@itrexITRex

Αναδυόμενη τεχνολογική ανάπτυξη & συμβουλευτική: Τεχνητή νοημοσύνη. Προηγμένο Analytics. Μηχανική εκμάθηση. Μεγάλα δεδομένα. Σύννεφο

Οι επιχειρήσεις έχουν αντίκτυπο στις επιχειρήσεις μεγάλες αναλύσεις δεδομένων οδηγεί τις επενδύσεις σε ψηφιακό μετασχηματισμό σε γενικές γραμμές.

Αντιμέτωποι με πολλαπλά κύματα αναστάτωσης σε έναν κόσμο COVID-19, σχεδόν το 92% των εταιρειών αναφέρουν σχέδια για δαπάνες του ίδιου ή περισσότερου σε έργα δεδομένων / AI, σύμφωνα με πρόσφατη έρευνα από Συνεργάτες NewVantage.

Μικρό θαύμα.

Εταιρείες ώριμων δεδομένων αναφέρουν επιχειρηματικά οφέλη από τη χρήση μεγάλων δεδομένων, όπως:

• Ενημερωμένη λήψη αποφάσεων
• Μείωση κόστους
• Καλύτερη κατανόηση των πελατών
• ΑΝΑΠΤΥΞΗ ΝΕΟΥ ΠΡΟΪΟΝΤΟΣ
• Δημιουργία εσόδων δεδομένων

Οι επιθετικοί οδηγοί όπως τα νέα ανταγωνιστικά πλεονεκτήματα, η καινοτομία και ο μετασχηματισμός υπερισχύουν των αμυντικών, καθώς η αλλαγή γίνεται η μόνη σταθερά της αγοράς στις μέρες μας.

Ας διερευνήσουμε τι επιχειρηματικά οφέλη επιτυγχάνουν οι εταιρείες μεγάλα δεδομένα να ξεπεράσει τον ανταγωνισμό.

Αλλά πρώτα λίγα λόγια για μεγάλα δεδομένα

Τα μεγάλα δεδομένα εμφανίστηκαν πριν από μια δεκαετία, με μια εκρηκτική αύξηση των δεδομένων που δημιουργούνται κάθε δευτερόλεπτο στον νέο κόσμο των ψηφιακών πάντων. Ένα γρήγορο γεγονός: δημιουργήσαμε περίπου 2.5 quintillion byte δεδομένων καθημερινά το 2020, με σχεδόν το 90% όλων των τρεχόντων δεδομένων να δημιουργούνται τα τελευταία δύο χρόνια.

Συνδυάζοντας δομημένα, ημι-δομημένα και μη δομημένα δεδομένα (απεικόνιση, κείμενο, βίντεο, δημοσιεύσεις κοινωνικών μέσων, δεδομένα αισθητήρων κ.λπ.), τα μεγάλα δεδομένα δεν είναι μόνο μεγάλα αλλά περίπλοκα για τα παραδοσιακά συστήματα ανάλυσης. Αυτός είναι ίσως ένας λόγος που 60% έως 70% όλων των δεδομένων εντός των οργανισμών δεν έχει αναλυθεί ποτέ για πληροφορίες ή μεγαλύτερες τάσεις (άλλο γρήγορο γεγονός).

Προηγμένες λύσεις AI και, ωστόσο, νέες τεχνικές κατέστησαν δυνατή την αποκάλυψη κρυφών μοτίβων και συσχετίσεων στον τεράστιο όγκο δεδομένων που συλλέγουν εταιρείες εδώ και χρόνια. Και τα μεγάλα δεδομένα έχουν αρχίσει να μιλούν και να έχουν επίσης μεγάλες επιπτώσεις στις επιχειρήσεις.

Λοιπόν, ποιος είναι ο αντίκτυπος των μεγάλων δεδομένων στις επιχειρήσεις σήμερα;

Καθώς όλα τα είδη εταιρειών προσπαθούν να οδηγήσουν το μεγάλο κύμα δεδομένων για διάφορα επιχειρηματικά οφέλη, η υιοθέτηση μεγάλων δεδομένων δεν είναι εύκολη. Αυτό συμβαίνει επειδή ακριβώς όπως οτιδήποτε άλλο με μεγάλα δεδομένα, προκλήσεις είναι επίσης μεγάλα, από την κακή ποιότητα δεδομένων έως τα σιλό, την έλλειψη συντονισμού και την κακή ευθυγράμμιση των επιχειρήσεων.

Ωστόσο, υπάρχουν μερικές ιστορίες επιτυχίας. Βουτάω.

