3 razones por las que a su empresa no le gusta Big Data y 4 cosas que puede hacer al respecto
¿A su empresa no le gusta el big data? Hay cuatro cosas que puedes hacer para cambiar su percepción.
En una encuesta de inteligencia empresarial realizada por el Centro de Investigación de Aplicaciones Empresariales con sede en Alemania, el 53 % de los encuestados dijo que su empresa carecía de conocimientos analíticos y el 56 % admitió que su empresa no había encontrado un caso empresarial convincente. Grandes datos.
La falta de comprensión comercial de los grandes datos continúa afectando a las empresas, pero los habilitadores de grandes datos y TI deben encontrar formas de adoptar los grandes datos en las aplicaciones de misión crítica. ¿Por qué?De lo contrario, corren el riesgo de quedarse atrás.
Consulte: Comparación de funciones: software y servicios de análisis de datos (Tech Pro Research)
3 razones por las que a tu empresa no le gusta el big data
Aquí hay tres barreras comunes para la adopción de big data.
1. Es complicado
Big data está volando hacia la empresa desde todas las direcciones. Debe recopilarse, limpiarse, categorizarse y agregarse minuciosamente con otros tipos de datos para proporcionar a los responsables de la toma de decisiones comerciales información suficiente para tomar decisiones informadas. Esta preparación e integración de datos, junto con las pruebas iterativas de consultas y algoritmos, lleva más tiempo que el desarrollo de informes de tercera y cuarta generación más tradicionales utilizando datos transaccionales fijos con los que las empresas están más familiarizadas y acostumbradas a generar.
2. Los tomadores de decisiones comerciales no entienden (o no quieren entender) los informes de análisis de big data
En la mayoría de los casos, los informes de big data están dirigidos por científicos de datos altamente inteligentes que pueden preferir los datos (y usarlos) en lugar de ajustar los resultados comerciales. Esta es una desconexión fundamental porque los usuarios, especialmente los usuarios ejecutivos, quieren informes que brinden resultados comerciales procesables.
3. Los informes de análisis de Big Data pueden ser difíciles de leer
Si los datos se presentan en un formato tabular (que muchos lo son), la mayoría de los ejecutivos de negocios no se involucrarán en él. Prefieren leer informes comerciales incisivos que puedan digerir de un vistazo.
Entonces, ¿qué puede hacer para derribar estas barreras comunes de big data?
VER: 60 formas de obtener el máximo valor de sus iniciativas de big data (PDF gratuito) (Tecnopedia)
4 soluciones
1. Busque herramientas de integración de datos que puedan automatizar gran parte del proceso de ingesta e integración de datos
Esto reduce la necesidad de TI de interfaces y API de código personalizado.
2. Cree un caso de negocio preciso
Además de cualquier análisis de big data, desea atacar directamente los puntos débiles del negocio. Por ejemplo, esto podría ser la disminución de los ingresos, predecir cuál será el próximo gran mercado o producto, o mejorar la respuesta del servicio, etc. Cualquiera que sea el punto de dolor, identifique un caso de negocio preciso para que los algoritmos y las consultas que desarrolle su equipo puedan resolverlo.
Además, no olvide desconectar cualquier proyecto de análisis de big data en el que los usuarios finales (especialmente la administración) no vean el valor.
3. Visualiza tus datos
Transforme su presentación de datos en gráficos de barras, gráficos circulares, mapas o cualquier otra presentación visual que permita a la gerencia comprender rápidamente sus hallazgos.
Haga todo lo posible para usar solo formatos de datos tabulares cuando los usuarios elijan profundizar en los datos después de ver un resumen visual (y gráfico). Con una excelente visualización de datos, puede desarrollar la confianza del usuario (y del nivel C) en el análisis de big data.
4. Medidas para la realización de datos
El tiempo de actividad y el tiempo de respuesta promedio siempre son métricas de TI valiosas, pero las métricas más importantes en la adopción de big data y análisis incluyen las siguientes preguntas:
- ¿Cuántos usuarios siguen utilizando el informe seis meses después de su publicación?
- ¿Cuántas solicitudes tiene para mejorar aún más el producto de informes (lo que demuestra el entusiasmo de los usuarios)?
- ¿Cuántos informes conducen a pasos medibles y procesables que toma la administración para mejorar el rendimiento empresarial?
