Big data-analyse
Det betyder det, og derfor er det vigtigt
Big data analytics undersøger store datamængder for at afdække skjulte mønstre, korrelationer og anden indsigt. Med nutidens teknologi er det muligt at analysere dine data og få svar næsten med det samme, hvilket mere traditionelle business intelligence-løsningerikke i stand til, da de er langsommere og mindre effektive.
Big data analytics’ historik og udvikling
Konceptet ’big data’ har eksisteret i årevis. De fleste organisationer forstår nu, at hvis de fastholder alle de data, der gennemstrømmer deres virksomheder, kan de anvender analytics og opnå en betydelig værdi herfra. Men selv i 1950'erne, årtier før nogen talte om ’big data’, brugte virksomheder grundlæggende analyse (hovedsageligt tal i regneark, der blev undersøgt manuelt) til at afdække indsigt og tendenser.
Fordelene ved big data analytics er hastighed og effektivitet. Mens en virksomhed for nogle år siden ville have indsamlet information, foretaget analyser og afdækket information, der kunne bruges til fremtidige beslutninger, kan virksomheden i dag identificere indsigt til beslutninger her og nu. Evnen til at arbejde hurtigere – og forblive fleksibel – giver organisationer en konkurrencemæssig fordel, som de ikke havde før.
Hvorfor er big data analytics vigtig?
Big data analytics hjælper organisationer med at udnytte deres data og bruge dem til at identificere nye muligheder. Det fører igen til smartere forretningstiltag, mere effektiv drift, højere fortjenester og mere tilfredse kunder. I rapporten ’Big Data in Big Companies’ interviewede Tom Davenport, IIA Director of Research, mere end 50 virksomheder for at forstå, hvordan de bruger big data. Han konkluderede, at de fik værdi på følgende måder:
- Omkostningsreduktion. Big data-teknologier såsom Hadoop og cloud-baseret analytics giver betydelige omkostningsfordele, når det kommer til lagring af store datamængder. Derudover kan de identificere mere effektive måder at drive virksomheden på.
- Hurtigere og bedre beslutningstagning. Med hastigheden fra Hadoop og in-memory analytics kombinet med evnen til at analysere nye datakilder, kan virksomheder analysere information omgående – og efterfølgende træffe beslutninger baseret den nye viden.
- Nye produkter og serviceydelser. Med evnen til at måle kundebehov og -tilfredshed vha. analytics er virksomhederne i stand til at give deres kunder det, de efterspørger. Davenport fremhæver, at vha. big data analytics skaber flere virksomheder nye produkter, der imødekommer deres kunders behov.
Big data analytics i dag
De fleste organisationer har big data. Og mange forstår vigtigheden af at udnytte disse data og opnå værdi herfra. Men hvordan? De fire områder nedenfor indeholder det nyeste inden for big data og analytics.
Statistik og machine learning i stor skala
Begrebet ’machine learning’ har eksisteret i årtier, og nu kan det anvendes på enorme datamængder.
Big data analytics – Health Care
Der er en stor stigning i data under opsejling, så det er vigtigere end nogensinde at tage kontrollen over dine sundhedsoplysninger. Dette webinar forklarer, hvordan big data analytics spiller en rolle.
Det hårde arbejde bag analytics
For at forstå mulighederne for business analytics gennemførte MIT Sloan Management Review sin sjette årlige undersøgelse af ledere, managere og analytikere.
Who’s using big data analytics?
Think of a business that relies on quick, agile decisions to stay competitive, and most likely big data analytics is involved in making that business tick. Here’s how different types of organizations might use the technology:
Life Sciences
Clinical research is a slow and expensive process, with trials failing for a variety of reasons. Advanced analytics, artificial intelligence (AI) and the Internet of Medical Things (IoMT) unlocks the potential of improving speed and efficiency at every stage of clinical research by delivering more intelligent, automated solutions.
Banking
Financial institutions gather and access analytical insight from large volumes of unstructured data in order to make sound financial decisions. Big data analytics allows them to access the information they need when they need it, by eliminating overlapping, redundant tools and systems.
Manufacturing
For manufacturers, solving problems is nothing new. They wrestle with difficult problems on a daily basis - from complex supply chains to IoT, to labor constraints and equipment breakdowns. That's why big data analytics is essential in the manufacturing industry, as it has allowed competitive organizations to discover new cost saving opportunities and revenue opportunities.
Health Care
Big data is a given in the health care industry. Patient records, health plans, insurance information and other types of information can be difficult to manage – but are full of key insights once analytics are applied. That’s why big data analytics technology is so important to heath care. By analyzing large amounts of information – both structured and unstructured – quickly, health care providers can provide lifesaving diagnoses or treatment options almost immediately.
Government
Certain government agencies face a big challenge: tighten the budget without compromising quality or productivity. This is particularly troublesome with law enforcement agencies, which are struggling to keep crime rates down with relatively scarce resources. And that’s why many agencies use big data analytics; the technology streamlines operations while giving the agency a more holistic view of criminal activity.
Retail
Customer service has evolved in the past several years, as savvier shoppers expect retailers to understand exactly what they need, when they need it. Big data analytics technology helps retailers meet those demands. Armed with endless amounts of data from customer loyalty programs, buying habits and other sources, retailers not only have an in-depth understanding of their customers, they can also predict trends, recommend new products – and boost profitability.
