Аналитика и взрыв данных. Вызовы и возможности

Исторически компании всегда старались использовать данные, проходящие через них или через их экосистемы, чтобы извлечь из них ценность, преобразовав их в полезную информацию и знания. Однако объем данных, производимых компьютерными системами, никогда не переставал расти, достигнув точки, когда традиционные системы с трудом собирали, хранили и обрабатывали новые типы данных (Hack, 2021).

Концепция взрыва данных и его значение

Умные объекты вторгаются сегодня и скоро будут все больше вторгаться в повседневную жизнь компаний и частных лиц. Интернет вещей, получивший название web 3.0, представляет собой сложное понятие, состоящее в том, что все объекты однажды могут быть подключены к Интернету и, следовательно, способны передавать информацию и, возможно, принимать команды. Интернет вещей предлагает создать преемственность между реальным миром и цифровым миром: он дает существование физическим объектам в цифровом мире. Конкретными примерами интеллектуальных объектов являются смартфоны, планшеты, подключенные часы, подключенные автомобили, интеллектуальные счетчики электроэнергии и так далее!! Чрезвычайно разрушительный и инновационный аспект этих объектов вызывает определенное нежелание со стороны пользователей. Но, как и в случае со смартфонами и планшетами, их использование будет продолжать расти. Эти интеллектуальные объекты оснащены датчиками, которые регулярно передают данные производителям и поставщикам, что позволяет им установить основу для использования их продукта. Эти данные, которые продолжают расти по мере того, как использование этих объектов становится обычным явлением, перегруппированы в рамках концепции «взрыва данных» (Lee and Kim, 2017).

Согласно Geeksforgeeks (2023), взрыв данных означает: «быстрое или экспоненциальное увеличение объема данных, которые генерируются и хранятся в вычислительных системах, достигая уровня, при котором управление данными становится затруднительным».

Объем данных, циркулирующих в компьютерных системах, сегодня значителен и будет продолжать расти в ближайшие годы. Основной движущей силой этого роста является цифровое вторжение в человеческую жизнь, рассматриваемое здесь в соответствии с двумя основными аспектами: подключенные вычисления и Интернет вещей. К счастью, технологии больших данных позволяют компании управлять большими объемами данных, проходящих через ее экосистему, а также исследовать новые источники данных, в том числе те, которые характеризуются скоростью генерируемых потоков.

Как аналитика помогает создавать конкурентные преимущества

Аналитика — подробный количественный и статистический анализ и прогностические модели, поддерживаемые мощными компьютерными ресурсами и менеджерами, открытыми для цифр (Halton, 2021). По словам Дэвенпорта, помимо правильного принятия бизнес-информации, большое конкурентное преимущество может дать эффективное принятие прогнозной аналитики.

В мире, где традиционные основы конкурентного преимущества постепенно исчезли, аналитика — это мощный способ принимать лучшие решения и извлекать максимальную пользу из бизнес-процессов. Такие организации, как Netflix, Amazon.com или Procter & Gamble, используют этот новый инструмент, чтобы победить своих конкурентов. Аналитика позволяет этим компаниям выявлять своих самых прибыльных клиентов, быстрее запускать инновационные продукты, оптимизировать свою цепочку поставок или свои цены и использовать реальные рычаги финансовых показателей (де Роза, без даты).

Эти аналитические конкуренты делают свой способ управления бизнесом более эффективным благодаря количественному анализу и принятию решений, основанных на фактах. независимо от того, какая стратегия используется, компании, которые успешно конкурируют на рынке аналитики, обладают аналитическими возможностями, превосходящими возможности конкурентов, оригинальными и трудно копируемыми, адаптируемыми к различным условиям и возобновляемыми. Давенпорт утверждал, что ИТ-директора (директора по информационным технологиям) несут ответственность за изменение корпоративной культуры и аналитических наклонностей сотрудников.

Ссылки

Де Роса, Мирио ЭД (nd). Как превратиться в аналитическую компанию.

Компьютерщики (2023). Что такое взрыв данных?

Халтон, Клей (2021). Прогнозная аналитика: определение, типы моделей и использование.

Хак, Ульрике (2021). Какова реальная история взрывного роста данных?

Ли, Хён Чжон и Ким, Мёнхо (2017). Интернет вещей в умном подключенном мире.