyor. Peki Büyük Veri teknolojisi nedir ve dünyamızı nasıl değiştiriyor? Büyük Veri teknolojisinin özünü ve ne anlama geldiğini basit kelimelerle anlamaya çalışalım.

Büyük Verinin Şaşırtıcı Büyümesi

Her şey dijital çağın başlangıcından bu yana yarattığımız veri miktarındaki patlamayla başladı. Bu büyük ölçüde bilgisayarların, internetin ve çevremizdeki dünyadan verileri “kapabilen” teknolojilerin gelişmesinden kaynaklanmaktadır. Veri kendi başına yeni bir buluş değildir. Bilgisayarlar ve veri tabanları çağından önce bile veriyi oluşturan kağıt üzerindeki işlem kayıtları, müşteri kayıtları ve arşiv dosyalarını kullanıyorduk. Bilgisayarlar, özellikle elektronik tablolar ve veritabanları, verileri büyük ölçekte depolamamızı ve düzenlememizi kolaylaştırdı. Aniden bilgiye tek bir tıklamayla ulaşıldı.

Ancak orijinal tablolardan ve veritabanlarından çok uzun bir yol kat ettik. Bugün her iki günde bir, başlangıçtan 2000 yılına kadar elde ettiğimiz kadar veri üretiyoruz. Doğru, her iki günde bir. Ve yarattığımız veri miktarı katlanarak artmaya devam ediyor; 2020 yılına kadar mevcut dijital bilgi miktarı yaklaşık 5 zettabayttan 20 zettabayta çıkacak.

Günümüzde neredeyse yaptığımız her eylem iz bırakıyor. Her çevrimiçi olduğumuzda, arama motoruyla donatılmış akıllı telefonlarımızı yanımızda taşıdığımızda, sosyal ağlar veya sohbetler vb. aracılığıyla arkadaşlarımızla konuştuğumuzda veri üretiyoruz. Ayrıca makine tarafından üretilen veri miktarı da hızla artıyor. Akıllı ev cihazlarımız birbirleriyle veya evdeki sunucularla iletişim kurduğunda veriler üretilir ve paylaşılır. Tesislerdeki ve fabrikalardaki endüstriyel ekipmanlar, veri toplayan ve ileten sensörlerle giderek daha fazla donatılıyor.

"Büyük Veri" terimi, tüm bu verilerin toplanmasını ve bunları iş de dahil olmak üzere çok çeşitli alanlarda avantajımıza kullanma yeteneğimizi ifade eder.

Büyük Veri teknolojisi nasıl çalışır?

Büyük Veri şu prensibe göre çalışır: Belirli bir konu veya olgu hakkında ne kadar çok şey bilirseniz, yeni anlayışa o kadar güvenilir bir şekilde ulaşabilir ve gelecekte ne olacağını tahmin edebilirsiniz. Daha fazla veri noktasını karşılaştırdıkça daha önce gizli olan ilişkiler ortaya çıkar ve bu ilişkiler öğrenmemize ve daha iyi kararlar almamıza olanak tanır. Çoğu zaman bu, toplayabildiğimiz verilere dayalı modeller oluşturmayı ve ardından her seferinde veri noktalarının değerlerini değiştiren ve sonuçlarımızı nasıl etkilediklerini takip eden simülasyonları çalıştırmayı içeren bir süreç aracılığıyla yapılır. Bu süreç otomatiktir; modern analitik teknolojisi bu simülasyonlardan milyonlarcasını çalıştıracak ve üzerinde çalıştıkları sorunu çözmeye yardımcı olacak bir model veya fikir bulana kadar mümkün olan her değişkene ince ayar yapacaktır.

Bill Gates bir CD'nin kağıt içeriğine takılıp kalıyor

Yakın zamana kadar veriler elektronik tablolar veya veritabanlarıyla sınırlıydı ve her şey çok düzenli ve düzenliydi. Satır ve sütunlar halinde kolayca düzenlenemeyen her şey, üzerinde çalışılamayacak kadar karmaşık kabul edildi ve göz ardı edildi. Ancak depolama ve analitikteki ilerlemeler, büyük miktarlarda farklı türdeki verileri yakalayabileceğimiz, saklayabileceğimiz ve işleyebileceğimiz anlamına geliyor. Sonuç olarak günümüzde “veri”, veritabanlarından fotoğraflara, videolardan ses kayıtlarına, yazılı metinlerden sensör verilerine kadar her şey anlamına gelebilmektedir.

Büyük Veri tabanlı projeler, tüm bu karmaşık verileri anlamlandırmak için genellikle yapay zeka ve bilgisayar öğrenimini kullanan en ileri analitikleri kullanır. Bilgisayar makinelerine belirli verilerin ne olduğunu belirlemeyi (örneğin, desen tanıma veya doğal dil işleme yoluyla) öğreterek, onlara kalıpları bizden çok daha hızlı ve daha güvenilir bir şekilde tanımlamayı öğretebiliriz.

Büyük Veri nasıl kullanılır?

Sensör verilerinin, metin, ses, fotoğraf ve video verilerinin sürekli artan akışı, artık verileri yalnızca birkaç yıl önce hayal bile edilemeyecek şekillerde kullanabileceğimiz anlamına geliyor. Bu durum iş dünyasına hemen hemen her sektörde devrim niteliğinde değişiklikler getiriyor. Günümüzde şirketler, hangi belirli müşteri kategorisinin ne zaman satın almak isteyeceğini inanılmaz bir doğrulukla tahmin edebiliyor. Büyük Veri aynı zamanda şirketlerin faaliyetlerini çok daha verimli yürütmelerine de yardımcı oluyor.

Büyük Veri ile ilgili projeler iş dışında bile dünyamızı çeşitli şekillerde değiştirmeye yardımcı oluyor:

• Sağlık Hizmetini İyileştirme – Veriye dayalı tıp, çok miktarda tıbbi bilgi ve görüntüyü, hastalıkları erken aşamada tespit etmeye ve yeni ilaçlar geliştirmeye yardımcı olabilecek modellere dönüştürme yeteneğine sahiptir.
• Doğal ve insan kaynaklı felaketleri tahmin etmek ve bunlara müdahale etmek. Sensör verileri, depremlerin nerede meydana gelebileceğini tahmin etmek için analiz edilebilir ve insan davranış kalıpları, kuruluşların hayatta kalanlara yardım sağlamasına yardımcı olan ipuçları sağlar. Büyük Veri teknolojisi aynı zamanda dünya çapındaki savaş bölgelerinden gelen mülteci akışını izlemek ve korumak için de kullanılıyor.
• Suçun önlenmesi. Polis güçleri, kaynakları daha etkili kullanmak ve gerektiğinde caydırıcı eylemlerde bulunmak için kendi istihbarat bilgilerini ve kamuya açık bilgileri birleştiren veriye dayalı stratejileri giderek daha fazla kullanıyor.

Büyük Veri teknolojisi hakkında en iyi kitaplar

• Herkes yalan söyler. Arama motorları, Büyük Veri ve İnternet sizin hakkınızda her şeyi biliyor.
• BÜYÜK VERİ. Tüm teknoloji tek kitapta.
• Mutluluk endüstrisi. Büyük Veri ve yeni teknolojiler ürün ve hizmetlere duygu katmaya nasıl yardımcı oluyor?
• Analitikte devrim. Operasyonel analitiği kullanarak Büyük Veri çağında işinizi nasıl geliştirebilirsiniz?

Büyük Veriyle İlgili Sorunlar

Büyük Veri bize benzeri görülmemiş fikirler ve fırsatlar sunar, ancak aynı zamanda ele alınması gereken sorunları ve soruları da gündeme getirir:

• Veri Gizliliği – Bugün ürettiğimiz Büyük Veri, gizliliğine her türlü hakkımız olan kişisel yaşamlarımıza ilişkin birçok bilgi içermektedir. Açıkladığımız kişisel veri miktarını Büyük Veri tabanlı uygulama ve hizmetlerin sunduğu rahatlıkla dengelememiz giderek daha fazla isteniyor.
• Veri Güvenliği - Birisinin belirli bir amaç için verilerimize sahip olmasından memnun olduğumuza karar versek bile, verilerimizi güvende ve güvende tutacağı konusunda bu kişiye güvenebilir miyiz?
• Veri ayrımcılığı - tüm bilgiler bilindikten sonra, kişisel yaşamlarından elde edilen verilere dayanarak insanlara karşı ayrımcılık yapmak kabul edilebilir mi? Kimin borç alabileceğine karar vermek için zaten kredi puanlarını kullanıyoruz ve sigorta da büyük ölçüde veriye dayalı. Daha ayrıntılı bir şekilde analiz edilip değerlendirilmeyi beklemeliyiz, ancak bunun daha az kaynağa ve bilgiye erişimi sınırlı olanların hayatını daha da zorlaştırmamasına dikkat edilmelidir.

Bu görevlerin gerçekleştirilmesi Büyük Verinin önemli bir bileşenidir ve bu tür verileri kullanmak isteyen kuruluşlar tarafından ele alınmalıdır. Bunun yapılmaması, bir işletmeyi yalnızca itibar açısından değil, aynı zamanda yasal ve mali açıdan da savunmasız bırakabilir.