Λιανικό εμπόριο και ηλεκτρονικό εμπόριο

Με τις αυξημένες προσδοκίες των πελατών, την αύξηση των διαδικτυακών αγορών και των αποδόσεων, και η Amazon είναι ένας σημαντικός ανταγωνιστής σχεδόν σε όλους, όλο και περισσότεροι λιανοπωλητές βασίζονται σε μεγάλα αναλυτικά δεδομένα για να καταλάβουν τις επιπτώσεις μιας επιχείρησης.

Μεγάλες τεχνολογίες δεδομένων / τεχνητής νοημοσύνης στο λιανικό εμπόριο Φέρτε στις κορυφαίες εταιρείες πολλά επιχειρηματικά οφέλη, συμπεριλαμβανομένης της δυνατότητας να κερδίσετε πελάτες με προσωπικές προτάσεις, προβλέψεις ζήτησης και εσόδων, βελτίωση των καθημερινών λειτουργιών και πρόληψη της απάτης.

• Πάρτε την Walmart, έναν κορυφαίο λιανοπωλητή στον κόσμο που βρίσκεται σε ένα ταξίδι μετασχηματισμού για μερικά χρόνια. Βάζοντας τον πυρήνα του εκδημοκρατισμού δεδομένων, η Walmart έχει δημιουργήσει έναν κόμβο αναλυτικών στοιχείων για να παρέχει στους υπαλλήλους ελεγχόμενη πρόσβαση σε δεδομένα από εκατοντάδες πηγές. Οι ομάδες βάσει δεδομένων μπορούν πλέον να βρουν γρήγορες λύσεις, όπως ήταν μια ομάδα παντοπωλείων μπερδεμένος από μια πτώση των πωλήσεων για ένα συγκεκριμένο αντικείμενο. Ο χειρισμός δεδομένων τους βοήθησε να ανακαλύψουν ότι η τιμή του προϊόντος δεν ήταν ανταγωνιστική λόγω απλών λανθασμένων υπολογισμών και να αναλάβει άμεση δράση.
• Τα μεγάλα καταστήματα λιανικής χρησιμοποιούν βίντεο τα αναλυτικά στοιχεία ενεργοποιήθηκαν από το CCTV και τεχνικές εξόρυξης δεδομένων για να κατανοήσουν τα πρότυπα συμπεριφοράς των πελατών. Αυτό τους παρέχει πληροφορίες σχετικά με ερωτήσεις σχετικά με τα νεκρά σημεία στο κατάστημα που αγνοούνται από τους πελάτες, το βέλτιστο προσωπικό, ας πούμε, την Παρασκευή το βράδυ, προϊόντα που είναι σε ζήτηση όταν ο καιρός είναι ζεστός και πολλά, πολλά άλλα. Χρησιμοποιώντας την ανάλυση καλαθιού αγορών για να εξερευνήσουν τα δημογραφικά στοιχεία και τα μοτίβα αγορών των πελατών, οι λιανοπωλητές κάνουν τα προϊόντα τους να μοιάζουν με συνολικά κλέβουν με προσαρμοσμένες τιμές και διατάξεις
• Οι ιστότοποι ηλεκτρονικού εμπορίου, από την άλλη πλευρά, μπορούν να στοχεύουν καλύτερα τους χρήστες με προτάσεις προϊόντων, παρακολουθώντας δεδομένα ροής κλικ και άλλη δραστηριότητα πελατών. Τα δεδομένα τους παρέχουν πληροφορίες σχετικά με τα κανάλια που οδηγούν τη μεγαλύτερη επισκεψιμότητα, τις σελίδες ή τα προϊόντα που προσελκύουν τις περισσότερες επισκέψεις, ποιοι είναι οι πιο κερδοφόροι πελάτες τους και πού μπορεί ο ιστότοπος να χάνει χρήστες. Εφαρμόζοντας την εξόρυξη κειμένου σε ερωτήματα, βοηθούν επίσης τους πελάτες να βρουν το επιθυμητό προϊόν πολύ πιο γρήγορα.
• Η μεγάλη ανάλυση δεδομένων επιτρέπει τη διαχείριση αποθέματος με ορατότητα από άκρο σε άκρο. Μια προβολή 360 μοιρών για το απόθεμα συμβάλλει στην αποφυγή χαμένων ευκαιριών που απορρέουν από τη μη διαθεσιμότητα των προϊόντων, τα μη συγχρονισμένα επίπεδα αποθεμάτων στα κανάλια πωλήσεων που οδηγούν σε υπερπώληση ή αργή παράδοση. Η Amazon, για παράδειγμα, παρουσίασε ένα δίπλωμα ευρεσιτεχνίας για το «προγνωστική αποστολή«Σύστημα που μπορεί να προβλέψει τι θέλουν να αγοράσουν οι άνθρωποι πριν καν κάνουν τις παραγγελίες τους.
• Η εύρεση νέων πελατών έγινε επίσης εύκολη με εξελιγμένες τεχνολογίες μεγάλων δεδομένων / AI όταν εφαρμόζονται σε συστήματα CRM. Αυτές οι πλατφόρμες όχι μόνο παρακολουθούν δεδομένα δομής email και ημερολογίου, αλλά αυτοματοποιούν ακολουθίες παρακολούθησης και σηματοδοτούν θερμούς δυνητικούς πελάτες.

