Eine schöne neue Big Data-Welt

Free Bitcoins: FreeBitcoin | BonusBitcoin

Coins Kaufen: Bitcoin.deAnycoinDirektCoinbaseCoinMama (mit Kreditkarte)Paxfull

Handelsplätze / Börsen: Bitcoin.de | KuCoinBinanceBitMexBitpandaeToro

Lending / Zinsen erhalten: Celsius NetworkCoinlend (Bot)

Cloud Mining: HashflareGenesis MiningIQ Mining

Charakterisiert durch Volumen, Geschwindigkeit, Wert und Vielfalt; Big Data wird jedes Jahr mit einer Rate von über 2,8 Zettabyte (ZB) oder 2,8 Billionen Gigabyte produziert. Täglich werden 2 Millionen Blogs gepostet, 172 Millionen Nutzer besuchen Facebook (insgesamt 4,7 Milliarden Minuten auf einer einzigen Website für soziale Netzwerke), 51 Millionen Minuten Videos werden hochgeladen und 250 Millionen digitale Fotos werden geteilt. Wir generieren weiterhin täglich 294 Milliarden E-Mails, obwohl viele E-Mails als veraltete Kommunikationsform betrachten. Es wird erwartet, dass es bis 2020 auf über 40 ZB pro Jahr explodieren wird. Um immer einen Schritt voraus zu sein, müssen Unternehmen heute mit Big Data beginnen. Investitionen werden schneller als je zuvor getätigt, um die Produktivität zu verbessern, Werte zu schaffen, wettbewerbsfähig zu bleiben, neue Geschäftstrends zu erkennen und aufregende Analyselösungen zu generieren. Big Data wird zu einem Markenzeichen für den Beginn des 21. Jahrhunderts, in dem es von immer mehr Unternehmen genutzt und genutzt wird.

Sie können Big Data im Allgemeinen in zwei verschiedene Typen aufteilen, strukturiert und unstrukturiert. Die 294 Milliarden E-Mails, die pro Tag gesendet werden, können als strukturierter Text und als eine der einfachsten Formen von Big Data betrachtet werden. Finanztransaktionen wie Kinokartenverkäufe, Benzinverkäufe, Restaurantverkäufe usw. sind im Allgemeinen strukturiert und machen einen kleinen Teil der Daten aus, die heute in den globalen Netzwerken laufen. Andere Formen strukturierter Daten umfassen Click-Stream-Aktivitäten, Protokolldaten und Netzwerksicherheitswarnungen. Unstrukturierte Daten sind auch eine Hauptwachstumsquelle für Big Data. Musik ist eine immer größere Datenvielfalt und wir streamen täglich fast 19 Millionen Stunden Musik über den kostenlosen Musikdienst Pandora. Alte Fernsehshows und Filme sind eine weitere Quelle der Abwechslung im nicht strukturierten Bereich. Täglich werden über 864.000 Stunden Videos auf YouTube hochgeladen. MBAOnline.com stellte sogar fest, dass wir 98 Jahre ununterbrochene Katzenvideos für endlose Stunden der Langeweile, des Spaßes oder des Wahnsinns in jedermanns Haus pumpen konnten!

Über die Technologie im Allgemeinen hinaus erfordert Big Data Änderungen in den meisten Geschäftsprozessen, um sicherzustellen, dass Entscheidungen mit angemessenen analytischen Beurteilungen getroffen werden. Damit sie diese Anforderungen erkennen können, müssen zwei Hauptideen genauer untersucht werden. Zunächst muss untersucht werden, wie Unternehmen aktuelle technologische Lösungen für beide Segmente nutzen und dann die Daten analysieren können. und zweitens muss die Darstellung und anschließende Vorhersage der Art und Weise erfolgen, in der Unternehmen die Daten verwenden und verwenden, um Strategien zur Erstellung, Pflege und anschließenden Verbesserung ihrer unterschiedlichen Einnahmequellen zu entwickeln.

Unternehmen segmentieren seit Jahrzehnten Kundenmärkte, aber die Ära der Big Data macht die Segmentierung wesentlicher und noch ausgefeilter. Die Herausforderung besteht nicht nur darin, Informationen zu sammeln. Vielmehr ist es ein Wettlauf, die Kunden besser zu verstehen. Die Segmentierung ist ein grundlegendes Element für das Verständnis der Kunden. In ihrer einfachsten Form werden Kunden anhand ähnlicher Merkmale gruppiert. Wenn sich die Daten verbessern (demografisch, einstellungsbezogen und verhaltensbezogen), werden die Segmentierungsansätze komplexer. Derzeit ertrinken Unternehmen praktisch in allen gesammelten Daten, und wenn sie nicht vorsichtig sind, können sie ihre ganze Zeit damit verbringen, darauf zu starren und sie nicht sinnvoll zu nutzen, um bessere Geschäftsentscheidungen zu treffen. Die Dissektionszeit kann unbegrenzt sein, ohne dass tatsächliche Ergebnisse erzielt werden. Ein bewährtes und skalierbares Analysesystem kann diese Segmentierungszeit drastisch verkürzen.