Geleceğe bakmak

Veriler dünyamızı ve hayatlarımızı benzeri görülmemiş bir hızla değiştiriyor. Eğer Büyük Veri bugün tüm bunları yapabiliyorsa, yarın neler yapabileceğini bir düşünün. Kullanabileceğimiz veri miktarı daha da artacak ve analiz teknolojisi daha da gelişmiş hale gelecektir.

İşletmeler için Büyük Veriyi uygulama yeteneği önümüzdeki yıllarda giderek daha kritik hale gelecektir. Yalnızca verileri stratejik bir varlık olarak gören şirketler hayatta kalacak ve gelişecektir. Bu devrimi görmezden gelenler geride kalma tehlikesiyle karşı karşıyadır.

Makaleyi nasıl buldunuz? Harikamda daha da uygun içerik Youtube kanalı

Sadece dikkatli ol! YouTube'umda çok akıllı olabilirsin... 👇

2015 yılı itibarıyla sektörün kısa varlığına rağmen, bu teknolojilerin etkin kullanımına ilişkin gerçek örneklere dayalı değerlendirmeler zaten mevcuttur. En yüksek göstergelerden biri enerji sektörüyle ilgilidir; analistlere göre Büyük Veri analitik teknolojileri, jeneratör güç dağıtımının doğruluğunu %99 oranında artırma kapasitesine sahiptir.

Başarısız olan Büyük veri projelerinin analizi

Telekom operatörleri için büyük veri

• yüksek hassasiyetli pazarlama (hassas pazarlama) - ürün ve hizmetlerin bunları satın almaya en hazır olan tüketicilere hedefli olarak sunulması (yeni tarife planları, ek hizmetler, ödeme terminalleri vb.);
• kullanıcı kaybını önlemek amacıyla müşteri memnuniyetini artırmak amacıyla müşteriye yönelik hizmetlerin kalitesini yönetmek (Müşteri Deneyimi Yönetimi);
• mümkün olan en kısa sürede yatırım getirisi garantilerini en üst düzeye çıkarmak amacıyla tüm nesnel faktörleri ve tüketici görüşlerini dikkate alarak operatörün dahili çalışma ve geliştirme planlamasının (ROI tabanlı Ağ Optimizasyonu ve Planlaması) optimizasyonu;
• bilgi varlıklarından para kazanma (Veri Varlığından Para Kazanma) - operatörün kullanabileceği verilerin, sorunlarını çözmek için kullanabilmeleri için ortaklarına şu veya bu şekilde (projelere özsermaye katılımı dahil) satışı.

Mobil operatör, büyük veri çözümünü devreye alarak, kullanım ve coğrafi konum da dahil olmak üzere müşterilerinin davranışları ve ilgi alanları hakkında önemli ölçüde daha fazla bilgi toplamaya ve analiz etmeye başlayabildi. Üstelik tüm bu bilgiler, yükü, meydana gelen arızalar vb. dahil olmak üzere hücresel ağın işleyişine ilişkin verilerle ilişkilendirilebilir.

Bu tür yöntemleri kullanma olanakları elde edilen sonuçlardan görülebilir. Böylece, 2013 yılı başında, toplam toplu posta ile pazarlama tekliflerinin (kabul eden müşteriler için) etkinliği %0,7 idi. Abonelerin basit segmentasyonu (yaş, cinsiyet, abonelik süresine göre) nedeniyle yıl sonunda bu değer %4'e, 2014 yılında ise (hizmet kullanım yoğunluğu dikkate alınarak) önce %11'e çıkarıldı. ve müşteri konumu) ve ardından %24'e (teklif almak için tercih edilen seçenekler - sesli aramalar, SMS, e-posta, sosyal ağlar vb. dikkate alınarak). Bir yıl boyunca müşterilere yapılan başarısız taleplerin sayısını 11 milyona kadar azaltarak reklam kampanyalarının maliyetlerini önemli ölçüde azaltmayı başardık.

Abone davranışının 85 parametresinin analizine dayanarak, potansiyel olarak operatörün hizmetlerinden vazgeçmeye hazır bir "risk grubu" belirlendi. İçinde ayrıca belirli bir segmentasyon gerçekleştirildi ve her müşteri kategorisi için sadakat düzeyini artırmak için bir dizi önlem (indirimler, diğer tarife planları, hediyeler vb.) geliştirildi. Müşteri, "risk grubunu" iki alt gruba ayıran bir çalışma yürüttü: İlkinde özel saklama önlemleri uygulandı, diğerinde ise hiçbir şey yapılmadı. Yıl boyunca bu tür çalışmaların analizi, şirketin 200 binden fazla aboneyi elinde tutarak mevcut tüketicilerinin çıkışını önemli ölçüde azaltabildiğini gösterdi; Bir müşteriyi elde tutmanın maliyetinin her zaman yeni bir kullanıcı çekmekten önemli ölçüde daha düşük olduğu dikkate alınmalıdır.

Büyük verinin kullanılmasından önce, operatörün coğrafi ağının genişletilmesi aslında yalnızca bina yoğunluğu ve nüfus bilgileri temelinde gerçekleştiriliyordu, ancak bu çözümü uygulamaya koyan China Unicom, faaliyetlerini çok faktörlü analize dayalı olarak geliştirmeye yöneldi. gerçek trafik yükü ve hizmet talebi gibi göstergeleri dikkate alır (örneğin, insanların çalışma yerleri dikkate alınarak), müşterilerin “değeri” (yaşam standardı açısından), iletişim kalitesi gereksinimleri (mesafe) alıcı istasyonlar arasında), farklı hizmet kategorilerine olan talep (çeşitli ekipmanların kullanımı buna bağlıdır), vb.

Dış ortaklar için müşteri verilerinden para kazanma açısından iki örnek verilmiştir: ilk olarak, hem coğrafi açıdan (arzu edilen müşterilerin ikamet yeri, işi veya ulaşım iletişimi) hem de dış mekan reklamlarının yerleştirilmesinin optimizasyonu ve dinamik reklam zamanı (halkın bileşimine bağlı olarak günün saatine, haftanın günlerine ve yılın mevsimlerine bağlı olarak değişebilir) ve ikincisi, perakende zincirlerinin geliştirilmesi için benzer öneriler (konum ve çeşitlilik dikkate alınarak) ). Ek olarak, mobil reklamcılığın bir kişinin istihdam programına, ilgi alanlarına ve fiziksel varlığına uygun olarak gerçek zamanlı olarak hedefli dağıtımı çok karlı hale gelir (örneğin, müşterinin ilgilendiği aksiyon filmleri hakkında bilgilerin tam olarak ücretsiz olarak gönderilmesi). zaman ve yakındaki sinemalar dikkate alınarak) . Genel endüstri deneyimi, bu tür hedefli yöntemlerin reklam dağıtımından elde edilen geliri önemli ölçüde artırabildiğini göstermektedir.

Bankalarda büyük veri

Gartner Research'ün kıdemli analisti ve başkan yardımcısı Avivah Litan 2014'ün başlarında şunları söyledi: "Analitikler, bankacılık kuruluşlarının şirket içindeki bilgileri daha iyi izlemesine ve dolandırıcılık işaretlerini daha önce mümkün olandan çok daha hızlı tespit etmesine olanak tanıyacak."

Büyük veri analizi teknolojilerinin kitlesel olarak uygulanması, bankaların sıklıkla farklı veya basitçe güncelliğini kaybetmiş platformlar kullanması nedeniyle karmaşık hale geliyor. Ancak bilgi güvenliği personelinin hileli işlemleri önlediğine dair örnekler zaten mevcut. Uzmanlar, Büyük Veri teknolojisinin yanı sıra modern kullanıcı tanımlama sistemlerinin uygulanmasının da dolandırıcılarla mücadeleye yardımcı olabileceğine inanıyor. Bunun bir örneği, zaman içindeki müşteri davranışını analiz eden sürekli davranışsal tanımlamadır. Bu, hesabı bir cep telefonuna bağlayarak yapılır.

Büyük veri, bankaların neredeyse tüm temel görevlerini çözebilir: müşteri çekmek, hizmet kalitesini artırmak, borçluları değerlendirmek, dolandırıcılıkla mücadele etmek vb. Raporlamanın hızını ve kalitesini artırarak, veri analizinin derinliğini artırarak, aklamayla mücadeleye katılarak Yasadışı fonların önlenmesi için bu teknolojiler bankaların düzenleyici kurumların gerekliliklerini karşılamalarına yardımcı oluyor

Bankaların büyük veri analiz teknolojilerini kullandıkları temel görevler, raporların anında alınması, puanlama, şüpheli işlemlerin, dolandırıcılık ve kara para aklamanın önlenmesinin yanı sıra müşterilere sunulan bankacılık ürünlerinin kişiselleştirilmesidir.

