Inhalt
Quelle: Nmedia / Dreamstime.com
Wegbringen:
Analytics sind der Schlüssel zu modernen Geschäftsabläufen, aber manchmal besteht der Weg, das Beste aus Ihren Daten herauszuholen, in der Verschmelzung alter und neuer Technologien.
Ich werde ständig gefragt, ob das Data Warehouse tot ist.
Diese relativ alte Idee ist nicht nur nicht tot, sondern auch robuster als je zuvor und spielt bei neuen Technologien eine wichtige Rolle bei der Bereitstellung besserer Analysen.
Ist das Enterprise Data Warehouse tot? Nein, es lebt und es wird noch viele Jahre dauern. Ihr Zweck hat sich jedoch geändert. Es ist ein Unterschied, warum wir das Enterprise Data Warehouse heute erstellen, da es jetzt Teil einer erweiterten Data Warehouse-Architektur ist.
Die alte Arbeitsweise unterbricht drei Dinge, und dies ist der Grund für die neue, erweiterte Data-Warehouse-Architektur. Eine davon ist das Aufkommen neuer Technologien wie Hadoop, NoSQL und Appliances. Dann besteht der Druck, die Kosten durch Open Source und kostengünstigere Methoden zu senken. Schließlich gibt es das Aufkommen von Big Data, mit dem wir Geschäftserkenntnisse gewinnen können, die wir noch nie zuvor hatten.
Diese Störungstreiber haben die Türen zu neuen Technologien für verbesserte Datenverwaltungsfunktionen, neue Bereitstellungsoptionen wie Cloud und On-Premises (die meisten Unternehmen leisten ein wenig von beidem) und schließlich zur verstärkten Einführung fortschrittlicher Analysefunktionen geöffnet.
Disruption sorgt für neue Technologien für Analytics
Diese Unterbrechung sorgt für eine aufregende Zeit, aber all diese Treiber bedeuten, dass sich unsere traditionellen Architekturen anpassen und erweitern müssen. Das Extended Data Warehouse ist eine solche neue Architektur, die drei große Analysekomponenten umfasst:
- Herkömmliches Enterprise Data Warehouse
- Investigative Computing-Plattform
- Operative Intelligenz
Die investigative Computerplattform gibt es schon seit relativ kurzer Zeit. Hier erstrahlen innovative neue Technologien wie Hadoop, In-Memory, Columnar Storage, Datenkomprimierung und Appliances. Der Unterschied zwischen diesem und dem Enterprise Data Warehouse besteht darin, dass die investigative Computerplattform, wie der Name schon sagt, der experimentelle Bereich ist. Es ist der Sandkasten, in dem wir spielen und ungeplante und allgemeine Untersuchungen durchführen können. Während Aktivitäten im Enterprise Data Warehouse geplant und bekannt sind, sind die Aktivitäten in der investigativen Computerplattform größtenteils unbekannt. Es wird für komplexe, schwierige Abfragen verwendet, bei denen Sie die Daten untersuchen müssen, um herauszufinden, was sie Ihnen sagen können, anstatt Antworten auf Fragen zu geben, die Sie bereits kennen. Beispiele für ungeplante Abfragen sind: Ist dies jemals passiert? Wie oft ist es passiert? Was sind die Korrelationen zu unserem Marktplatz?
Wenn Sie sowohl die alte als auch die neue Technologie zusammenbringen, erhalten Sie zusätzliche Analysemöglichkeiten, die über das hinausgehen, was Sie mit einer dieser Technologien separat realisieren können. Wenn Sie beispielsweise Enterprise Data Warehouse und Operational Analytics zusammenführen, können Sie beispielsweise Aktienhandelsanalysen, Risikoanalysen und die Entdeckung der Korrelation zwischen scheinbar nicht miteinander in Beziehung stehenden Datenströmen durchführen, wie Sie dies bisher noch nicht in der Lage gewesen sind Vergangenheit wie eine Verbindung zwischen Wetter und dem Erfolg einer Marketingkampagne zu sehen. Hier können Sie ein Betrugsmodell für Streaming-Transaktionen verwenden, um festzustellen, ob eine Transaktion die Merkmale betrügerischer Transaktionen aufweist. Wenn dies der Fall ist, kann dies sehr schnell erledigt werden.
Wir können auch die nächstbesten Angebote für Kundendienstmitarbeiter erstellen, die den Kunden während ihres Telefongesprächs Vorschläge machen. Dieser komplexere Prozess bedeutet, dass alle drei Umgebungen Analysen zur Unterstützung der CSR beitragen müssen. Aus dem Enterprise Data Warehouse leiten wir die Kaufhistorie der Kunden ab und kombinieren sie mit ihrer jüngsten Historie, die in der investigativen Computerplattform analysiert wurde. Diese kombinierten Informationen werden dann mit der Betriebsanalyse kombiniert. Das Endergebnis ist ein detailliertes, zielgerichtetes "next best offer", das dem Vertreter zur Verwendung mit dem Kunden vorgelegt wird.
Übernahme von Advanced Analytics
Diese drei Analysekomponenten müssen zusammenarbeiten, denn wenn sie dies nicht tun, haben Sie nicht nur Silos, sondern auch eine chaotische Umgebung. Hier zeigen zwei neue Technologien ihren Wert für Unternehmen: Datenvirtualisierung und Datenvisualisierung.
Die Datenvisualisierung ist eine weitere relativ neue Technologie, die derzeit häufig eingesetzt wird, da Unternehmen mehr Daten und Datentypen für die Datenermittlung sammeln und analysieren. Wir müssen ein bisschen vorsichtig sein, damit wir uns nicht so in diese schönen Visualisierungen verlieben, dass wir vergessen, dass sie für andere, weniger mathematisch oder technisch orientierte Menschen schwer verständlich sein können. Sie sind komplex, es ist viel los und es ist schwierig zu erkennen, was diese Grafiken für das Unternehmen bedeuten. Wenn wir diese Visualisierungen erstellen, müssen wir auch die Interpretationen für alle Ebenen der Mitarbeiter erstellen, damit diese verstehen, was die Knoten, Kanten und Farben bedeuten.
Mehr New Tech
Die Zukunft ist für unsere Unternehmen heute unglaublich vielversprechend. Jedes Mal, wenn ich denke, dass es langsamer wird, kommt eine neue Welle von Technologien und Fähigkeiten auf uns zu. Wir haben jetzt Data Science, was einer ganzen Branche von Spitzenkräften, den Data Scientists, Glaubwürdigkeit verliehen hat. Neue Technologien werden immer wichtiger, um mehr Personal mit interaktiven Informationen und Kommunikation in Echtzeit zu unterstützen. Während meiner Zeit bei Teradata 2015 PARTNERS hatte ich das Vergnügen, über die Periscope-App an einem Live-Streaming-Interview teilzunehmen, von dem noch niemand vor einem Jahr gehört hatte, in dem ich über dasselbe Thema der Verschmelzung alter und neuer Technologien sprach.
Dieser Artikel wurde ursprünglich bei Teradata.com veröffentlicht. Es wurde hier mit Erlaubnis von Schilf gedeckt. Teradata behält sich alle Urheberrechte vor.