נאמר לעולם שהעתיד בפנים נתונים גדולים. נוצרה מהומה גדולה וננקטו צעדים כדי להבטיח את עתידה בעולם הממוקד בטכנולוגיה שלנו. המילה הופיעה לראשונה בדוח מחקר מיוחד שפרסם מקינזי ו-IBM בסביבות מאי 2011.
מקינזי ניסחה זאת בצורה נועזת למדי, והכריזה כי "מנהיגים בכל מגזר יצטרכו להתמודד עם ההשלכות של נתונים גדולים, לא רק כמה מנהלים מוכווני נתונים" כמו גם איך ביג דאטה יהפוך ל מיקוד מרכזי בכלכלות רבות, מקדימה ומנצחת את המתחרים. מקינזי היה אחד החלוצים בריתום ושם לביג דאטה, הוא ממשיך ומסביר כי "כמות הנתונים בעולם שלנו התפוצצה […] הנפח והפירוט ההולך וגובר של מידע שנלכד על ידי ארגונים, העלייה של מולטימדיה, מדיה חברתית ואינטרנט של הדברים יעודדו צמיחה אקספוננציאלית בנתונים בעתיד הנראה לעין."
כיום, לאחר כמעט עשור לאחר התחזיות של מקינזי, רק 26.8% מהחברות שהשתתפו ב-NewVantage Partners 2020 Big Data וסקר מנהלים, דיווחו שיש להם כל סוג של תרבות מודעת לנתונים. עוד 37.8% מדווחים שהם מונעים על ידי נתונים בדרך זו או אחרת. רק 45.1% מאשרים שהם מתחרים באופן פעיל ומשתמשים בניתוח נתונים בעסק שלהם. זוהי תגובה מרתקת למשהו כל כך מהפכני שהיה אמור לשנות את העולם לפני 9 שנים. השם של Big Data המשיך לעורר חברות להשקיע מאות מיליונים בטכנולוגיה בניסיון לפרק אותה ולתרגם אותה לזהב מידע. למרות ניסיונות רבים לנצל את זר המידע, הטכנולוגיה בקושי גירדה את פני השטח של הפוטנציאל האמיתי של ביג דאטה.
אחד המשקיעים הללו, Accel Partner, העיר כי "אנו רואים קצב מואץ של חדשנות בביג דאטה, כאשר הדור החדש ביותר של יזמים מדמיין מחדש דרכים להפיק את מירב הערך מהביג דאטה ולשנות מהותית את הדרך בה אנו עובדים. תהליכי מידע", הם גם משוכנעים שבמקום שלושה Vs של ביג דאטה שהם מגוון, נפח ומהירות, יש משתנה רביעי שעדיין לא זוהה אבל הוא חיוני ביותר להצלחת הטמעת ביג דאטה: ערך משתמש קצה.
עם זאת בחשבון, ארגונים שאימצו יוזמות ביג דאטה ניסו ליישם זאת שיווק ממוקד עם הצלחות ברורות, אבל שוב, זו רק ההתחלה ויש הרבה יותר שיש ל-Big Data להציע מאשר למשוך לקוחות עם סרטון אחר שהם רוצים לראות, או מוצר שהם רוצים לקנות, או שירות שהם היו מעסיקים בתקופה מסוימת של השנה. מודעות יעד הפכו נפוצות בנוף הדיגיטלי של היום וביג דאטה הבטיחו להעלות אותו לשלב הבא. למרבה הצער, רמה זו עדיין לא הוקמה ובין היתר בגלל המחסור בכוח אדם הדרוש על מנת להפוך את רמת הנתונים הזו למשהו שמיש. לאחר חקירה ברורה יותר, ניתן להיתקל במשפט מפתח בדו"ח מקינזי הקובע כי תחזיותיו יתגשמו אך רק אם "המדיניות והאפשרות הנכונות יהיו במקום".