Büyük veri teknolojileri esas olarak müşteri ortamını analiz etmek için kullanılır. SAP CIS (SAP CIS) Genel Müdür Yardımcısı Dmitry Shepelyavy birkaç örnek veriyor: “Amerikan bankası PNC, müşterilerinin web sitelerindeki davranışlarına ilişkin verileri, satın almalar ve yaşam tarzı hakkındaki bilgileri esnek bir faiz oranları hesaplama politikasına dönüştürüyor, bu da sonuçta büyüme rakamlarının kapitalizasyonuyla ifade edilir. Commonwealth Bank of Australia (CBA), mevduat sahiplerinin tüm işlemlerini analiz ediyor ve bu analizi sosyal ağlarda onlar hakkında veri toplayarak destekliyor. Banka, bu veri akışlarını birbirine bağlayarak kredi temerrüt oranında önemli bir azalma elde etti. Ve Rusya'da, Ural İmar ve Kalkınma Bankası'nın deneyimi ilginçtir - belirli bir müşterinin maksimum ilgisini çekebilecek kredi teklifleri, mevduatlar ve diğer hizmetler oluşturmak için müşteri tabanına ilişkin bilgilerle çalışmaya başladılar. BT çözümlerini kullanmaya başladığı yaklaşık bir yıl içinde UBRD'nin bireysel kredi portföyü yaklaşık %55 arttı."

McKinsey & Company'nin 2014 yılında yaptığı bir araştırmaya göre, ankete katılan hastaların %75'i dijital hizmetleri kullanmak istiyor; oysa nüfusun çoğunluğunun bunları tedavi için kullanma konusunda isteksiz olduğu yönündeki yaygın görüşün aksine.

Hastaların kaliteli tıbbi bakım ihtiyaçlarını karşılamak için birçok ülkede sağlık hizmetleri giderek daha fazla akıllı teknolojilere yöneliyor. Örneğin bugün Almanya'da Büyük Veri teknolojileri sayesinde hastaların ve bağışçıların kanları analiz edilerek onkolojik hastalıklar veya bunlara yatkınlık tespit ediliyor. Zamanında teşhis sonucunda devletin ve halkın maliyetleri önemli ölçüde azalır ve tedavinin etkinliği inanılmaz derecede artar. Sonuçta hastalığı ilerlemiş bir hastanın en önemli düşmanlarından biri zamandır. Daha önce bahsedilen onkolojiye dönelim. İstenilen tedavi rejiminin teşhisi ve seçimi, kötü huylu tümörler tespit edildiğinde hızlı müdahalede çok önemli olan değerli dakikaları ortadan kaldırabilir.

Uzmanlar, büyük verilerin halihazırda bilinen ve yaygın görevlere ek olarak hastalıklarla mücadele etmek ve salgın hastalıkların büyümesini izlemek için de kullanılabileceğini söylüyor. Böylece, Ebola virüsü salgınının resmi olarak salgın ilan edilmesinden dokuz gün önce, Boston'dan bir grup araştırmacı ve bilim insanı, büyük verileri kullanarak, Gine'de kanamalı ateşin yayılımını tespit edebildi.

Ölümcül virüs salgınının Batı Afrika'daki hareketinin bir resmi, sosyal medyadaki ifadeleri, yerel haber raporlarını ve Web'de bulunan diğer verileri dikkate alan bir algoritma temelinde çalışan yeni kurulan HealthMap tarafından derlendi.

Büyük veri sistemleri öncelikle belirli hastalıkların mevcut salgınlarını tespit etmek için değil, mevcut bilgilerin analizi yoluyla bu tür potansiyel salgınları tahmin etmek için faydalı olabilir. Bu durumda, pazarlamacıların tüketicilere hedefli reklamlar sunmasına veya izlenecek müzik ve videoları önermesine yardımcı olan teknolojinin çoğu, Ebola gibi bulaşıcı hastalıklarla mücadelede kullanılabilir.

Otomotiv sektöründe büyük veri

E-ticarette büyük veri

Perakendede büyük veri

Çevrimdışı perakende, müşteri davranışını analiz etmek, satış alanı etrafındaki rotaları tasarlamak, ürünleri doğru şekilde düzenlemek, satın almaları planlamak ve sonuçta satışları artırmak için büyük verileri kullanır. Çevrimiçi perakende satışta, satış mekanizmasının kendisi inşa edilmemiştir: kullanıcılara önceki satın alımlarına ve kişisel tercihlerine göre ürünler sunulur ve bunlarla ilgili bilgiler örneğin sosyal ağlarda toplanır. Her iki durumda da büyük veri analitiği maliyetlerin azaltılmasına, müşteri bağlılığının arttırılmasına ve daha geniş kitlelere ulaşılmasına yardımcı olur. Bunların hepsi büyük veri teknolojileri kullanılarak gerçekleştirilebilecek temel yeteneklerdir.

Ekonomik krize rağmen perakende de dahil olmak üzere büyük veriyi uygulamaya yönelik projelerin sayısında artış bekleniyor. Yeni teknolojilerin piyasaya sürülmesi sadece kârları değil aynı zamanda yüksek riskleri de tehdit etse de, şirketler daha kararlı iş arkadaşlarının başarılarına zaten aşina hale geldi. Ekonomik açıdan zor durumdayken tasarruf etme ve müşteri sadakatini artırma ihtiyacı ön plana çıkıyor. Büyük veri çözümlerinin üstesinden gelmek için tasarlandığı şey tam da bu görevlerdir.

Müşteri mücadelesinde perakendeciler, büyük veri analizi, e-ticaret, çok kanallı hizmetler, RFID teknolojileri vb. gibi yenilikçi teknolojilere giderek daha fazla yöneliyor. Örneğin Kore'de dünyanın ilk sanal mağazası yakın zamanda doğrudan metro platformunda açıldı. Seul sakinleri, çeşitli ürünlerin görselleriyle kaplı panellerden QR kodlarını tarayarak seçtikleri ürünü sanal sepetlerine ekliyor ve bu ürünler uygun bir zamanda evlerine teslim ediliyor. Bu tür teknolojiler muhtemelen her zaman acelesi olan Moskovalılar arasında bir karşılık bulacaktır.

Özellikle bu sektördeki flash sürücülerin penetrasyonu önemli ölçüde arttı - 2012'de %37'ye kadar. Araştırmacılar, flash belleğin içerik dağıtımında ve post prodüksiyonda önemli bir rol oynadığını belirtiyor. 2012-2017 yılları arasında eğlence sektöründe dijital depolama kapasitesi gereksinimleri 5,6 kat, yıllık veri depolama kapasitesi gereksinimleri ise 4 kat artacaktır (22.425 PB'den 87.152 PB'ye).

Medya ve eğlence sektöründeki depolama sistemleri satışından elde edilen gelir, 2012'den 2017'ye kadar olan dönemde 1,4 kattan fazla artarak 5,6 milyar dolardan 7,8 milyar dolara çıkacak. 2012'deki maksimum depolama çözümleri yeni içeriğin korunması ve arşivlenmesi için kullanıldı (%98) .

Coughlin Associates, 2012'de sevk edilen toplam depolamanın %43'ünün bant, %41'inin HDD, %16'sının optik disk ve %0,2'sinin flaş (öncelikle dijital kameralarda ve bazı medya dağıtım sistemlerinde kullanılır) olduğunu tahmin ediyor. 2017 yılına gelindiğinde, bantlar yalnızca %38'i oluştururken, HDD'ler %59'unu, optik diskler %3'ünü ve flaş ise %0,3'ünü oluşturacak.

Medya ve eğlence sektöründe kullanılan medya ve cihazların satışından elde edilen toplam gelir, 2012'den 2017'ye 1,3 kat artarak 774 milyon dolardan 974 milyon dolara çıkacak.

Pazarlamada büyük veri

Rekabet kızıştığında şirketlerin hizmetlerini müşterilere en çok ihtiyaç duyulan zamanda sunmaları ve bunu hızlı bir şekilde yapmaları önemlidir. Bu nedenle pazarlamanın rolü artıyor; artık eskisi gibi bir yan iş dalı değil. IBM araştırmasına göre, CEO'ların %63'ü, iş stratejilerine rehberlik etmek için pazarlama şeflerinden (CMO'lar) yararlanıyor. Bu sürece katılım düzeyi açısından CMO'lar %72'lik bir göstergeyle sadece finans direktörlerinin önünde yer alıyor.

Artık pazarlamacılar, pazarlama departmanlarının yeteneklerini büyük ölçüde artıran modern büyük veri teknolojilerinden ve güçlü analizlerden yararlanabiliyor. Daha önce ellerinde küçük veri parçaları olsaydı, buna dayanarak bütünün bir resmini oluşturmak zorundaydılar ve veriler bazen onları geri almanın zor olduğu yerlerde saklanıyordu, ancak şimdi durum değişti değişti.

CMO'lar iç ve dış kaynaklardan gelen verileri birleştirir. İlk olarak, insanlar kendileri hakkında birçok bilgiyi örneğin sosyal ağlarda iletirler. Oradan onların tercihlerini veya hizmetlere yönelik eleştirilerini takip edebilirsiniz. Bu tür verilerin analizi, müşterilerimize kişiselleştirilmiş teklifler sunmamıza olanak tanır. Bu özellikle KOBİ sektörüne ait kuruluşlar için önemlidir. Üstelik küçük şirketler bazen müşterilerinin talep etmesi halinde yeni iş kolları açmak zorunda kalıyor.