Unternehmen aus allen Branchen erkennen an, dass eine gute Kenntnis Ihres Kunden zu einem verbesserten und personalisierten Service für den Käufer führt und dies zu einem loyaleren Kunden führt. Um ihre Kunden besser kennenzulernen, setzen Unternehmen traditionell fortschrittliche Analysesysteme wie Google Analytics ein, um ihre Kunden nach demografischen Merkmalen, geografischen Merkmalen und mehr in Gruppen zu unterteilen. Obwohl diese Art der Segmentierung hilfreich ist, werden häufig nicht nur wichtige Unterschiede zwischen Kunden nicht definiert, sondern es fehlen auch konsistente innovative Funktionen. Beispielsweise könnte eine grundlegende Reisesegmentierung einer Fluggesellschaft einen Kunden als einen Mann definieren, der 37 Jahre alt ist, in Raleigh lebt und arbeitet und häufig Geschäftsreisen nach London unternimmt.

Ein besserer Ansatz besteht darin, anhand der Entscheidungen, Vorlieben und Vorlieben des Kunden anhand all seiner Interaktionen mit dem Unternehmen zu klassifizieren. Um ihre Kunden jedoch genau zu mikrosegmentieren, müssen Unternehmen eine breitere Palette von Kundenmerkmalen erkennen, von denen viele über die strukturierten Informationen in Reservierungs-, Abflugkontroll- und Loyalitätssystemen einer Fluggesellschaft hinausgehen. In der Kundeninteraktion finden Sie zahlreiche zusätzliche Informationen zu Kunden wie E-Mails, Anrufprotokolle, Chat, SMS, soziale Medien und mehr. Unternehmen sollten in der Lage sein, die Bedeutung im Kundendialog zu verstehen, und dies automatisch über neuere Arten von Analysesystemen.

Big Data hat das Potenzial, die Beziehung zwischen Marketingfachleuten und ihren Kunden grundlegend zu verändern – nicht nur den geringen Prozentsatz, der aktiv an einem Treueprogramm teilnimmt. Unternehmen können die enormen Informationsmengen nutzen, die in ihren Kundeninteraktionen und Online-Marketing-Pfaden (wie Social Media, Blogs und Websites) verfügbar sind, um die Beziehungen zu ihren Kunden fein zu segmentieren, zu pflegen und auszubauen.

Es ist allgemein bekannt, dass Big Data sowohl eine kritische Herausforderung als auch eine Chance für Unternehmen darstellt. Technologien für das explosive Wachstum von Volumen, Vielfalt und Geschwindigkeit von Informationen sind entscheidend für ihren Erfolg. Glücklicherweise bringen die heutigen alternativen Hardwarebereitstellungsmodelle, Cloud-Architekturen und Open Source-Software die Verarbeitung großer Datenmengen in Reichweite. Am Ende kann die große Geschichte hinter Big Data sehr klein sein – die Fähigkeit, sehr kleine Mikrosegmente von Kunden zu erstellen und zu bedienen – mit einer deutlich höheren Genauigkeit und dem Erreichen von mehr mit weniger. Die Segmentierung ist nur die Spitze des Big-Data-Eisbergs, und die Strategien, die Unternehmen bereits entwickelt haben und weiterhin entwickeln werden, um sie wirksam einzusetzen, sind unglaublich.

Derzeit gibt es vier Hauptstrategien, mit denen Unternehmen Big Data zu ihrem Vorteil nutzen: Leistungsmanagement, Entscheidungswissenschaft, soziale Analyse und Datenexploration. Beim Performance Management fängt alles an. Durch das Verständnis der Bedeutung von Big Data in Unternehmensdatenbanken mithilfe vorab festgelegter Abfragen können Manager Fragen stellen, z. B. wo sich die profitabelsten Marktsegmente befinden. Es kann sehr komplex sein und viele Ressourcen erfordern. Es wird jedoch allmählich einfacher. Die meisten Business Intelligence-Tools bieten heute eine Dashboard-Funktion. Der Benutzer, häufig der Manager oder Analyst, kann auswählen, welche Abfragen ausgeführt werden sollen, und die Berichtsausgabe nach bestimmten Dimensionen (z. B. Region) filtern und ordnen sowie einen Drilldown / Up für die Daten durchführen. Mehrere Arten von Berichten und Diagrammen erleichtern Managern das Betrachten von Trends. Mit funktionalen und einfach zu bedienenden Dashboards können Unternehmen mit weniger mehr erreichen. Wir haben jedoch noch keine Lösung gefunden, die ein klares Design mit einfacher Funktionalität bietet und noch höhere Einblicke bietet als das, was derzeit existiert.

