Contenuto
- Disruption guida la nuova tecnologia per Analytics
- Adozione di Advanced Analytics
- Più nuova tecnologia
Fonte: Nmedia / Dreamstime.com
Porta via:
Le analisi sono la chiave per le aziende moderne, ma a volte il modo per ottenere il massimo dai tuoi dati comporta una fusione di vecchia e nuova tecnologia.
Mi viene chiesto continuamente, il data warehouse è morto?
Non solo questa idea relativamente vecchia non è morta, è più robusta che mai e gioca un ruolo importante con le nuove tecnologie nel fornire analisi migliori.
Enterprise Data Warehouse è morto? No, è vivo e vegeto e resterà in circolazione per molti anni a venire. Tuttavia, il suo scopo è cambiato. C'è una differenza nel motivo per cui oggi costruiamo il data warehouse aziendale perché ora fa parte di un'architettura estesa del data warehouse.
Ci sono tre interruzioni nel vecchio modo di fare le cose e queste sono le ragioni della nuova architettura estesa del data warehouse. Uno è l'avvento di nuove tecnologie come Hadoop, NoSQL ed elettrodomestici. Quindi, c'è la pressione per ridurre i costi attraverso open source e modi meno costosi di fare le cose. Infine, c'è l'avvento dei big data che ci consente di ottenere informazioni commerciali che non abbiamo mai avuto prima.
Questi driver di interruzione hanno aperto le porte a nuove tecnologie per potenziate capacità di gestione dei dati, nuove opzioni di implementazione come il cloud e i locali (la maggior parte delle aziende sta facendo un po 'di entrambi) e, infine, la maggiore adozione di analisi avanzate.
Disruption guida la nuova tecnologia per Analytics
Questa interruzione rappresenta un momento emozionante, ma tutti questi driver significano che le nostre architetture tradizionali devono adattarsi ed espandersi. Il data warehouse esteso è proprio una nuova architettura che comprende tre grandi componenti analitici:
- Enterprise Data Warehouse tradizionale
- Piattaforma di calcolo investigativo
- Intelligenza operativa
La piattaforma informatica investigativa è in circolazione da un tempo relativamente breve. È qui che brillano nuove tecnologie innovative come Hadoop, in-memory, archiviazione colonnare, compressione dei dati e dispositivi. La differenza tra questo e il data warehouse aziendale è che la piattaforma di elaborazione investigativa, come suggerisce il nome, è l'area sperimentale. È la sandbox in cui possiamo giocare e fare indagini non pianificate e generali. Mentre le attività nell'Enterprise Data Warehouse sono pianificate e conosciute, le attività nella piattaforma informatica investigativa sono per lo più sconosciute. Viene utilizzato per query complesse e difficili in cui è necessario esplorare i dati per scoprire cosa può dirti, piuttosto che fornire risposte a domande che già conosci. Esempi di query non pianificate sono: è mai successo? Quanto spesso è successo? Quali sono le correlazioni con il nostro mercato?
Quando riunisci sia la vecchia che la nuova tecnologia, ottieni ulteriori opportunità analitiche oltre a ciò che puoi realizzare con ognuna di esse separatamente. Ad esempio, quando riunisci Enterprise Data Warehouse e Operational Analytics, è possibile fare cose come analisi di borsa, analisi dei rischi e scoperta della correlazione tra flussi di dati apparentemente non correlati, come cose che non sei mai stato in grado di fare nel passato come vedere un legame tra il tempo e il successo di una campagna di marketing. Qui è possibile utilizzare un modello di frode contro le transazioni in streaming per determinare se una transazione ha le caratteristiche di transazioni fraudolente. In tal caso, può essere risolto molto rapidamente.
Possiamo anche creare le prossime migliori offerte per i rappresentanti del servizio clienti da suggerire ai clienti mentre sono al telefono. Questo processo più complesso implica che tutti e tre gli ambienti devono contribuire all'analisi per supportare la CSR. Dall'Enterprise Data Warehouse, ricaviamo la cronologia degli acquisti dei clienti e la combiniamo con la loro cronologia recente analizzata nella piattaforma di elaborazione investigativa. Queste informazioni combinate si combinano quindi con le analisi operative. Il risultato finale è una "prossima migliore offerta" dettagliata e mirata che viene presentata al rappresentante per l'uso con il cliente.
Adozione di Advanced Analytics
Questi tre componenti di analisi devono lavorare insieme perché quando non lo fanno, non hai solo silos, ma hai un ambiente caotico. È qui che due nuove tecnologie mostrano davvero il loro valore per le aziende, la virtualizzazione e la visualizzazione dei dati.
La visualizzazione dei dati è un'altra tecnologia relativamente nuova che viene frequentemente utilizzata ora quando le aziende iniziano a raccogliere e analizzare più dati e più tipi di dati per il rilevamento dei dati. Dobbiamo stare un po 'attenti a non incantarci così tanto con queste meravigliose visualizzazioni che dimentichiamo che possono essere difficili da capire da altre persone, meno matematicamente o tecnicamente orientate. Sono complessi, stanno succedendo molte cose e capire cosa significano questi elementi grafici per l'azienda può essere difficile da discernere. Se vogliamo creare queste visualizzazioni, dobbiamo anche creare le interpretazioni per tutti i livelli dei dipendenti in modo che possano capire cosa significano nodi, bordi e colori.
Più nuova tecnologia
Il futuro è incredibilmente luminoso per le nostre aziende oggi. Ogni volta che penso che stia rallentando, c'è una nuova ondata di tecnologie e capacità che ci arrivano. Ora abbiamo la scienza dei dati, che ha dato credibilità a un'intera industria di persone brillanti chiamate data scientist. Le nuove tecnologie continuano a spuntare per supportare più personale con intelligence e comunicazioni interattive e in tempo reale. Mentre ero a Teradata 2015 PARTNERS, ho avuto il piacere di prendere parte a un'intervista di streaming live tramite l'app Periscope, qualcosa di cui nessuno aveva mai sentito parlare un anno fa, in cui ho parlato di questo stesso argomento di fusione delle vecchie e nuove tecnologie.
Questo articolo è stato originariamente pubblicato su Teradata.com. È stato reed qui con il permesso. Teradata conserva tutti i diritti d'autore.