IBM, 2004'ten bu yana her yıl şirket yöneticileri arasında bir anket düzenliyor. "Zorluklara Karşı Yükselmek: CMO'lar Bilgi Boşluklarını Doldurmaya Nasıl Başlayabilirler" başlıklı yeni çalışma, dünya çapında 56 ülke ve 19 sektörden beş yüzden fazla pazarlama müdürüyle anket yaptı.

Araştırma sonuçları, katılımcıların %94'ünün analitiğin hedeflerine ulaşmada önemli bir rol oynayacağına inandığını gösterdi. Aynı zamanda, kuruluşlarının veri patlamasından gerçek ekonomik değer elde etme konusunda yeterli donanıma sahip olmadığına inanan CEO'ların sayısında da bir artış oldu (yanıt verenlerin sayısı üç yıl önce %71'den %82'ye yükseldi).

Çalışma aynı zamanda CMO'nun CIO ile yakın işbirliği içinde çalıştığında işletmenin daha başarılı performans gösterme eğiliminde olduğunu da ortaya çıkardı. CMO'ların öncelikleri artık dijital ekonominin ihtiyaçlarıyla uyumlu hale geldi. 2013 yılında ilk kez “teknoloji geliştirme” öncelikler arasında ilk sırayı aldı.

Başka bir gerçek: Pazarlama yöneticilerinin %94'ü mobil teknolojinin gelecekteki başarının temel itici gücü olacağına inanıyor. Üç yıl önce ankete katılanların %80'i bu görüşü dile getirmişti. Anket katılımcılarının çoğu (yanıt verenlerin %58'i) bulundukları yerden veya kullandıkları cihazdan bağımsız olarak işlerini yürütebileceklerini söyledi.

Sivil Havacılık Büyük Veri

Analistlerin tahminlerine göre havacılık ve uzay sektöründeki şirketlerin %67'si Büyük Veriye dayalı projeler uyguluyor, %10'u da bu tür projeler planlıyor. Havayolu şirketlerinin yüzde 44'ü Şubat 2019'a yönelik projelerin hayata geçirildiğini, yüzde 25'i ise bu tür projelere ilişkin planlarını açıkladı.

Bunlar, FlightGlobal tarafından Aralık 2017'de havacılık ve uzay şirketleri ve havayolları için Büyük Verinin rolüne ilişkin yürütülen bir çalışmanın sonuçlarıdır. Analistler ayrıca uçakların durumuna ilişkin verilerin, tamir ve bakım (MRO) yapan üreticiler ve firmalarla paylaşılmasına ilişkin görüşlere de ulaştı. Araştırmaya havacılık ve havacılık endüstrilerinden 300 profesyonel katıldı. Çoğu, Büyük Veri teknolojilerinin havayollarının operasyonel güvenilirliğini ve verimliliğini artırabileceğinden emin.

Ankete katılanların yaklaşık yarısı, şirketlerinin uçakların durumuyla ilgili veri kümelerini kullandığını ve bunun da daha iyi kararlar almalarına yardımcı olduğunu söyledi. Yakın gelecekte bu şirketlerin payı yüzde 75'e çıkacak.

OEM/MRO ile veri paylaşımı hâlâ sorunlu olmaya devam ediyor. Ancak havayolu şirketlerinin %38'i böyle bir modelin kendilerine önemli ticari faydalar sağlayabileceğine inanıyor.

Honeywell'in Mayıs 2018 "Bağlantılı Uçak" araştırmasına göre, ankete katılan havayollarının %47'si, gelecek yıl uçakları birbirine bağlamak için uçacakları uçak başına 1 milyon dolara kadar harcama yapmayı planlıyor. Bu şirketlerin çoğu 0,1 ile 0,5 milyon dolar arasındaki tutarları karşılamayı planlıyor. Ancak beş yıllık perspektifte hava taşıyıcılarının yüzde 38'i uçak başına 1-10 milyon dolar arasında yatırım yaptığını açıkladı.

Havayollarının bağlantılı teknolojilere yatırım yaptığı Şubat 2019'a kadar bu yatırım öncelikle uydu iletişimi ve Wi-Fi sağlamakla ilgiliydi. Artık şirketler, doğrudan uçaktaki ekipmanları kullanarak elde edebilecekleri verilerden yararlanmaya hazır. Örneğin, Honeywell analistlerinin tahminine göre, bu tür veriler onlara tüketilen yakıttan %1 oranında tasarruf sağlayabilir; bu da uçak başına yıllık 50.000 ABD dolarına eşdeğerdir. Devamını oku.

Ne oldu Büyük veri(gerçekten - Büyük veri)? Önce Oxford Sözlüğü'ne bakalım:

Veri- Bir bilgisayarın çalıştırdığı ve manyetik, optik veya mekanik ortama kaydedilen, elektrik sinyalleri biçiminde saklanabilen ve iletilebilen miktarlar, işaretler veya semboller.

Terim Büyük veri Zaman içinde katlanarak büyüyen büyük bir veri kümesini tanımlamak için kullanılır. Bu kadar miktarda veriyi işlemek için onsuz yapamazsınız.

Büyük Verinin sağladığı faydalar:

1. Çeşitli kaynaklardan veri toplamak.
2. Gerçek zamanlı analizler yoluyla iş süreçlerini iyileştirme.
3. Büyük miktarda veri depolamak.
4. Analizler. Büyük Veri, yapılandırılmış ve yarı yapılandırılmış veriler aracılığıyla gizli bilgilere dair daha anlayışlı bir yaklaşım sunar.
5. Büyük veri, doğru risk analitiğiyle riski azaltmanıza ve akıllı kararlar almanıza yardımcı olur

Büyük Veri Örnekleri

New York Borsası günlük üretir 1 terabayt Geçmiş seansa ait işlem verileri.

Sosyal medya: İstatistikler Facebook'un her gün yükleme yaptığını gösteriyor 500 terabayt Yeni veriler esas olarak fotoğraf ve videoların sosyal ağ sunucularına yüklenmesi, mesajlaşma, gönderilerin altındaki yorumlar vb. nedeniyle üretiliyor.

Jet motoruüretir 10 terabayt Uçuş sırasında her 30 dakikada bir veri. Her gün binlerce uçuş yapıldığından veri hacmi petabaytlara ulaşıyor.

Büyük Veri sınıflandırması

Büyük veri formları:

• Yapılandırılmış
• yapılandırılmamış
• Yarı yapılandırılmış

Yapılandırılmış form

Sabit bir formatta saklanabilen, erişilebilen ve işlenebilen verilere yapılandırılmış veriler denir. Zamanla bilgisayar bilimi, bu tür verilerle (formatın önceden bilindiği durumlarda) çalışma tekniklerini geliştirmede büyük ilerlemeler kaydetti ve bundan nasıl yararlanılacağını öğrendi. Bununla birlikte, bugün hacimlerin birkaç zettabayt aralığında ölçülen boyutlara büyümesiyle ilgili sorunlar zaten var.

1 zettabayt bir milyar terabayta eşittir

Bu rakamlara bakıldığında Büyük Veri teriminin doğruluğunu ve bu verilerin işlenmesi ve saklanmasının zorluklarını görmek kolaydır.

İlişkisel bir veritabanında saklanan veriler yapılandırılmıştır ve örneğin şirket çalışanlarının tablolarına benzemektedir.

yapılandırılmamış form

Bilinmeyen yapıya sahip veriler, yapılandırılmamış olarak sınıflandırılır. Büyük boyutuna ek olarak, bu şekil, yararlı bilgilerin işlenmesi ve çıkarılmasında bir takım zorluklarla karakterize edilir. Yapılandırılmamış verilere tipik bir örnek, basit metin dosyalarının, görsellerin ve videoların bir kombinasyonunu içeren heterojen bir kaynaktır. Günümüzde kuruluşlar büyük miktarda ham veya yapılandırılmamış veriye erişime sahip ancak bundan nasıl değer elde edeceklerini bilmiyorlar.

Yarı yapılandırılmış form

Bu kategori yukarıda açıklananların her ikisini de içerir; dolayısıyla yarı yapılandırılmış veriler bir biçime sahiptir ancak aslında ilişkisel veritabanlarındaki tablolar tarafından tanımlanmaz. Bu kategorinin bir örneği, bir XML dosyasında sunulan kişisel verilerdir.

Prashant RaoErkek35 Seema R.Dişi41 Satish YelesiErkek29 Subrato RoyErkek26 Yeremya J.Erkek35

Büyük Verinin Özellikleri

Zaman içinde Büyük Veri büyümesi:

Mavi renk, ilişkisel veritabanlarında saklanan yapılandırılmış verileri (Kurumsal veriler) temsil eder. Diğer renkler çeşitli kaynaklardan (IP telefonu, cihazlar ve sensörler, sosyal ağlar ve web uygulamaları) gelen yapılandırılmamış verileri gösterir.

Gartner'a göre büyük veriler hacim, üretim hızı, çeşitlilik ve değişkenlik açısından farklılık gösteriyor. Bu özelliklere daha yakından bakalım.