Die Datenexploration ist die zweite Strategie, die derzeit von Unternehmen verfolgt wird. Diese Strategie nutzt Statistiken in hohem Maße, um zu experimentieren und Antworten auf Fragen zu erhalten, an die Manager zuvor möglicherweise nicht gedacht haben. Dieser Ansatz nutzt Vorhersagemodellierungstechniken, um das Benutzerverhalten basierend auf ihren vorherigen Transaktionen und Präferenzen vorherzusagen. Mithilfe der Clusteranalyse können Kunden anhand ähnlicher Attribute, die möglicherweise ursprünglich nicht geplant waren, in Gruppen unterteilt werden. Sobald diese Gruppen erkannt wurden, können Manager gezielte Aktionen ausführen, z. B. das Anpassen von Marketingbotschaften, das Aktualisieren des Service und das Cross- / Up-Selling für jede einzelne Gruppe. Ein weiterer beliebter Anwendungsfall besteht darin, vorherzusagen, welche Benutzergruppe möglicherweise "ausfällt". Mit diesen Informationen können Manager proaktiv Strategien entwickeln, um dieses Benutzersegment beizubehalten und die Abwanderungsrate zu senken.

Der bekannte Einzelhändler Target verwendete Big-Data-Mining-Techniken, um die Kaufgewohnheiten von Kundenclustern vorherzusagen, die ein wichtiges Lebensereignis durchlaufen hatten. Target war in der Lage, ungefähr 25 Produkte wie nicht parfümierte Lotion und Vitaminpräparate zu identifizieren, die bei gemeinsamer Analyse dazu beitrugen, einen "Schwangerschaftsvorhersagewert" zu ermitteln. Target sandte dann Werbeaktionen, die sich auf babybezogene Produkte konzentrierten, an Frauen, basierend auf ihrer Schwangerschaftsvorhersage. Dies führte dazu, dass die Verkäufe der Baby- und Mutterprodukte von Target kurz nach dem Start ihrer neuen Werbekampagnen stark zunahmen.

Die nächste Strategie, die Unternehmen nutzen, ist die Nutzung von Social-Media-Websites wie Facebook, Twitter, Yelp oder Instagram. Social Analytics messen die große Menge an nicht-transaktionalen Daten, die heute existieren. Ein Großteil dieser Daten existiert auf Social-Media-Plattformen wie Konversationen und Bewertungen auf Facebook, Twitter und Yelp. Social Analytics messen drei große Kategorien: Bewusstsein, Engagement und Mundpropaganda oder Reichweite. Das Bewusstsein befasst sich mit der Bekanntheit oder Erwähnung von sozialen Inhalten und umfasst häufig Kennzahlen wie die Anzahl der Videoansichten und die Anzahl der Follower oder Community-Mitglieder. Engagement misst den Grad der Aktivität und Interaktion zwischen Plattformmitgliedern, z. B. die Häufigkeit von benutzergenerierten Inhalten. Schließlich misst Reach, inwieweit Inhalte über soziale Plattformen an andere Benutzer verbreitet werden. Die Reichweite kann mit Variablen wie der Anzahl der Retweets auf Twitter und geteilten Likes auf Facebook gemessen werden.

Sozialanalysatoren benötigen ein klares Verständnis dafür, was sie messen. Zum Beispiel ist ein virales Video, das 10 Millionen Mal angesehen wurde, ein guter Indikator für hohes Bewusstsein, aber es ist nicht unbedingt ein gutes Maß für Engagement und Interaktion. Darüber hinaus bestehen soziale Kennzahlen aus nichtfinanziellen Zwischenmaßnahmen. Um die Auswirkungen auf das Geschäft zu ermitteln, müssen Analysten häufig zusätzlich zu den sozialen Kennzahlen auch Webdatenverkehr und Geschäftskennzahlen erfassen und dann nach Korrelationen suchen. Bei viralen Videos müssen Analysten feststellen, ob nach dem Anzeigen der YouTube-Videos Datenverkehr auf der Website des Unternehmens stattfindet, gefolgt von eventuellen Produktkäufen.