Μάρκετινγκ

«Ο στόχος του μάρκετινγκ είναι να γνωρίζει και να κατανοεί τον πελάτη τόσο καλά το προϊόν ή η υπηρεσία του ταιριάζει και πουλάει τον εαυτό του» - - Peter Drucker, ένας διάσημος σύμβουλος διαχείρισης και εκπαιδευτικός.

Οι ομάδες μάρκετινγκ και πωλήσεων πρωτοστατούν στο μεγάλο analytics δεδομένων, επηρεάζοντας σημαντικά τις επιχειρήσεις με μεγάλα δεδομένα. Οι τρεις τύποι δεδομένων που συλλέγουν - πελάτες, οικονομικά και επιχειρησιακά δεδομένα - επιτρέπουν μια πιο ακριβή ανάλυση του κοινού-στόχου, της οικονομικής απόδοσης και των επιχειρηματικών διαδικασιών.

• Το Netflix είναι ένα εξαιρετικό παράδειγμα για το πώς η διαφήμιση που βασίζεται σε δεδομένα μπορεί να τροφοδοτήσει την αύξηση των συνδρομητών παρά τις αντίθετες αποφάσεις, όπως απαγόρευση VPN και αύξηση των τιμών το 2016. Όσοι βρίσκονται στο fan club γνωρίζουν πώς σας στέλνουν προτάσεις για την επόμενη εκπομπή για παρακολούθηση. Οι μηχανές προτάσεων του Netflix και οι νέες αποφάσεις παραγωγής περιεχομένου βασίζονται σε ποιους τίτλους αναζητούν ή παρακολουθούν οι άνθρωποι, ο χρόνος που αφιερώνεται επιλέγοντας ταινίες, πόσο συχνά διακόπτεται η αναπαραγωγή, βαθμολογίες κ.λπ. Ο σταρ του σεναριογράφου του Χόλιγουντ William Goldman είπε: «Κανείς, κανένας - όχι τώρα, όχι ποτέ - ξέρει το λιγότερο καλό πράγμα για το τι είναι ή δεν πρόκειται να εργαστεί στο box office. " Λοιπόν, το Netflix ξέρει!
• Η Google και το Facebook γνωρίζουν επίσης μερικά πράγματα σχετικά με τη διαφήμιση βάσει δεδομένων, αποκομίζοντας τεράστια επιχειρηματικά οφέλη από μεγάλα δεδομένα. Συλλέγοντας και αναλύοντας τεράστιους όγκους προσωπικών δεδομένων που κοινοποιούμε, εξυπηρετούν καλύτερα στοχευμένες και πιο εξατομικευμένες διαφημίσεις προϊόντων και υπηρεσιών που μπορεί να μας ενδιαφέρουν πραγματικά να αγοράσουμε.
• Με τον πολλαπλασιασμό των smartphone, η μεγάλη ανάλυση δεδομένων επέτρεψε την υπερ-εντοπισμένη διαφήμιση (η οποία, ας παραδεχτούμε, είναι αρκετά ανατριχιαστική). Καταγράφοντας δεδομένα τοποθεσίας και δημογραφικά στοιχεία, οι πλατφόρμες αναλυτικών στοιχείων μπορούν να στείλουν στους αγοραστές κοντά στο κατάστημα μια διαφήμιση που προσφέρει εκπτώσεις ή άλλες πρωτοβουλίες.
• Ένα άλλο καλό παράδειγμα μεγάλων δεδομένων και των επιχειρηματικών της επιπτώσεων στο μάρκετινγκ είναι η ιστορία κουπονιών του Kroger. Το μεγαλύτερο δίκτυο παντοπωλείων των ΗΠΑ αποστέλλει εξαιρετικά εξατομικευμένα κουπόνια σε αγοραστές ποσοστά εξαργύρωσης άνω του 70% εντός των επόμενων έξι εβδομάδων. Μελετώντας το DNA κάθε πελάτη αντί να τα τμηματοποιεί δημογραφικά, ο Kroger προσφέρει κουπόνια για ό, τι πραγματικά αρέσει στους ανθρώπους, πράγμα που σημαίνει ότι ένας πότες Coke είναι απίθανο να ντρέπεται με μια προσφορά κουπονιού Pepsi ποτέ.