1. Hacim. Büyük Veri teriminin kendisi büyük boyutla ilişkilidir. Veri boyutu, çıkarılacak potansiyel değerin belirlenmesinde kritik bir ölçümdür. Her gün 6 milyon kişi dijital medyayı kullanıyor ve tahminen 2,5 kentilyon bayt veri üretiyor. Bu nedenle hacim, dikkate alınması gereken ilk özelliktir.
2. Çeşitlilik- bir sonraki husus. Heterojen kaynakları ve yapılandırılmış veya yapılandırılmamış olabilen verilerin doğasını ifade eder. Daha önce çoğu uygulamada dikkate alınan tek bilgi kaynağı elektronik tablolar ve veritabanlarıydı. Günümüzde analitik uygulamalarda e-posta, fotoğraf, video, PDF dosyası ve ses şeklindeki veriler de dikkate alınmaktadır. Yapılandırılmamış verilerin bu çeşitliliği depolama, madencilik ve analizde sorunlara yol açıyor: Şirketlerin %27'si doğru verilerle çalıştıklarından emin değil.
3. Üretim hızı. Gereksinimleri karşılamak için verilerin ne kadar hızlı bir şekilde toplandığı ve işlendiği potansiyeli belirler. Hız, kaynaklardan (iş süreçleri, uygulama günlükleri, sosyal ağ ve medya siteleri, sensörler, mobil cihazlar) bilgi akışının hızını belirler. Veri akışı çok büyük ve zaman içinde süreklidir.
4. Değişkenlik Verilerin zaman içindeki bazı noktalardaki değişkenliğini açıklar, bu da işleme ve yönetimi karmaşıklaştırır. Örneğin, çoğu veri doğası gereği yapılandırılmamıştır.

Büyük Veri analitiği: Büyük verinin faydaları nelerdir?

Mal ve hizmetlerin tanıtımı: Arama motorlarından ve Facebook, Twitter gibi sitelerden verilere erişim, işletmelerin pazarlama stratejilerini daha doğru geliştirmesine olanak tanır.

Müşterilere yönelik hizmetin iyileştirilmesi: Geleneksel müşteri geri bildirim sistemleri, müşteri geri bildirimlerini okumak ve değerlendirmek için Büyük Veri ve Doğal Dil İşleme kullanan yenileriyle değiştiriliyor.

Risk hesaplaması yeni bir ürün veya hizmetin piyasaya sürülmesiyle ilişkilidir.

Operasyonel verimlilik: Büyük veri, gerekli bilgilerin hızlı bir şekilde çıkarılması ve doğru sonuçların hızlı bir şekilde üretilmesi amacıyla yapılandırılmıştır. Büyük Veri ve depolama teknolojilerinin bu kombinasyonu, kuruluşların çalışmalarını nadiren kullanılan bilgilerle optimize etmesine yardımcı olur.

Araştırma ve trendlerden elde edilen materyallere dayanmaktadır

Büyük Veri, birkaç yıldır BT ve pazarlama basınının gündeminde. Ve şu açık: dijital teknolojiler modern insanın hayatına nüfuz etti, "her şey yazılı." Yaşamın çeşitli yönlerine ilişkin veri hacmi artıyor ve aynı zamanda bilgi depolama olanakları da artıyor.

Bilgi depolamak için küresel teknolojiler

Kaynak: Hilbert ve Lopez, `Dünyanın bilgiyi depolamak, iletmek ve hesaplamak için teknolojik kapasitesi,` Science, 2011 Global.

Çoğu uzman, veri büyümesini hızlandırmanın nesnel bir gerçeklik olduğu konusunda hemfikirdir. Sosyal ağlar, mobil cihazlar, ölçüm cihazlarından gelen veriler, iş bilgileri; bunlar devasa miktarda bilgi üretebilen kaynak türlerinden yalnızca birkaçıdır. Araştırmaya göre IDCDijital Evren 2012 yılında yayınlanan rapora göre, önümüzdeki 8 yıl içinde dünyadaki veri miktarı 40 ZB'ye (zettabayt) ulaşacak, bu da gezegenin her sakini için 5200 GB'a eşdeğer.

ABD'de dijital bilgi toplamanın büyümesi

Kaynak: IDC

Bilginin çoğu insanlar tarafından değil, hem birbirleriyle hem de sensörler ve akıllı cihazlar gibi diğer veri ağlarıyla etkileşime giren robotlar tarafından yaratılıyor. Araştırmacılara göre bu büyüme hızıyla dünyadaki veri miktarı her yıl ikiye katlanacak. Yeni veri merkezlerinin genişletilmesi ve oluşturulması nedeniyle dünyadaki sanal ve fiziksel sunucuların sayısı on kat artacaktır. Sonuç olarak, bu verileri etkili bir şekilde kullanmaya ve paraya dönüştürmeye yönelik artan bir ihtiyaç var. Büyük Veriyi iş hayatında kullanmak ciddi yatırımlar gerektirdiğinden, durumu net bir şekilde anlamanız gerekiyor. Ve özünde basittir: Maliyetleri azaltarak ve/veya satış hacmini artırarak iş verimliliğini artırabilirsiniz.

Neden Büyük Veriye ihtiyacımız var?

Büyük Veri paradigması üç ana sorun türünü tanımlar.

• Geleneksel ilişkisel veritabanlarının etkili bir şekilde kullanamadığı yüzlerce terabayt veya petabayt veriyi depolar ve yönetir.
• Metinler, resimler, videolar ve diğer veri türlerinden oluşan yapılandırılmamış bilgileri düzenleyin.
• Yapılandırılmamış bilgilerle çalışmanın yolları, analitik raporların oluşturulması ve tahmine dayalı modellerin uygulanması sorusunu gündeme getiren Büyük Veri analizi.

Büyük Veri proje pazarı, uzmanlara göre küresel hacmi 2012 yılında yaklaşık 100 milyar dolara ulaşan iş analitiği (BA) pazarıyla kesişiyor. Ağ teknolojisi, sunucular, yazılım ve teknik hizmetlerin bileşenlerini içerir.

Ayrıca Büyük Veri teknolojilerinin kullanımı, şirketlerin faaliyetlerini otomatikleştirmek için tasarlanan gelir güvencesi (RA) sınıfı çözümlerle de ilgilidir. Modern gelir garantisi sistemleri, tutarsızlıkları tespit etmeye ve derinlemesine veri analizine yönelik araçlar içerir; bu, finansal sonuçlarda düşüşe yol açabilecek olası kayıpların veya bilgi çarpıklığının zamanında tespit edilmesine olanak tanır. Bu arka plana karşı, iç pazarda Büyük Veri teknolojilerine yönelik talebin varlığını doğrulayan Rus şirketleri, Rusya'da Büyük Verinin gelişimini teşvik eden faktörlerin veri büyümesi, yönetim karar alma sürecinin hızlanması ve kalitelerinin iyileştirilmesi olduğunu belirtiyor.

Büyük Veri ile çalışmanızı engelleyen şey nedir?

Bugün, Büyük Veri sınıfı analitik çözümler kullanılarak çözülebilecek nesnel olarak sektör çapında sorunların bulunmasına rağmen, biriken dijital verilerin yalnızca %0,5'i analiz ediliyor. Gelişmiş BT pazarları, büyük verilerin birikmesi ve işlenmesiyle ilgili beklentileri değerlendirmek için kullanılabilecek sonuçlara zaten sahiptir.

Büyük Veri projelerinin uygulanmasını yavaşlatan en önemli faktörlerden biri de yüksek maliyet olduğu düşünülmektedir. işlenmiş veriyi seçme sorunu: yani hangi verilerin alınması, saklanması ve analiz edilmesi gerektiğini ve hangilerinin göz ardı edilmesi gerektiğini belirlemek.

Birçok işletme temsilcisi, Büyük Veri projelerinin uygulanmasındaki zorlukların uzman, pazarlamacı ve analist eksikliğinden kaynaklandığını belirtiyor. Büyük Veriye yapılan yatırımın geri dönüş hızı, doğrudan derinlemesine ve tahmine dayalı analitikle ilgilenen çalışanların iş kalitesine bağlıdır. Bir kuruluşta halihazırda mevcut olan muazzam veri potansiyeli, güncelliğini yitirmiş iş süreçleri veya iç düzenlemeler nedeniyle çoğu zaman pazarlamacılar tarafından etkili bir şekilde kullanılamamaktadır. Bu nedenle, Büyük Veri projeleri işletmeler tarafından genellikle sadece uygulanması değil aynı zamanda sonuçların, yani toplanan verilerin değerinin değerlendirilmesinin de zor olduğu algısına sahiptir. Verilerle çalışmanın kendine özgü doğası, pazarlamacıların ve analistlerin dikkatlerini teknolojiden ve rapor oluşturmaktan belirli iş sorunlarını çözmeye kaydırmasını gerektirir.

Büyük hacimli ve yüksek veri akışı hızı nedeniyle, veri toplama süreci gerçek zamanlı ETL prosedürlerini içerir. Referans için:ETL - itibarenİngilizceÇıkarmak, Dönüştür, Yük- kelimenin tam anlamıyla “çıkarma, dönüştürme, yükleme”) - yönetimdeki ana süreçlerden biri veri ambarları şunları içerir: harici kaynaklardan veri çıkarılması, bunların dönüştürülmesi ve ihtiyaçları karşılamak için temizlik ETL yalnızca verileri bir uygulamadan diğerine taşıma süreci olarak değil, aynı zamanda verileri analize hazırlamaya yönelik bir araç olarak da görülmelidir.

