Durante décadas, a TI contou com inteligência de negócios convencional e data warehousing, com requisitos bem definidos e relatórios pré-definidos..

Estamos agora em uma nova era de análise de big data, em que a descoberta é parte do processo, então os objetivos mudam à medida que novos insights emergem. Isso requer uma infra-estrutura e um processo que podem passar rápida e facilmente da exploração de dados para o insight de negócios e para as informações acionáveis..

Para transformar rapidamente os dados em valor comercial, uma arquitetura de big data deve ser vista como uma cadeia de suprimentos que pode gerenciar e processar o volume, a variedade e a velocidade dos dados. Para começar, toda empresa precisa de um processo de big data. Esse processo é dividido em três etapas:

1. Identifique as metas de negócios

Ninguém deve implantar big data sem uma visão geral do que será ganho. A base para o desenvolvimento dessas metas é sua equipe de análise e ciência de dados trabalhando em conjunto com especialistas no assunto. Os cientistas de dados, analistas e desenvolvedores devem colaborar para priorizar as metas de negócios, gerar insights e validar hipóteses e modelos analíticos.

2. Faça insights de big data operacionais

É imperativo que a equipe de ciência de dados trabalhe em conjunto com a equipe de devops. Ambos os grupos devem garantir que os insights e metas estejam operacionais, com processos e métodos repetíveis, e comuniquem informações acionáveis ​​para as partes interessadas, clientes e parceiros..

3. Construa um pipeline de big data

A arquitetura de sistemas de gerenciamento de dados e análise deve facilitar a colaboração e eliminar etapas manuais. A cadeia de fornecimento de big data consiste em quatro operações-chave necessárias para transformar dados brutos em informações acionáveis. Esses incluem:

  • Adquira e armazene: Acesse todos os tipos de dados de qualquer plataforma, em qualquer latência, por meio de adaptadores para sistemas operacionais e legados, mídias sociais e dados de máquina, com a capacidade de coletar e armazenar dados em lotes, em tempo real e em tempo quase real..
  • Refinar e enriquecer: Integrar, limpar e preparar dados para análise, enquanto coleta metadados técnicos e operacionais para marcar e enriquecer conjuntos de dados, facilitando sua localização e reutilização.
  • Explore e organize: Navegue pelos dados, visualize e descubra padrões, tendências e insights com potencial impacto nos negócios; organizar e administrar os conjuntos de dados que detêm o maior valor comercial.
  • Distribuir e gerenciar: Transforme e distribua informações acionáveis ​​para usuários finais por meio de dispositivos móveis, aplicativos corporativos e outros meios. Gerenciar e oferecer suporte a contratos de nível de serviço com uma arquitetura de implantação flexível.

Depois que o processo é estabelecido, a arquitetura de referência de big data pode suportar esses quatro padrões comuns de uso de big data, que permitem inteligência de negócios acionável: otimização de data warehouse, análise de cliente em 360 graus, inteligência operacional em tempo real e lagos de dados gerenciados.

Otimização de data warehouse

À medida que os volumes de dados crescem, as empresas gastam cada vez mais no ambiente de data warehouse. O problema surge quando a capacidade no ambiente é consumida muito rapidamente, o que acaba forçando as organizações a realizar upgrades dispendiosos em armazenamento e processamento de energia..

Uma maneira de lidar com o crescimento de dados de alto volume é implantar o Hadoop, que apresenta uma solução barata para armazenar e processar dados em escala. Em vez de testar dados brutos que vêm dos sistemas de origem para o warehouse, basta armazenar os dados da fonte original no Hadoop.

A partir daí, você pode preparar e pré-processar os dados antes de mover os resultados (um conjunto muito menor de dados) de volta para o data warehouse para business intelligence e relatórios analíticos. O Hadoop não substitui o data warehouse tradicional, mas fornece uma solução excelente e complementar.

Análise de clientes em 360 graus

A maioria das empresas quer entender melhor seus clientes para aumentar a fidelidade e a retenção - e vender produtos ou serviços. Para fazer isso, você precisa desenvolver uma visão de 360 ​​graus do cliente.

Software CRM há muito reivindicou para fazer isso. Hoje, no entanto, novos tipos de dados sobre indivíduos são abundantes por meio de canais sociais, móveis e de comércio eletrônico, bem como registros de serviços ao cliente, telemática, dados de sensores e dados de fluxo de cliques baseados em interações da Web..

Agora, uma visualização de 360 ​​graus significa que você deve ser capaz de acessar novos tipos de dados junto com dados tradicionais, combiná-los, transformá-los e analisar tudo para descobrir novos insights sobre clientes e clientes potenciais..

Esse maior nível de entendimento, combinado com algoritmos de big data para análise preditiva, permite que as organizações prevejam o comportamento do cliente com mais precisão e forneçam recomendações significativas. Conhecer melhor seus clientes, incluindo o que eles estão dizendo e fazendo, permite que você ofereça mais valor a eles.

Inteligência operacional em tempo real

A inteligência operacional em tempo real é a capacidade de monitorar e (otimamente) responder a eventos em tempo real. Um exemplo disso em vendas ou marketing é conhecido como "marketing para o momento".

Por exemplo, por meio de um dispositivo móvel, um associado de vendas pode receber informações sobre um cliente assim que ele entrar na loja, incluindo as experiências recentes desse cliente no site de comércio eletrônico da loja..