הדבר עורר סערה נוספת במגזר הטכנולוגי, כאשר ה-AI הוצג כדי לשמש כחיץ בין ביג דאטה לתרגומו למידע שמיש. אינטליגנציה מלאכותית היא תעשייה נוספת שרוויה בהבטחות וברעיון כיצד ניתן להשתמש בה כדי לפתור בעיות רבות בחברה. כסף גדול נשפך לישות טכנולוגית שצפויה לעשות הכל, החל מלעזור לך לדרג בגוגל על ידי מתן העצות הטובות ביותר יועץ SEO יאפשר לשנות לחלוטין את האופן שבו אנשים משתמשים במדיה החברתית ולתמרן אותם להשתמש בטלפונים שלהם פחות כפי שמודגש ב בעיות חברתיות כיום מתמודדים דורות, לתמרן משתמשים להשתמש בטלפונים שלהם יותר כדי לשמור עליהם מעורבים ולקנות משהו. באופן אידיאלי, זה יגרום לך להשתמש בטלפון שלך פחות ולקנות יותר.
החסרונות של ביג דאטה באים לידי ביטוי בכך שהוא לא ידידותי למשתמש ולא ניתן לפרש בקלות לחברות להרוויח מכך. אבל במקום זאת, זה דורש כמויות גדולות של נתונים ואפילו כמויות גדולות של כוח עיבוד שעדיין לא קיים כדי לדלל את המידע לקטעים קלים לעיכול.
לצרכני קצה של דוחות BI, ניתוחים, מערכי נתונים ומוצרים מונעי נתונים אחרים יש שאלות שהם שואלים באופן קבוע: מאיפה הגיעו הנתונים? איך זה נצבר והשתנה? מי השתמש בו? מה האיכות של הנתונים האלה? עד כמה זה אמין?
אם המשתמשים לא יקבלו תשובות מהימנות, הם לא יבטחו ויצרכו את הנתונים ומוצרי ה-BI. לפיכך, זה מתאים לניהול וניתוח נתונים אנשי מקצוע להציב במקום פתרונות שושלת נתונים שיכולים לענות במדויק על שאלות אלו ואחרות לגבי מקורות הנתונים, היסטוריה, טרנספורמציות, שימוש, מצב ואמינות. אתה צריך פונקציונליות של כלי שושלת נתונים כדי שיהיה לך מידע מדויק על נתונים זמין במהירות כאשר אתה נחקר על ידי משתמשים, מפתחים, מבקרים, מושלים ומנהלים.
חברות מבינות שאיסוף נתונים הוא חשוב. אבל לעתים קרובות הם מתרשלים לעשות עם זה משהו. המהות של אסטרטגיית ריבוי ערוצים טובה היא הפיכת הנתונים שלך לפעולה כדי לשפר את חווית הלקוח שלך. אלא אם כן אתה יכול לחבר את הנתונים שלך בין צוותים ופלטפורמות, הרבה מהם חסר תועלת.
אוניברסיטת טקסס מצאה כי הגדלת השימושיות של הנתונים רק 10% יגדילו בממוצע את ההכנסות ב-2 מיליארד דולר בשנה.
ביג דאטה נותן לך נקודת זכות לגבי התנהגות והעדפות לקוחות. זה גם חושף את החוזקות והחולשות של הצוות שלך כדי לעזור לך להגביר את האסטרטגיה שלך.
זה לא צריך להיות מפתיע שאיסוף ולימוד נתוני לקוחות יחשפו דברים על בסיס הלקוחות וההתנהגויות שלך. באופן מפתיע, רוב החברות לא עושות את זה טוב. רק 8% מהקמעונאים אומרים שיש להם השקפה הוליסטית על בסיס הלקוחות שלהם.
חברות שאין להן שליטה על בסיס הלקוחות שלהן סובבות את גלגליהן בכל הנוגע לשיפור חווית הלקוח. אתה מבצע שיפורים על סמך אינטואיציה, אבל אין לך מושג מה הלקוחות שלך באמת רוצים.