Daha sonra dış kaynaklardan gelen verilerin güvenliğinin sağlanması konularının, toplanan bilgi hacmine uygun çözümlere sahip olması gerekir. Büyük Veri analiz yöntemleri ancak veri hacmindeki büyüme sonrasında geliştiğinden, analitik platformların veri hazırlama ve birleştirmede yeni yöntemleri kullanma yeteneği büyük rol oynamaktadır. Bu, örneğin potansiyel alıcılara ilişkin verilerin veya çevrimiçi alışveriş sitelerindeki tıklamaların geçmişini içeren devasa bir veri ambarının çeşitli sorunların çözümünde ilgi çekici olabileceğini düşündürmektedir.

Zorluklar bitmiyor

Büyük Veri'nin uygulanmasındaki tüm zorluklara rağmen işletme bu alandaki yatırımlarını artırmayı planlıyor. Gartner verilerine göre, 2013 yılında dünyanın en büyük şirketlerinin %64'ü zaten yatırım yapmış veya işlerinde Büyük Veri teknolojilerinin dağıtımına yatırım yapmayı planlıyorken, 2012'de bu oran %58'di. Gartner araştırmasına göre Büyük Veriye yatırım yapan sektörlerin liderleri medya şirketleri, telekomünikasyon, bankacılık ve hizmet şirketleridir. Radyo frekansı tanımlama araçları, lojistik ve yer değiştirme sistemleri kullanılarak elde edilen verilerin kullanımı açısından perakende sektöründeki birçok büyük oyuncu tarafından Büyük Veri'nin uygulanmasından başarılı sonuçlar elde edilmiştir. ikmal- birikim, ikmal - Ar-Ge) ve ayrıca sadakat programlarından. Başarılı perakende deneyimi, diğer pazar sektörlerini, analizini iş geliştirme için işe yarayan bir kaynağa dönüştürmek amacıyla büyük verilerden para kazanmanın yeni etkili yollarını bulmaya teşvik eder. Bu sayede uzmanlara göre, 2020'ye kadar olan dönemde yönetim ve depolamaya yapılan yatırımlar gigabayt veri başına 2 dolardan 0,2 dolara düşecek, ancak Büyük Veri'nin teknolojik özelliklerinin incelenmesi ve analizi yalnızca %40 artacak.

Büyük Veri alanındaki çeşitli yatırım projelerinde sunulan maliyetler farklı niteliktedir. Maliyet kalemleri, belirli kararlara göre seçilen ürün türlerine bağlıdır. Uzmanlara göre yatırım projelerinde maliyetlerin en büyük kısmı verilerin toplanması, yapılandırılması, temizlenmesi ve bilgi yönetimi ile ilgili ürünlere düşüyor.

Nasıl yapıldı?

Çeşitli iş disiplinleri için etkili Büyük Veri çözümleri oluşturmanıza olanak tanıyan birçok yazılım ve donanım kombinasyonu vardır: sosyal medya ve mobil uygulamalardan iş verilerinin akıllı analizi ve görselleştirilmesine kadar. Büyük Verinin önemli bir avantajı, yeni araçların iş dünyasında yaygın olarak kullanılan veritabanlarıyla uyumluluğudur; bu, çok kanallı satışların ve müşteri desteğinin organize edilmesi gibi disiplinler arası projelerle çalışırken özellikle önemlidir.

Büyük Veri ile çalışma sırası; veri toplamak, alınan bilgileri raporlar ve gösterge tabloları kullanarak yapılandırmak, içgörüler ve bağlamlar oluşturmak ve eylem önerileri formüle etmekten oluşur. Büyük Veri ile çalışmak, işleme sonucu önceden bilinmeyen veri toplamanın büyük maliyetlerini gerektirdiğinden, asıl görev, verilerin ne kadarının mevcut olduğunu değil, ne için olduğunu açıkça anlamaktır. Bu durumda veri toplama, yalnızca belirli sorunları çözmek için gerekli olan bilgilerin elde edilmesi sürecine dönüşür.

Örneğin telekomünikasyon sağlayıcıları, coğrafi konum da dahil olmak üzere sürekli güncellenen büyük miktarda veriyi bir araya getirir. Bu bilgiler, perakendeciler ve bankaların yanı sıra hedefli ve yerel reklam sunmak için kullanabilecek reklam ajanslarının ticari ilgisini çekebilir. Bu tür veriler, hedeflenen güçlü bir insan akışının varlığına ilişkin verilere dayanarak belirli bir yerde bir perakende satış noktası açmaya karar verirken önemli bir rol oynayabilir. Londra'da açık hava reklam panolarında reklamın etkinliğini ölçen bir örnek var. Artık bu tür reklamların erişimi yalnızca insanların özel bir cihazla yoldan geçenleri sayan reklam yapılarının yakınına yerleştirilmesiyle ölçülebiliyor. Bu tür reklam etkinliğini ölçmeyle karşılaştırıldığında, mobil operatör çok daha fazla fırsata sahiptir; abonelerinin yerini tam olarak bilir, demografik özelliklerini, cinsiyetini, yaşını, medeni durumunu vb. bilir.

Bu tür verilere dayanarak, gelecekte reklam panosunun önünden geçen belirli bir kişinin tercihlerini kullanarak reklam mesajının içeriğini değiştirme ihtimali vardır. Veriler, oradan geçen bir kişinin çok seyahat ettiğini gösteriyorsa, bu kişiye bir tatil yeri reklamı gösterilebilir. Bir futbol maçını düzenleyenler ancak maça geldiklerinde taraftar sayısını tahmin edebilirler. Ancak cep telefonu sağlayıcılarından ziyaretçilerin maçtan bir saat, bir gün veya bir ay önce nerede oldukları hakkında bilgi isteyebilecek olsalardı, bu organizatörlere gelecekteki maçlar için reklam noktaları planlama olanağı verecekti.

Başka bir örnek, bankaların dolandırıcılığı önlemek için Büyük Veriyi nasıl kullanabileceğidir. Müşteri, kartının kaybolduğunu bildirirse ve kartla bir satın alma işlemi gerçekleştirirken, banka, müşterinin telefonunun, işlemin gerçekleştiği satın alma alanındaki konumunu gerçek zamanlı olarak görürse, banka, müşterinin başvurusundaki bilgileri kontrol edebilir. onu kandırmaya çalışıp çalışmadığını görmek için. Veya tam tersi durumda, müşteri bir mağazada alışveriş yaptığında, banka işlem için kullanılan kart ile müşterinin telefonunun aynı yerde olduğunu görür, kart sahibinin bunu kullandığı sonucuna varabilir. Büyük Verinin bu gibi avantajları sayesinde geleneksel veri ambarlarının sınırları genişlemektedir.

Büyük Veri çözümlerini başarılı bir şekilde uygulamaya karar vermek için bir şirketin bir yatırım senaryosu hesaplaması gerekir ve bu, bilinmeyen birçok bileşen nedeniyle büyük zorluklara neden olur. Bu gibi durumlarda analitiğin paradoksu, verileri çoğunlukla eksik olan geçmişe dayanarak geleceği tahmin etmektir. Bu durumda önemli bir faktör, ilk eylemlerinizin net bir şekilde planlanmasıdır:

• İlk olarak, Büyük Veri teknolojilerinin kullanılacağı belirli bir iş problemini belirlemek gerekir; bu görev, seçilen konseptin doğruluğunu belirlemenin temelini oluşturacaktır. Bu özel göreve ilişkin verileri toplamaya odaklanmanız gerekir ve kavramın kanıtlanması sırasında gelecekte daha bilinçli kararlar vermenizi sağlayacak çeşitli araçları, süreçleri ve yönetim tekniklerini kullanabilirsiniz.
• İkincisi, veri analitiği becerisine ve deneyimine sahip olmayan bir şirketin Büyük Veri projesini başarıyla hayata geçirmesi pek mümkün değildir. Gerekli bilgi her zaman verilerle çalışmanın kalitesini etkileyen ana faktör olan önceki analitik deneyiminden kaynaklanır. Veri kültürü önemlidir çünkü çoğu zaman veri analizi bir işletme hakkındaki kesin gerçekleri ortaya çıkarır ve bu gerçekleri kabul etmek ve bu gerçeklerle çalışmak için veri uygulamaları gerekir.
• Üçüncüsü, Büyük Veri teknolojilerinin değeri içgörü sağlamada yatıyor.İyi analistler piyasada yetersiz kalıyor. Bunlara genellikle verilerin ticari anlamını derinlemesine anlayan ve onu nasıl doğru şekilde kullanacağını bilen uzmanlar denir. Veri analizi iş hedeflerine ulaşmanın bir yoludur ve Büyük Verinin değerini anlamak için buna göre davranmanız ve eylemlerinizi anlamanız gerekir. Bu durumda büyük veri, iş dünyası için hangi kararların alınabileceğine bağlı olarak tüketiciler hakkında pek çok yararlı bilgi sağlayacaktır.