Φροντίδα Υγείας

Τα μεγάλα αναλυτικά δεδομένα λαμβάνουν υγειονομική περίθαλψη από καταιγίδα, βοηθώντας στην πρόβλεψη επιδημιών, μείωση του κόστους θεραπείας, αποφυγή προληπτικών καταστάσεων και βελτίωση της συνολικής ποιότητας της ζωής μας. Οι λειτουργικές βελτιώσεις περιλαμβάνονται επίσης στη λίστα των περιζήτητων επιχειρηματικών πλεονεκτημάτων μεγάλων δεδομένων.

Οι πληροφορίες προέρχονται από πολλές πηγές που περιλαμβάνουν κλινικά δεδομένα, ηλεκτρονικά αρχεία ασθενών, αρχεία πληρωμών, πύλες ασθενών, αποτελέσματα ιατρικών εξετάσεων, φορητά, smartphone, γενετικές βάσεις δεδομένων και άλλες.

• Τα ηλεκτρονικά αρχεία υγείας (EHR), ίσως η ευρύτερη εφαρμογή μεγάλων δεδομένων στην υγειονομική περίθαλψη, παρέχουν στους επαγγελματίες υγείας πρόσβαση σε πλήρεις πληροφορίες για έναν ασθενή, συμπεριλαμβανομένων δημογραφικών, ιατρικών διαγνώσεων, συνταγών, αλλεργιών κ.λπ. Τα συστήματα EHR βελτιώνουν τη φροντίδα μέσω αυτοματισμού και καλύτερη συνεργασία μεταξύ προμηθευτές, αποστολή υπενθύμισης διαλογής ή εμβολιασμού ή ειδοποιήσεων για αντενδείκνυες καταστάσεις, μη φυσιολογικά εργαστηριακά αποτελέσματα ή αλληλεπιδράσεις με φάρμακα. Ενισχύουν προγνωστικά αναλυτικά στοιχεία στην υγειονομική περίθαλψη, με παραδείγματα εδώ που διαθέτουν ένα εργαλείο πρόβλεψης αναλυτικών στοιχείων που βασίζεται σε ML και δημιουργήθηκε από την Σύστημα Υγείας North Oaks να επιταχύνει τη θεραπεία με αντιβιοτικά και να μειώσει τη θνησιμότητα από σήψη χρησιμοποιώντας δεδομένα EHR.
• Τα μεγάλα επιχειρηματικά οφέλη στην υγειονομική περίθαλψη περιλαμβάνουν βελτιστοποιημένα επίπεδα στελέχωσης. Μια ομάδα γαλλικών νοσοκομείων, για παράδειγμα, χρησιμοποιούν ένα πλατφόρμα ανάλυσης για την αντιμετώπιση του προβλήματος υπερπληθυσμού. Η πλατφόρμα μπορεί να προβλέψει επισκέψεις σε τμήματα έκτακτης ανάγκης και εισαγωγές για τις επόμενες 15 ημέρες, με βάση μια βάση δεδομένων για περισσότερες από 470,000 συναντήσεις ασθενών και πρόσθετα δεδομένα για εξωτερικούς παράγοντες, όπως καιρός, διακοπές και συχνότητα γρίπης που σχετίζονται με επισκέψεις σε νοσοκομείο.
• Ένας άλλος σημαντικός τομέας όπου τα μεγάλα δεδομένα έχουν μεγάλο αντίκτυπο στην υγειονομική περίθαλψη είναι η διαχείριση των επιδημιών. Κατά τη διάρκεια της επιδημίας του ιού Έμπολα 2014-16 στη Δυτική Αφρική, οι ερευνητές στράφηκαν σε δεδομένα σχετικά με τη θέση και τη συχνότητα των κλήσεων σε γραμμές βοήθειας για να χαρτογραφήσουν τις κινήσεις του πληθυσμού στην περιοχή. Μια παρόμοια ανάλυση δεδομένων κινητής τηλεφωνίας χρησιμοποιήθηκε μετά τον σεισμό της Αϊτής το 2010 για τη στόχευση επιχειρήσεων αρωγής και την πρόβλεψη της εξάπλωσης της επακόλουθης επιδημίας χολέρας.
• Η έρευνα για τα μεγάλα δεδομένα κάνει μεγάλα βήματα στη βελτίωση της ανίχνευσης και της αντιμετώπισης ορισμένων καταστάσεων. Παραδείγματα περιλαμβάνουν εταιρεία τεχνολογίας Tempus που δημιούργησε μια τεράστια βιβλιοθήκη κλινικών και μοριακών δεδομένων για να εμπλουτίσει το πλαίσιο για την περίπτωση καρκίνου κάθε ασθενούς για πιο εξατομικευμένες επιλογές θεραπείας. Στον τομέα της δερματολογίας, οι σύγχρονοι αλγόριθμοι AI εκπαιδεύτηκαν για την ανίχνευση καλοήθων και κακοηθών βλαβών του δέρματος έχουν επιτύχει την ακρίβεια κλινικών πιστοποιημένων με συμβούλιο. Η αυτόματη ταξινόμηση των βλαβών του δέρματος με βάση τις εικόνες μπορεί να εφαρμοστεί σε smartphone, διατηρώντας τη δυνατότητα αύξησης της πρόσβασης χαμηλού κόστους σε ζωτική διαγνωστική φροντίδα.