ככל שהחברה אוספת יותר מידע ומנתחת ביעילות, כך סיכוייה להקדים את המתחרים ולספק מוצרים ושירותים מתקדמים יותר.
אתה יכול לראות בקלות ניתוח Big Data בפעולה כשאתה צופה בסרטון האהוב עליך, בודק את עדכון המדיה החברתית שלך, או אפילו בוחר תוכנית ביטוח. יש מיליוני סרטונים ביוטיוב ותוכלו לבדוק כמה אנשים צפו בהם במהלך השנים. באופן דומה, אתה יכול לעקוב אחר מספר הלייקים שאתה מקבל על הפוסטים שלך, כמה אנשים עוקבים אחריך בטוויטר, מספר ההורדות של כל אפליקציה לנייד, ביקורות לגבי כל מוצר באתרי מסחר אלקטרוני ועוד הרבה יותר . חברות אוספות כמות עצומה זו של נתונים ומנסות להבין טוב יותר את צרכי הלקוחות ולהשיג שביעות רצון מוגברת של הלקוחות באמצעות ההצעות שלהן.
מגזרי תעשייה שונים משתמשים בביג דאטה כדי להציע פתרונות עסקיים מתוחכמים ללקוחותיהם. ייצור, חינוך, בריאות, שוקי מניות, תעופה ותחבורה מובילים בריתום את הכוח של Big Data. מגזרים אלה מציעים מגוון עבודה הזדמנויות בתחום הביג דאטה כמו מהנדס ביג דאטה, מפתח Hadoop, מנתח נתונים, למידת מכונה מהנדס, ואנליסט בינה עסקית.
השילוב החזק של AI ו למידת מכונה נמצא בשימוש על ידי חברות כדי להפוך את הביג דאטה המסורבל למחסנית נגישה. זה יאפשר לעסקים לראות את הקסם האלגוריתמי באמצעות יישומים כמו זיהוי תבניות, זיהוי הונאה, ניתוח וידאו, תמחור דינמי ועוד. ארגונים מונעי אנליטיקה ממנפים גם בינה מלאכותית כדי לשפר את איכות הנתונים.
תעשיית ה-IT מעוניינת כעת מאוד במבני נתונים מפוצלים, בתפוצה רחבה, שנוצרו על ידי נתונים בפורמט שגוי. זו הסיבה שמספר מסדי הנתונים עבור מגוון רחב של סוגי נתונים גדל באופן משמעותי במהלך השנים כדי לקדם סינתזה משמעותית של נתונים. השילוב של סינתזת נתונים וניתוח נתונים יקדם עוד יותר את השימוש האפקטיבי בנתונים.
לפי פורבס, יישום ביג דאטה יהיה לקחת מספר שנים עם הרבה פספוסים וכישלונות כי רק בכישלון אנו גדלים להיות יעילים, יעילים וחדשניים יותר. זוהי רשת מורכבת שמושפעת מכל הגורמים, חיצוניים ופנימיים. כיצד הצרכן הסופי ממשיך לצרוך תוכן ונתונים, האם הכלכלה תישאר מבוססת צרכנים, ואם התעשייה הזו תמשיך להישאר רלוונטית. כל זה לוקח זמן ותרגול עד שהוא יכול להגיע לצורתו הסופית של מפלצת שיווק המוני. הבעיה המרכזית היא שכולנו ציפינו ליותר מדי, מוקדם מדי, בהתבסס על חלום שיחזיק רק שנים רבות בהמשך הדרך. תחשוב על טסלה, או על כל מדענים בעידן מבוגר, רבים חיו עם המוח שלהם בעתיד ופשוט חסרות להם הטכנולוגיות להגשים את הרעיונות שלהם. זה אותו מקרה עם ביג דאטה, אבל בקרוב זה לא יהיה.
קרדיט תמונה: https://images.pexels.com/photos/1342460/pexels-photo-1342460.jpeg?auto=compress=tinysrgb=2=500
מקור: https://datafloq.com/read/big-datas-shortcomings/10958