Rusya Büyük Veri pazarının yeni şekillenmeye başlamasına rağmen, bu alandaki bireysel projeler halihazırda oldukça başarılı bir şekilde uygulanıyor. Federal Vergi Servisi ve Tinkoff Kredi Sistemleri Bankası projeleri gibi bazıları veri toplama alanında başarılı olurken, diğerleri veri analizi ve sonuçlarının pratik uygulaması açısından başarılıdır: bu Synqera projesidir.

Tinkoff Kredi Sistemleri Bankası, büyük ölçüde paralel hesaplamaya yönelik bir araç olan EMC2 Greenplum platformunu uygulamaya yönelik bir proje hayata geçirdi. Son yıllarda banka, kredi kartı kullanıcı sayısındaki yüksek artış nedeniyle, biriken bilgilerin işlenmesi ve verilerin gerçek zamanlı olarak analiz edilmesi hızına yönelik gereksinimleri artırmıştır. Banka, özellikle yapılandırılmamış verileri işlemek ve çeşitli kaynaklardan alınan kurumsal bilgilerle çalışmak için Büyük Veri teknolojilerinin kullanımını genişletme planlarını duyurdu.

Rusya Federal Vergi Servisi şu anda federal veri ambarı için analitik bir katman oluşturuyor. Temelinde, istatistiksel ve analitik işleme amacıyla vergi verilerine erişim için birleşik bir bilgi alanı ve teknolojisi yaratılmıştır. Projenin uygulanması sırasında, Federal Vergi Servisi'nin yerel düzeyinde 1.200'den fazla kaynaktan gelen analitik bilgilerin merkezileştirilmesi için çalışmalar yürütülmektedir.

Gerçek zamanlı büyük veri analizinin bir başka ilginç örneği ise Simplate platformunu geliştiren Rus startup Synqera'dır. Çözüm, büyük miktarda verinin işlenmesine dayanıyor; program, müşteriler hakkındaki bilgileri, satın alma geçmişlerini, yaşlarını, cinsiyetlerini ve hatta ruh hallerini analiz ediyor. Bir kozmetik mağazası zincirindeki kasalara, müşteri duygularını tanıyan sensörlere sahip dokunmatik ekranlar yerleştirildi. Program, kişinin ruh halini belirliyor, onunla ilgili bilgileri analiz ediyor, günün saatini belirliyor ve mağazanın indirim veri tabanını tarıyor, ardından alıcıya promosyonlar ve özel teklifler hakkında hedefli mesajlar gönderiyor. Bu çözüm müşteri bağlılığını arttırır ve perakendecilerin satışlarını artırır.

Yabancı başarılı vakalardan bahsedersek, ürünleri satmak için gerçek zamanlı verileri kullanan Dunkin`Donuts şirketinde Büyük Veri teknolojilerini kullanma deneyimi bu açıdan ilginçtir. Mağazalardaki dijital ekranlarda günün saatine ve ürün stok durumuna göre her dakika değişen teklifler sergileniyor. Şirket, nakit makbuzları kullanarak hangi tekliflerin müşterilerden en büyük yanıtı aldığına dair veriler alıyor. Bu veri işleme yaklaşımı, depodaki malların karını ve cirosunu artırmamıza olanak sağladı.

Büyük Veri projelerini uygulama deneyiminin gösterdiği gibi, bu alan modern iş sorunlarını başarıyla çözmek için tasarlanmıştır. Aynı zamanda Büyük Veri ile çalışırken ticari hedeflere ulaşmada önemli bir faktör, Büyük Veri alanında yenilikçi teknolojilerin kullanılmasının yanı sıra tüketici ihtiyaçlarını belirleyen analitiği de içeren doğru stratejinin seçimidir.

Econsultancy ve Adobe tarafından 2012'den bu yana kurumsal pazarlamacılar arasında her yıl gerçekleştirilen küresel bir araştırmaya göre, insanların İnternet'teki eylemlerini karakterize eden "büyük veriler" çok şey yapabilir. Çevrimdışı iş süreçlerini optimize edebilir, mobil cihaz sahiplerinin bilgi aramak için bunları nasıl kullandıklarını anlamaya yardımcı olabilirler veya sadece "pazarlamayı daha iyi hale getirebilirler". daha verimli. Üstelik ikinci işlev, sunduğumuz şemada da görüldüğü gibi, yıldan yıla giderek daha popüler hale geliyor.

İnternet pazarlamacılarının müşteri ilişkileri açısından ana çalışma alanları

Kaynak: Econsultancy ve Adobe, yayınlandı– emarketer.com

Ankete katılanların uyruğunun pek önemli olmadığını unutmayın. KPMG'nin 2013 yılında gerçekleştirdiği bir anketin gösterdiği gibi, "iyimserlerin" payı, yani. Bir iş stratejisi geliştirirken Büyük Veriyi kullananların oranı %56'dır ve bölgeden bölgeye farklılıklar küçüktür: Kuzey Amerika ülkelerinde %63'ten EMEA'da %50'ye.

Dünyanın farklı bölgelerinde Büyük Veri kullanımı

Kaynak: KPMG, yayınlandı– emarketer.com

Bu arada, pazarlamacıların bu tür "moda trendlerine" karşı tutumu, bir bakıma iyi bilinen bir şakayı anımsatıyor:

Söylesene Vano, domates sever misin?
- Yemek yemeyi severim ama bu şekilde değil.

Pazarlamacıların Büyük Veriyi sözlü olarak "sevdikleri" ve hatta kullanıyor gibi göründükleri gerçeğine rağmen, sosyal ağlarda içten sevgilerini yazdıklarında gerçekte "her şey karmaşıktır".

Circle Research'ün Ocak 2014'te Avrupalı ​​pazarlamacılar arasında yaptığı bir ankete göre, ankete katılan 5 kişiden 4'ü Büyük Veri kullanmıyor (elbette "beğenseler bile"). Sebepler farklı. Çok az sayıda inatçı şüpheci var -% 17 ve antipodlarıyla tamamen aynı sayı, yani. kendinden emin bir şekilde cevap verenler: “Evet.” Gerisi tereddüt ediyor ve şüphe ediyor, “bataklık”. "Henüz değil ama yakında" veya "diğerleri başlayana kadar bekleyeceğiz" gibi makul bahanelerle doğrudan yanıt vermekten kaçınırlar.

Büyük Verinin Pazarlamacılar Tarafından Kullanımı, Avrupa, Ocak 2014

Kaynak:dnx, yayınlanan -emarketer.iletişim

Kafalarını karıştıran ne? Tamamen saçmalık. Bazıları (tam olarak yarısı) bu verilere inanmıyor. Diğerleri (bunlardan oldukça az sayıda var - %55) "veri" ve "kullanıcı" kümelerini birbirleriyle ilişkilendirmekte zorlanıyorlar. Bazı insanlar (politik olarak doğru bir şekilde ifade etmek gerekirse) şirket içi bir karmaşaya sahiptir: veriler, pazarlama departmanları ve BT yapıları arasında başıboş bir şekilde dolaşmaktadır. Diğerleri için yazılım iş akışıyla baş edemiyor. Ve benzeri. Toplam paylar %100'ü önemli ölçüde aştığı için "çoklu bariyer" durumunun nadir olmadığı açıktır.

Büyük Verinin pazarlamada kullanımının önündeki engeller

Kaynak:dnx, yayınlanan -emarketer.iletişim

Dolayısıyla “Büyük Veri”nin hâlâ değerlendirilmesi gereken büyük bir potansiyel olduğunu kabul etmemiz gerekiyor. Bu arada, daha önce adı geçen Econsultancy şirketi tarafından yürütülen anket verilerinin de gösterdiği gibi, Büyük Veri'nin "moda trend" halesini kaybetmesinin nedeni bu olabilir.

Dijital pazarlamadaki en önemli trendler 2013-2014

Kaynak: Danışmanlık ve Adobe

Bunların yerini başka bir kral içerik pazarlaması alıyor. Ne kadardır?

Büyük Verinin temelde yeni bir olgu olduğu söylenemez. Uzun yıllardan beri büyük veri kaynakları mevcut: müşteri satın alımları, kredi geçmişleri, yaşam tarzına ilişkin veritabanları. Bilim insanları yıllardır bu verileri şirketlerin risk değerlendirmesine ve gelecekteki müşteri ihtiyaçlarını tahmin etmelerine yardımcı olmak için kullanıyor. Ancak bugün durum iki açıdan değişti:

Farklı veri kümelerini analiz etmek ve birleştirmek için daha karmaşık araçlar ve teknikler ortaya çıktı;

Bu analitik araçlar, neredeyse tüm veri toplama ve ölçüm yöntemlerinin dijitalleşmesiyle ortaya çıkan çığ gibi yeni veri kaynaklarıyla tamamlanıyor.

Mevcut bilgi yelpazesi, yapılandırılmış araştırma ortamlarında yetişen araştırmacılar için hem ilham verici hem de göz korkutucudur. Tüketici duyarlılığı web siteleri ve her türlü sosyal medya tarafından yakalanıyor. Bir reklamın görüntülenmesi yalnızca set üstü kutular tarafından değil aynı zamanda TV ile iletişim kuran dijital etiketler ve mobil cihazlar yardımıyla da kaydedilmektedir.