Υπηρεσίες

Η αυξανόμενη χρήση των δεδομένων είναι ονομάζεται μεταξύ των σημαντικότερων τάσεων που θα διαμορφώσει τον τραπεζικό τομέα την επόμενη δεκαετία.

Για τις τράπεζες και άλλα χρηματοπιστωτικά ιδρύματα, ο αντίκτυπος των μεγάλων δεδομένων στα επιχειρηματικά κέντρα γύρω από νέα επίπεδα ασφάλειας και καλύτερη αφοσίωση των πελατών καθοδηγείται από εξατομικευμένες προσφορές.

• Η καλύτερη εξυπηρέτηση πελατών που ενισχύεται από τα μεγάλα analytics δεδομένων βρίσκεται στη λίστα των κορυφαίων προτεραιοτήτων για τη Royal Bank of Scotland (RBS). Το RBS αναλύει πακεταρισμένους τραπεζικούς λογαριασμούς για να εντοπίσει εάν ένας πελάτης μπορεί να πληρώνει δύο φορές για την ίδια υπηρεσία και χρησιμοποιεί αναλυτικά στοιχεία για να εντοπίσει πελάτες που θα μπορούσαν να εξοικονομήσουν χρήματα από την ενοποίηση των δανείων τους. Τα συστήματά τους στέλνουν επίσης υπενθυμίσεις ανανέωσης συμφωνίας σε κατόχους ενυπόθηκων δανείων όταν πλησιάζουν μια αυτόματη μεταφορά σε πιο ακριβό μεταβλητό επιτόκιο.
• Η πρόληψη της απάτης είναι μια άλλη κοινή εφαρμογή μεγάλων δεδομένων στον τραπεζικό τομέα. Η Lloyds Banking Group, για παράδειγμα, δημιουργεί αυτό που περιγράφει ως ηχητικά δακτυλικά αποτυπώματα των κλήσεων πελατών, αναλύοντας μοναδικά χαρακτηριστικά κλήσεων (τοποθεσία, θόρυβος στο παρασκήνιο, ιστορικό κλήσεων κ.λπ.). Εν τω μεταξύ, η American Express αναφέρει 100% βελτίωση του ποσοστού ανάλυσής της για ψηφιακή απάτη και μείωση κατά 21% στη διακοπή του POS από την υιοθέτηση αναλυτικών δεδομένων με τεχνολογία AI το 2014. Το AmEx χρησιμοποιεί επίσης μεγάλα δεδομένα για την απόκτηση νέων πελατών μέσω διαδικτυακών καναλιών και την ανάπτυξη εφαρμογών που συνδέουν κατόχους καρτών με εμπόρους σε εξατομικευμένες προσφορές.
• Τα μεγάλα δεδομένα προσφέρουν μεγάλες επιπτώσεις όσον αφορά τη διαχείριση κινδύνων στον τραπεζικό τομέα. Οι ιστορίες επιτυχίας περιλαμβάνουν τη Σιγκαπούρη United Overseas Bank (UOB) που μείωσε τον χρονικό κύκλο υπολογισμού της αξίας σε κίνδυνο (ο κίνδυνος απώλειας για επενδύσεις) από ώρες σε λεπτά και Morgan Stanley που έχει επιτύχει μεγαλύτερη ακρίβεια στην πρόβλεψη χρηματοοικονομικού κινδύνου με τη βοήθεια της αυτοματοποιημένης αναγνώρισης προτύπων.