Die endgültige Strategie, die Unternehmen anwenden, wurde als "Decision Science" bezeichnet. Im Allgemeinen werden Experimente und Analysen von nicht transaktionsbezogenen Daten wie vom Verbraucher generierten Produktideen und Produktbewertungen durchgeführt, um den Entscheidungsprozess zu verbessern. Im Gegensatz zu Sozialanalysatoren, die sich auf soziale Analysen konzentrieren, um bekannte Ziele zu messen, untersuchen Entscheidungswissenschaftler soziale Big Data, um "Feldforschung" durchzuführen und Hypothesen zu testen. Crowdsourcing, einschließlich Ideenfindung und Umfrage, ermöglicht es Unternehmen, der Community Fragen zu ihren Produkten und Marken zu stellen. Entscheidungswissenschaftler bestimmen in Verbindung mit dem Feedback der Community den Wert, die Gültigkeit, die Durchführbarkeit und die Passform dieser Ideen und berichten schließlich darüber, ob / wie sie diese Ideen in die Tat umsetzen wollen. Mit dem My Starbucks Idea-Programm können Verbraucher beispielsweise Ideen zu Starbucks Produkten, zum Kundenerlebnis und zum Engagement der Community austauschen, abstimmen und Ideen einreichen. Bisher wurden über 100.000 Ideen gesammelt. Starbucks hat einen Abschnitt "Ideen in Aktion", in dem erläutert wird, wo sich Ideen im Überprüfungsprozess befinden.

Viele der von Entscheidungswissenschaftlern verwendeten Techniken umfassen Hörwerkzeuge, die Text- und Stimmungsanalysen durchführen. Durch die Nutzung dieser Tools können Unternehmen bestimmte Themen messen, die für ihre Produkte von Interesse sind, und wer was zu diesen Themen sagt. Zum Beispiel können Vermarkter vor der Einführung eines neuen Produkts messen, wie die Verbraucher den Preis beurteilen, welche Auswirkungen die Demografie auf die Stimmung haben kann und wie sich die Preisstimmung im Laufe der Zeit ändert. Manager können dann die Preise basierend auf diesen Tests anpassen.

Die Zukunft von Strategien ist schwer vorherzusagen. Aufgrund des Wachstums der Dinge setzen Unternehmen jedoch darauf, dass es sich um neue Technologien handelt, die in Analysesystemen mit Schwerpunkt auf Big Data eingesetzt werden. Als Gründer eines Unternehmens, das sich auf Web- und Datenanalyse konzentriert, setzen wir darauf, dass die Zukunft in der Big-Data-Verarbeitung liegt. Durch die Schaffung einer online zugänglichen Analyseplattform mit Schwerpunkt auf schönem Design und einer einfachen Benutzeroberfläche, die einfach zu verwenden ist, kombinieren wir leistungsstarke Analysen mit schönen Ergebnissen. Durch die Nutzung aller vier aktuellen Strategien und das Hinzufügen unserer eigenen Technologie zum Mix sollten die Ergebnisse die Grenzen zwischen Sachbüchern und Science-Fiction verschieben.

Big Data verändert die Art und Weise, wie wir unser Leben leben, von der Führung von Geschäften über das Einkaufen im Lebensmittelgeschäft bis zum Kauf von Kinokarten. Jede gesammelte Information wird segmentiert und verwendet, um die Art und Weise zu analysieren, wie Verbraucher denken und sich verhalten. Um diese Gelegenheit nutzen zu können, müssen wir uns von veralteten, weniger innovativen Lösungen entfernen. Stattdessen können wir die aufstrebende Technologie neuer Startups nutzen, die die Art und Weise verändert, wie wir Trends bei Daten und Einblicke in die Denkprozesse der Verbraucher erkennen können. Wenn wir die aktuellen Strategien kennen, mit denen Unternehmen diese enorme Datenmenge nutzen, können wir diese Informationen verwenden, um fundiertere Vorhersagen darüber zu treffen, wohin uns dieses Phänomen führt.

Free Bitcoins: FreeBitcoin | BonusBitcoin

Coins Kaufen: Bitcoin.deAnycoinDirektCoinbaseCoinMama (mit Kreditkarte)Paxfull

Handelsplätze / Börsen: Bitcoin.de | KuCoinBinanceBitMexBitpandaeToro

Lending / Zinsen erhalten: Celsius NetworkCoinlend (Bot)

Cloud Mining: HashflareGenesis MiningIQ Mining

By continuing to use the site, you agree to the use of cookies. more information

The cookie settings on this website are set to "allow cookies" to give you the best browsing experience possible. If you continue to use this website without changing your cookie settings or you click "Accept" below then you are consenting to this.

Close