3 items tagged "gestructureerde data"

  • Decision making by smart technology

    bid-2015Zo heet het congres dat Heliview dinsdag 27 januari 2015 in ‘s Hertogenbosch organiseert over Business Intelligence & Datawarehousing. Business Intelligence blijft volgens vele bronnen op de prioriteitenlijst staan van Nederlandse organisaties. De hoeveelheid gestructureerde en ongestructureerde data neemt in recordtempo toe. Deze data is van onschatbare waarde voor organisaties. Business intelligence stelt organisaties in staat data op een slimme manier te verwerken tot de juiste informatie en daarmee tijd en geld te besparen en concurrentie voor te blijven. Slimme organisaties zijn steeds vaker ook succesvolle organisaties.  

    In het Heliview congres (dat onder dagvoorzitterschap staat van BI-kring initiatiefnemer Egbert Philips) staat de klassieke BI-driehoek centraal. Sprekers als Rick van der Lans, Arent van ‘t Spijker en vele anderen bespreken hoe organisaties betere beslissingen nemen door het slim en op maat inzetten van actuele technologische mogelijkheden op het gebied van data- en informatieverwerking. Voor wat betreft de techniek staan 27 januari centraal: social BI, mobile BI, business analytics en datawarehousing in de cloud.

    Lees hier neer over het congres

     

  • Gaat Business Intelligence nu eindelijk belang externe data ontdekken?

    De terminologie “business intelligence” blijkt in de praktijk veelal te maken te hebben met technologie en interne data. Maar gaat business intelligence daar nu alleen over? In mijn gesprekken met BI-professionals valt het me vaak op dat er verwarring heerst over de terminologie. Dus waar hebben we het eigenlijk over? Is het data science, DWH, ERP, ETL, market intelligence, customer intelligence, dashboarding? Wat maakt nu eigenlijk allemaal onderdeel uit van business intelligence?

    Definitie Business Inteligence

    Volgens Wikipedia staat business intelligence voor: “het verzamelen vangegevensbinnen de eigen handelsactiviteit en het proces van gegevens omzetten in informatie, dat vervolgens zou moeten leiden tot kennis en aanzetten tot adequate actie. Business intelligence heeft als doel competitief voordeel te creëren en organisaties slimmer te kunnen laten werken”.

    Soorten informatie

    Over welke gegevens hebben we het als we praten over het creëren van competitief voordeel? Business intelligence zou gericht moeten zijn op hetverzamelen, analyseren en distribueren van informatie (over klanten, concurrentie, marktontwikkelingen en economische, technologische en culturele trends), die van belang is voor beslissingsprocessen teneinde goed onderbouwde operationele en strategische plannen te verkrijgen. Hierbij staat vooral het business perspectief centraal. Daarnaast bestaat er ook nog het technologische perspectief waarbij ICT wordt ingezet om data te verzamelen, te integreren, te analyseren en te distribueren.

    Technologie & Gestructureerde data

    Hoe komt het toch dat het meeste geld wordt geïnvesteerd in technologie en het verzamelen en analyseren van interne en vooral financiële data? Natuurlijk is het logisch dat het management stuurt op financiële resultaten en dat de wetgever inzicht vereist in bepaalde aspecten van het reilen en zeilen van het bedrijf. Maar waarom wordt er toch zo weinig geïnvesteerd in gestructureerd verzamelen en analyseren van ongestructureerde en vooral externe data, die van cruciale invloed zijn op de performance van het bedrijf? Wellicht ligt het antwoord verscholen in het feit dat dit proces vaak niet direct te linken is aan de bedrijfsperformance van het bedrijf. Er zijn meestal geen aparte functies gecreëerd voor dit soort werkzaamheden. Men moet het naast de bestaande werkzaamheden doen en krijgen daardoor te weinig aandacht. Hiermee wordt het belang van dit soort cruciale informatie niet onderkent.

    De ontwikkelingen in de externe omgeving hebben meer impact dan ooit en daarmee neemt ook de druk op bestaande bedrijven en business modellen toe. Een voorbeeld is de opkomst van de zelfrijdende auto. Dit zal vele directe en indirecte effecten hebben. Een direct effect zal zijn dat er banenverlies optreedt bij taxibedrijven, vrachtwagenchauffeurs en rijscholen. Het zal waarschijnlijk ook het delen van auto’s verder stimuleren waardoor er een daling van eigendom van auto’s plaats vindt. Het indirecte effect is dat mensen meer besteedbaar inkomen en tijd beschikbaar hebben. Daarnaast zullen er minder auto-ongelukken optreden, waardoor er weer minder ziekenhuispatiënten zullen zijn en ook weer minder orgaandonoren. Deze ontwikkelingen hebben enorme impact op de overlevingskansen van bedrijven en daarmee neemt het belang van externe intelligence toe.