Εκπαίδευση

Οι μεγάλες τεχνολογίες δεδομένων / AI είναι επαναστατική εκπαίδευση, καθιστώντας δυνατή την ανάλυση της απόδοσης και της συμπεριφοράς του μαθητή σε πραγματικό χρόνο, τη βελτίωση των διδακτικών προσεγγίσεων και την αναζωογόνηση ολόκληρων εκπαιδευτικών συστημάτων.

• Καταγράφοντας δεδομένα όπως βαθμολογίες δοκιμών, χρόνους απόκρισης σε ερωτήσεις ή ερωτήσεις που οι μαθητές αποτυγχάνουν ή απαντούν με επιτυχία, μεγάλα συστήματα ανάλυσης δεδομένων επιτρέπουν στους εκπαιδευτικούς να εξατομικεύσουν τη διαδικασία μάθησης και να βελτιώσουν τα αποτελέσματα των μαθητών. Με εργαλεία αξιολόγησης σε πραγματικό χρόνο και εξελιγμένες εφαρμογές, το Ashford School στο Ηνωμένο Βασίλειο, για παράδειγμα, όχι μόνο δημιούργησε ένα βέλτιστο μαθησιακό περιβάλλον, αλλά μειωμένο συνολικό κόστος πληροφορικής.
• Μεγάλες τεχνολογίες δεδομένων χρησιμοποιούνται επίσης για την παρακολούθηση των εκφράσεων του προσώπου των μαθητών και άλλων βιομετρικών δεδομένων μέσω κάμερας ή φορητών για να εκτιμήσουν τη μαθησιακή τους δέσμευση ή να ενισχύσουν την ασφάλεια (η ηθική πίσω από αυτήν την μεγάλη εφαρμογή δεδομένων είναι όμως λεπτή).
• Η παροχή βοήθειας στους μαθητές με μια επιλογή σταδιοδρομίας είναι μια άλλη σημαντική εφαρμογή μεγάλων δεδομένων στην εκπαίδευση. Πλατφόρμες σχεδιασμού κολλεγίων όπως Υπερβολική βαθμολογία Βοηθήστε τους μαθητές να κατανοήσουν τους τομείς που τους ενδιαφέρουν, να παρακολουθήσουν την πρόοδο προς τους εκπαιδευτικούς τους στόχους και να ακολουθήσουν τα σχολεία που τους αρέσουν.

Τέλος σημείωμα

Πολλές εταιρείες σε όλες τις βιομηχανίες έχουν ξυπνήσει με μεγάλες τεχνολογίες δεδομένων και επιχειρηματικές επιπτώσεις που προσφέρουν. Το παιχνίδι είναι ενεργοποιημένο και περισσότερα έρχονται.

Σύμφωνα με Βικιβόν, η μεγάλη αγορά ανάλυσης δεδομένων θα πρέπει να φτάσει τα 103 δισεκατομμύρια δολάρια έως το 2023. Εν τω μεταξύ, οι παγκόσμιες δαπάνες για μεγάλα δεδομένα, ανέφερε 180 δισεκατομμύρια δολάρια το 2019, προβλέπεται να αυξηθεί με CAGR 13.2% μεταξύ 2020 και 2022.

Αυτό σημαίνει ότι ο ανταγωνισμός θα αυξηθεί. Μην διστάσετε, πηγαίνετε μεγάλα.

Εάν δεν ξέρετε πώς να ξεκινήσετε με ένα μεγάλο ταξίδι δεδομένων στη βιομηχανία σας ή έχετε κολλήσει στη μέση, επικοινωνήστε με το ITRex μεγάλοι εμπειρογνώμονες δεδομένων. Θα χαρούν να μοιραστούν την εμπειρία και την εμπειρία τους.

Πλάτωνας. Επανεκτίμησε το Web3. Ενισχυμένη ευφυΐα δεδομένων.
Κάντε κλικ εδώ για πρόσβαση.

Πηγή: https://hackernoon.com/the-big-impact-of-big-data-on-businesses-today-mu2437h0?source=rss