Davranışsal veriler (çağrı hacmi, alışveriş alışkanlıkları ve satın alma işlemleri gibi) artık gerçek zamanlı olarak mevcut. Böylece daha önce araştırma yoluyla elde edilebilen şeylerin çoğu artık büyük veri kaynakları kullanılarak öğrenilebiliyor. Ve tüm bu bilgi varlıkları, herhangi bir araştırma sürecine bakılmaksızın sürekli olarak üretilmektedir. Bu değişiklikler, büyük verinin klasik pazar araştırmasının yerini alıp alamayacağını merak etmemize neden oluyor.

Bu verilerle ilgili değil, sorular ve cevaplarla ilgili.

Klasik araştırma için ölüm çanını çalmadan önce, kritik olanın belirli veri varlıklarının varlığı değil, başka bir şey olduğunu kendimize hatırlatmalıyız. Tam olarak ne? Sorulara cevap verme yeteneğimiz budur. Büyük verinin yeni dünyasının komik yanı, yeni veri varlıklarından elde edilen sonuçların daha da fazla soruya yol açmasıdır ve bu sorular genellikle en iyi şekilde geleneksel araştırmalarla yanıtlanır. Dolayısıyla büyük veri büyüdükçe, büyük veri dünyasının sorularına cevap verebilecek “küçük veri”ye olan ihtiyacın da paralel olarak arttığını görüyoruz.

Durumu düşünün: Büyük bir reklamveren, mağaza trafiğini ve satış hacimlerini gerçek zamanlı olarak sürekli olarak izliyor. Mevcut araştırma metodolojileri (panelistlerin satın alma motivasyonları ve satış noktası davranışları hakkında anket yaptığımız) belirli alıcı segmentlerini daha iyi hedeflememize yardımcı oluyor. Bu teknikler, büyük verinin pasif bir gözlem aracı haline geldiği ve araştırmanın, çalışma gerektiren değişiklik veya olayların sürekli, dar odaklı bir inceleme yöntemi haline geldiği noktaya kadar, daha geniş bir yelpazedeki büyük veri varlıklarını içerecek şekilde genişletilebilir. Büyük veri, araştırmayı gereksiz rutinden bu şekilde kurtarabilir. Birincil araştırmanın artık olup bitene odaklanması gerekmiyor (büyük veri bunu yapacak). Bunun yerine, birincil araştırmalar neden belirli eğilimleri veya eğilimlerden sapmaları gözlemlediğimizi açıklamaya odaklanabilir. Araştırmacı veri elde etme konusunda daha az, onu nasıl analiz edeceği ve kullanacağı hakkında daha fazla düşünebilecektir.

Aynı zamanda büyük verinin en büyük sorunlarımızdan birini çözebileceğini görüyoruz: aşırı uzun çalışma sorunu. Araştırmaların bizzat incelenmesi, aşırı şişirilmiş araştırma araçlarının veri kalitesi üzerinde olumsuz bir etkiye sahip olduğunu göstermiştir. Birçok uzman bu sorunu uzun süredir kabul etse de her zaman “Ama bu bilgiye üst yönetim için ihtiyacım var” şeklinde yanıt verdiler ve uzun görüşmeler devam etti.

Niceliksel ölçümlerin pasif gözlem yoluyla elde edilebildiği büyük veri dünyasında bu konu tartışmalı hale geliyor. Tüketim ile ilgili tüm bu çalışmaları bir kez daha düşünelim. Büyük veriler bize pasif gözlem yoluyla tüketime dair içgörü sağlıyorsa, o zaman birincil anket araştırmasının artık bu tür bilgileri toplamasına gerek kalmaz ve sonunda kısa anket vizyonumuzu hüsnükuruntudan daha fazlasıyla destekleyebiliriz.

Büyük Verinin yardımınıza ihtiyacı var

Son olarak “büyük”, büyük verinin özelliklerinden yalnızca biridir. “Büyük” özelliği, verilerin boyutunu ve ölçeğini ifade eder. Elbette bu ana özelliktir, çünkü bu verilerin hacmi daha önce üzerinde çalıştığımız her şeyin ötesindedir. Ancak bu yeni veri akışlarının diğer özellikleri de önemlidir: Genellikle kötü biçimlendirilmiştir, yapılandırılmamıştır (veya en iyi ihtimalle kısmen yapılandırılmıştır) ve belirsizliklerle doludur. Uygun bir şekilde varlık analitiği olarak adlandırılan, yeni ortaya çıkan bir veri yönetimi alanı, büyük verilerdeki gürültüyü ortadan kaldırma sorununu ele alıyor. Görevi, bu veri setlerini analiz etmek ve kaç gözlemin aynı kişiye ait olduğunu, hangi gözlemlerin güncel ve hangilerinin kullanılabilir olduğunu bulmaktır.

Bu tür veri temizliği, büyük veya küçük veri varlıklarıyla çalışırken gürültüyü veya hatalı verileri ortadan kaldırmak için gereklidir, ancak yeterli değildir. Ayrıca önceki deneyimlerimize, analitiklerimize ve kategori bilgimize dayanarak büyük veri varlıkları etrafında bağlam oluşturmalıyız. Aslında pek çok analist, daha iyi kararların alınmasını mümkün kıldığından, büyük verinin doğasında bulunan belirsizliği yönetme becerisinin bir rekabet avantajı kaynağı olduğuna işaret ediyor.

Burası, birincil araştırmanın kendisini yalnızca büyük verilerle özgürleştirmekle kalmayıp, aynı zamanda büyük veri kapsamında içerik oluşturma ve analize de katkıda bulunduğu yerdir.

Bunun en iyi örneği, temelde farklı olan yeni marka değeri çerçevemizin sosyal medyaya uygulanmasıdır. (gelişmiş olanlardan bahsediyoruz)Millward Kahverengimarka değerini ölçmeye yeni bir yaklaşım Anlamlı bir şekilde Farklı Çerçeve– “Anlamlı Fark Paradigması” -R & T ). Model, belirli pazarlarda davranışsal olarak test edilmiş, standart bir temelde uygulanmış ve diğer pazarlama sektörlerine ve karar destek bilgi sistemlerine kolaylıkla uygulanabilmektedir. Başka bir deyişle, anket araştırmalarıyla desteklenen (ancak yalnızca bunlara dayanmayan) marka değeri modelimiz, büyük verinin yapılandırılmamış, kopuk ve belirsiz doğasının üstesinden gelmek için gereken tüm özelliklere sahiptir.

Sosyal medya tarafından sağlanan tüketici duyarlılığı verilerini göz önünde bulundurun. Ham haliyle, tüketici duyarlılığındaki iniş ve çıkışlar, marka değeri ve davranışın çevrimdışı ölçümleriyle çoğu zaman minimum düzeyde ilişkilidir: verilerde çok fazla gürültü vardır. Ancak tüketici anlamı, marka farklılaşması, dinamikler ve ayırt edicilik modellerimizi ham tüketici duyarlılığı verilerine uygulayarak bu gürültüyü azaltabiliriz; bu, sosyal medya verilerini bu boyutlara göre işlemenin ve toplamanın bir yoludur.

Veriler çerçevemize göre düzenlendikten sonra belirlenen trendler genellikle çevrimdışı marka değeri ve davranışsal ölçümlerle uyumlu hale gelir. Esasen, sosyal medya verileri kendi adına konuşamaz. Bunları bu amaçla kullanmak tecrübemizi ve markalar etrafında şekillenen modellerimizi gerektirir. Sosyal medya bize tüketicilerin markaları tanımlamak için kullandıkları dilde ifade edilen benzersiz bilgiler verdiğinde, birincil araştırmayı çok daha etkili hale getirmek için araştırmamızı oluştururken bu dili kullanmalıyız.

Muaf Araştırmanın Faydaları

Bu bizi, büyük verinin araştırmanın yerini almaktan ziyade onu özgürleştirmeye yönelttiğine geri getiriyor. Araştırmacılar her yeni vaka için yeni bir çalışma oluşturma zorunluluğundan kurtulacak. Sürekli büyüyen büyük veri varlıkları, farklı araştırma konuları için kullanılabilir ve sonraki birincil araştırmaların konuyu daha derinlemesine incelemesine ve mevcut boşlukları doldurmasına olanak tanır. Araştırmacılar aşırı şişirilmiş anketlere güvenmek zorunda kalmaktan kurtulacak. Bunun yerine kısa anketler kullanabilir ve en önemli parametrelere odaklanabilirler, bu da veri kalitesini artırır.

Bu özgürleşmeyle araştırmacılar, büyük veri varlıklarına kesinlik ve anlam katmak için yerleşik ilke ve fikirlerini kullanabilecek ve bu da anket araştırması için yeni alanlara yol açabilecek. Bu döngü, bir dizi stratejik konu hakkında daha fazla anlayışa ve nihayetinde her zaman birincil hedefimiz olması gereken marka ve iletişim kararlarının kalitesini bilgilendirmek ve geliştirmek olana doğru ilerlemeye yol açmalıdır.