     

     

      self driving car2

     

    Investeren in externe (ongestructureerde) data

    Bedrijven zouden juist nu meer dan ooit moeten investeren in het relatief onontgonnen deel van business intelligence – het structureren van externe data (lees: market intelligence) - vanwege de steeds sneller veranderende economie mede door het gebruik van informatietechnologie. Door de (financiële) crisis hebben bepaalde herstructureringen versneld plaats gevonden waardoor ook de capaciteit om pro-actief externe veranderingen te monitoren en inzichten te creëren om nieuwe business modellen te ontwikkelen is weggesneden. Hierdoor kennen bedrijven nog minder goed hun markt, de meer algemene bedrijfsomgeving en daarmee de drivers for growth or decline. Een bevestiging van bovenstaande ontwikkelingen is terug te vinden in een significante daling van de gemiddelde levensduur van bedrijven. Het is enerzijds te hopen dat bedrijven met het oog op hun eigen performance meer belang gaan toekennen aan het structureren en analyseren van externe data om te voorkomen dat de niet geziene impact van de externe omgeving hen fataal wordt. Anderzijds is het te hopen, dat er een meer toegankelijke informatietechnologie komt, die een bedrage gaat leveren in het vereenvoudigen van dit proces.

     

    Bron: Ruud Koopmans, RK-Intelligence

     

     

     

  • Modern Information Management: Understanding Big Data at Rest and in Motion

    Big data is the buzzword of the century, it seems. But, why is everyone so obsessed with it? Here’s what it’s all about, how companies are gathering it, and how it’s stored and used.

    7979558647 6c822e698d o YO

    What is it?

    Big data is simply large data sets that need to be analyzed computationally in order to reveal patterns, associations, or trends. This data is usually collected by governments and businesses on citizens and customers, respectively.

    The IT industry has had to shift its focus to big data over the last few years because of the sheer amount of interest being generated by big business. By collecting massive amounts of data, companies, like Amazon.com, Google, Walmart, Target, and others, are able to track buying behaviors of specific customers.

    Once enough data is collected, these companies then use the data to help shape advertising initiatives. For example, Target has used its big data collection initiative to help target (no pun intended) its customers with products it thought would be most beneficial given their past purchases.

    How Companies Store and Use It

    There are two ways that companies can use big data. The first way is to use the data at rest. The second way is to use it in motion.

    At Rest Data – Data at rest refers to information that’s collected and analyzed after the fact. It tells businesses what’s already happened. The analysis is done separately and distinctly from any actions that are taken upon conclusion of said analysis.

    For example, if a retailer wanted to analyze the previous month’s sales data. It would use data at rest to look over the previous month’s sales totals. Then, it would take those sales totals and make strategic decisions about how to move forward given what’s already happened.

    In essence, the company is using past data to guide future business activities. The data might drive the retailer to create new marketing initiatives, customize coupons, increase or decrease inventory, or to otherwise adjust merchandise pricing.

    Some companies might use this data to determine just how much of a discount is needed on promotions to spur sales growth.

    Some companies may use it to figure out how much they are able to discount in the spring and summer without creating a revenue problem later on in the year. Or, a company may use it to predict large sales events, like Black Friday or Cyber Monday.

    This type of data is batch processed since there’s no need to have the data instantly accessible or “streaming live.” There is a need, however, for storage of large amounts of data and for processing unstructured data. Companies often use a public cloud infrastructure due to the costs involved in storage and retrieval.

    Data In Motion – Data in motion refers to data that’s analyzed in real-time. Like data at rest, data may be captured at the point of sale, or at a contact point with a customer along the sales cycle. The difference between data in motion and data at rest is how the data is analyzed.

    Instead of batch processing and analyzation after the fact, data in motion uses a bare metal cloud environment because this type of infrastructure uses dedicated servers offering cloud-like features without virtualization.

    This allows for real-time processing of large amounts of data. Latency is also a concern for large companies because they need to be able to manage and use the data quickly. This is why many companies send their IT professionals to Simplilearn Hadoop admin training and then subsequently load them up on cloud-based training and other database training like NoSQL.

    9427663067 713fa3e786 o

    Big Data For The Future

    Some awesome, and potentially frightening, uses for big data are on the horizon. For example, in February 2014, the Chicago Police Department sent uniformed officers to make notification visits to targeted individuals they had identified as potential criminals. They used a computer-generated list which gathered data about those individuals’ backgrounds.

    Another possible use for big data is development of hiring algorithms. More and more companies are trying to figure out ways to hire candidates without trusting slick resume writing skills. New algorithms may eliminate job prospects based on statistics, rather than skillsets, however. For example, some algorithms find that people with shorter commutes are more likely to stay in a job longer.

    So, people who have long commutes are filtered out of the hiring process quickly.

    Finally, some insurance companies might use big data to analyze your driving habits and adjust your insurance premium accordingly. That might sound nice if you’re a good driver, but insurers know that driving late at night increases the risk for getting into an accident. Problem is, poorer people tend to work late shifts and overnights or second jobs just to make ends meet. The people who are least able to afford insurance hikes may be the ones that have to pay them.

    Source: Mobilemag

EasyTagCloud v2.8