Big data и аналитика данных: руководство для бизнеса

Компании генерируют больше данных, чем когда-либо: продажи, клиенты, операции, веб, датчики. Но накапливать данные бессмысленно, если они не превращаются в решения. Разница между компаниями, которые растут, и теми, что застаиваются, всё больше состоит в их способности понимать и использовать свои данные. Big data и аналитика данных — это дисциплины, которые превращают эту гору информации в применимое на практике знание: что работает, что даёт сбой, что произойдёт и что стоит делать.

В этом руководстве мы объясняем, что такое big data, какие виды аналитики существуют, какая архитектура нужна и как сделать первые шаги, чтобы данные перестали быть затратой и стали конкурентным преимуществом.

Что такое big data

Big data относится к наборам данных настолько большим, быстрым или разнообразным, что традиционные инструменты не способны ими управлять. Их обычно описывают тремя V: объём (большое количество), скорость (генерируются в реальном времени) и разнообразие (структурированные и неструктурированные данные из множества источников). Но размер — это наименее важное: важно не иметь много данных, а иметь способность интегрировать их, обрабатывать и извлекать из них ценность для принятия лучших решений.

Виды аналитики

Не вся аналитика отвечает на один и тот же вопрос. Понимание четырёх уровней помогает понять, чего можно достичь:

• Описательная: что произошло (отчёты и панели мониторинга).
• Диагностическая: почему это произошло (анализ причин).
• Прогнозная: что произойдёт (модели, предвосхищающие будущее).
• Предписывающая: что стоит делать (рекомендации к действию).

От разрозненных данных к решению

Главная проблема большинства компаний — не нехватка данных, а то, что они разрознены в силосах, которые не общаются между собой: CRM с одной стороны, бухгалтерия с другой, веб отдельно. Чтобы их использовать, нужно интегрировать их в общем месте, очистить и придать связную структуру. Только тогда их можно сопоставлять (например, продажи с маркетингом и с поддержкой), чтобы обнаружить паттерны, которые по отдельности остаются невидимыми. Эта интеграция — первый шаг любой серьёзной стратегии работы с данными.

Архитектура данных

Превращение данных в ценность требует архитектуры: конвейера (pipeline), который собирает данные из источников, преобразует их и хранит в центральном репозитории (data warehouse или data lake), откуда их потребляют инструменты аналитики и искусственного интеллекта. Хорошая архитектура — та, что гарантирует, что данные приходят чистыми, актуальными и надёжными тому, кому они нужны. Без этого фундамента панели мониторинга показывают цифры, которым никто не доверяет.

Как начать работать с данными

Не нужно выстраивать всё разом и не нужно быть крупной корпорацией. Разумно начать с конкретного и ценного бизнес-вопроса (например, какие клиенты уйдут или какие продукты действительно прибыльны), интегрировать данные, необходимые, чтобы на него ответить, и строить дальше отсюда. Начать с малого, доказать ценность и расширяться гораздо эффективнее, чем большой проект по данным, который длится годами и так и не используется. Следующие материалы этого кластера подробно разбирают business intelligence, хранилище данных и прогнозную аналитику.

В AxiomTech мы помогаем бизнесу превращать данные в решения: интеграция, архитектура данных, панели мониторинга и прогнозные модели. Если вы чувствуете, что у вас много данных, но мало ответов, расскажите нам о своём случае.