Det primære formål med en formel organisationsstrategi for data og analyse er typisk at forbedre beslutningstagningen med analytics for et bredt aktivitetsområde. [Og] vores undersøgelsesresultater og interviews tyder på, at vellykkede analysestrategier i høj grad ændrer, hvordan organisationer træffer beslutninger.
Fra White Paper Beyond the Hype: The Hard Work Behind Analytics Success
Advanced analytics hjælper Rogers Communications i at blive mere kundecentreret
Rogers Communications stræber efter at øge kundetilfredsheden og bevare sin førerposition i Canadas medie- og telekommunikationssektor.
Lær hvordan advanced analytics hjalp Rogers Communication med at minimere klager fra kunder med 50% ved at give kunderne den rigtige service på det rigtige tidspunkt.
Sådan fungerer det og nøgleteknologier
Der er ikke én enkelt teknologi, der omfatter big data analytics. Der er naturligvis advanced analytics, der kan anvendes til big data, men i virkeligheden kombineres en række forskellige teknologier, så du får mest muligt ud af dine oplysninger. Her er de vigtigste:
Machine Learning. Machine learning, der er et delområde af kunstig intelligens, som træner en maskine i at lære, gør det muligt hurtigt og automatisk at producere modeller, der kan analysere større, mere komplekse datasæt og levere hurtigere og mere nøjagtige resultater – selv med meget store mængder. Og ved at bygge præcise modeller får en organisation en bedre chance for at identificere rentable muligheder – eller undgå ukendte risici.
Data management. Data skal være af høj kvalitet og godt administreret, før det kan analyseres pålideligt. Da data konstant gennemstrømmer en organisation, er det vigtigt at etablere gentagelige processer for opbygning og vedligeholdelse af datakvalitetsstandarder. Når data er pålidelig, bør organisationer etablere et master data management-program, der sikre samme standard på tværs af virksomheden.
Data mining. Data mining-teknologi hjælper med at afdække mønstre i store datamængder. Denne information kan bruges til yderligere analyse for at finde svar på komplekse forretningsspørgsmål. Med data mining-software kan du filtrere den kaotiske og gentagne støj i data fra, så du finder det, der er relevant. De oplysninger kan bruges til at vurdere sandsynlige resultater og derefter fremskynde en velinformeret beslutningsproces.
Hadoop. Dette open source-softwareværtøj kan gemme store mængder data og afvikle applikationer på klynger af standardhardware. Det er blevet en nøgleteknologi for mange virksomheder på grund af de konstant stigende datamængder og -typer, og dens distribuerede computermodel behandler store datamængder hurtigt. En yderligere fordel er, at Hadoops open source-software er gratis og bruger standardhardware til at lagre store datamængder.
In-memory analytics. Analyse af data fra systemhukommelse (frem for fra din harddisk) kan give omgående indsigt, så du kan reagere hurtigt. Denne teknologi kan fjerne dataforberedelse og forsinkelser ved analysebearbejdning til at teste nye scenarier og bygge nye modeller. Ikke nok med, at det er en let måde for organisationer at sikre fleksibilitet, det giver samtidig mulighed for at afvikle iterative og interaktive analytics-scenarier.
Predictive analytics. Predictive analytics-teknologi bruger data, statistiske algoritmer og machine learning-teknikker til at identificere sandsynligheden for fremtidige resultater baseret på historiske data. Det handler om at give den bedste vurdering af, hvad der vil ske i fremtiden, så organisationer kan føle sig mere sikre på, at de træffer de bedst mulige forretningsbeslutninger. Nogle af de mest almindelige anvendelser af predictive analytics omfatter afsløring af svindel, risiko, drift og markedsføring.
Text mining. . Med text mining-teknologi kan du analysere tekstdata fra internettet, kommentarfelter, bøger og andre tekstbaserede kilder for at afdække indsigt, du ikke havde lagt mærke til før. Text mining bruger teknologierne machine learning eller natural language processing til at finkæmme dokumenter (e-mails, blogs, Twitter feeds, undersøgelser, konkurrencerelaterede oplysninger etc.) for at hjælpe dig med at analysere store mængder information og finde nye emner og begrebsforhold.
Improved vehicle design, reduced maintenance cost
Commercial vehicles from Iveco Group contain many sensors, making it impossible to process data manually. With advanced analytics from SAS® Viya® deployed on Microsoft Azure, Iveco Group can process, model and interpret vast amounts of sensor data to uncover hidden insights. Now the company can understand behaviors and events of vehicles everywhere – even if they’re scattered around the world.
Næste skridt
Se hvordan big data analytics spiller en rolle i data management.
Visual Text Analytics
Med SAS Visual Text Analytics kan du spotte nye tendenser og skjulte muligheder, da det giver dig mulighed for automatisk at konvertere ustruktureret data til meningsfuld indsigt, der benyttes i machine learning og predictive models.
Recommended reading
- Article How AI and advanced analytics are impacting the financial services industryTop SAS experts weigh in on topics that keep financial leaders up at night – like real-time payments and digital identity. See how advanced analytics and AI can help.
- Article How to drill a better hole with analyticsFrom drilling holes to preventing health care fraud, learn about some of the new technologies SAS has patented with IoT and machine learning technologies.
- Article Machine learning and artificial intelligence in a brave new worldWhat is the interplay between man and machine in a brave new world with AI?