Stora data för småföretag för dummies Cheat Sheet - dummies

Av Bernard Marr

Stora data gör stora rubriker, men det är mycket mer än bara en buzz fras eller den senaste verksamheten Fenomenet är väldigt verkligt och det ger konkreta fördelar på så många olika områden - särskilt i näringslivet. Här kommer du till hjärtat av stora data som företagsägare eller chef: Du ska ta en titt på nyckelterminologin du behöver för att förstå de avgörande stora datakunskaperna för företagen, tio steg för att använda stora data för att fatta bättre beslut, och tips för att kommunicera insikter från data till dina kollegor.

Förstå Big Data Jargon

Det tekniska jargonget som omger stora data kan verka lite skrämmande först. De viktigaste fraserna och termerna som du sannolikt kommer att stöta på, med lättförståliga definitioner för varje, följer:

Stora data: Allting som du lämnar lämnar ett digitalt spår (eller data) som du (och andra) kan använda och analysera. Uttrycket stora data avser att data samlas in och förmågan att utnyttja den.
Stor dataanalys: Detta är processen att samla, bearbeta och analysera data för att skapa insikter som informerar faktabaserat beslutsfattande. I många fall handlar det om mjukvarubaserad analys med hjälp av algoritmer.
Algoritm: En matematisk formel eller statistisk process som drivs av programvara för att analysera data. Det innebär vanligtvis flera beräkningssteg och kan användas för att automatiskt bearbeta data eller lösa problem.
Cloud computing: Programvara eller data som körs på fjärrservrar, snarare än lokalt. Så istället för att lagra eller beräkna saker på din egen maskin kan du använda andra datorer som är anslutna till din dator via ett nätverk (till exempel Internet).
Strukturerad data: Eventuell data eller information som finns i ett fast fält inom en definierad post eller fil, till exempel en databas eller ett kalkylblad. Dess inneboende struktur gör det snabbt, enkelt och billigt att analysera.
Ostrukturerad data: Alla data som inte lagras enkelt och indexeras i traditionella format eller databaser. Det inkluderar e-postkonversationer, sociala medier, videoinnehåll, foton, röstinspelningar, ljud och så vidare. Dess brist på struktur gör det svårare att analysera med traditionella datorprogram.
Semi-strukturerad data: Du gissade det, det här är ett kors mellan ostrukturerad och strukturerad data. Det är data som kan ha någon struktur som kan användas för analys men saknar den strikta strukturen som finns i databaser eller kalkylblad. Till exempel kan ett Facebook-inlägg kategoriseras av författare, datum, längd och jämn känsla, men innehållet är generellt ostrukturerat.
Intern data: Detta redovisar alla uppgifter som ditt företag har eller kan komma att få tillgång till eller generera i framtiden. Den kan struktureras i format (till exempel en kunddatabas) eller det kan vara ostrukturerad (konversationsdata från kundservicesamtal).
Externa data: Det här är helt enkelt det oändliga utbudet av information som finns utanför din verksamhet. Det kan vara offentligt tillgängligt eller privat och det kan också struktureras eller ostruktureras i format.
Dina Internet: Ett nätverk som ansluter enheter (de sakerna som nämns i namnet) så att de kan kommunicera med varandra. Det här omfattar teknik som smarta tv, smarta telefoner och sensorer, och det är allt möjligt tack vare den enorma ökningen av anslutningen mellan enheter, system och tjänster.

6 viktiga stora datakunskaper Varje företagsbehov

Vilka är de viktigaste färdigheterna för att kunna använda stora data framgångsrikt? Listan innehåller sex nyckelkompetenser som alla företag ska utveckla, antingen genom att rekrytera datavetenskapare som matchar dessa attribut eller genom att utveckla dessa färdigheter i befintliga anställda:

Analytics: Detta innebär att bestämma vilken data som är relevant för frågan du hoppas att svara och tolka uppgifterna för att kunna härleda dessa svar. Viktiga färdigheter inkluderar en förmåga att upptäcka mönster och etablera länkar, förmåga att göra en rad data (både strukturerad och ostrukturerad) och en god kunskap om branschstandardanalyspaket som SAS Analytics och Oracle Data Mining.
Kreativitet: Alla kan vara formela - du måste sträva efter innovation som kommer att sätta din verksamhet bortsett från förpackningen. Kreativitet är särskilt viktigt för alla företag som hoppas kunna ge mening om ostrukturerad data - data som inte passar bekvämt i tabeller och diagram. Värderbara kreativa färdigheter inkluderar en förmåga att lösa problem (kanske till och med spottproblem som andra inte är medvetna om) och förmågan att komma fram till nya sätt att samla och tolka data.
Matematik och statistik: Människor med stark bakgrund i matematik eller statistik har en bra grund för stort datarelaterat arbete. Du letar efter åtminstone en grundläggande grepp om statistik och förmågan att skryta suddiga data i siffror som kan kvantifieras så att du kan dra slutsatser från dem.
Datavetenskap: Den här mycket breda kategorin täcker en rad olika delfält, såsom maskininlärning, databaser och cloud computing. Det kan täcka allt från att koppla ihop kablarna till att skapa sofistikerade maskininlärning och naturliga språkbehandlingsalgoritmer. Viktiga färdigheter inkluderar en gedigen förståelse för databasteknik och ett fast grepp om teknik som Hadoop, Java och Python.
Affärsidé: Människor som arbetar med stora data behöver ett fast grepp om företagets mål och mål, samt en förståelse för om verksamheten är på väg i rätt riktning.Detta inkluderar förståelse som gör att bolaget kryssar, vilket gör att det trivs och varför det sticker ut från sina konkurrenter (och om det inte är blomstrande, varför det inte är).
Kommunikation: Du kan ha de bästa analytiska färdigheterna i världen, men om du inte kan presentera fynd på ett tydligt sätt och visa hur de kan bidra till att förbättra prestanda och driva framgång, kommer all den analysen att gå att slösa. Stora interpersonella och skriftliga kommunikationsförmåga är avgörande, liksom förmågan att ge värde till data genom insikter och analyser. En förmåga till berättande och att kunna ge data till liv genom visualiseringstekniker hjälper också oerhört.

10 steg för att använda data för att förbättra företagsbeslut

Datan ska vara kärnan i det strategiska beslutsfattandet i affärer, oavsett om du driver ett stort multinationellt företag eller ett litet familjeföretag. Stora data kan ge insikter som hjälper dig att svara på dina viktigaste affärsfrågor, som "Hur kan jag förbättra kundtillfredsställelsen? '. Data leder till insikter; företagare och chefer kan vända den insikten i beslut och åtgärder som förbättrar verksamheten.

Använd den här tio stegs processen för att göra databaserade beslut:

Börja med strategi.

Istället för att börja med vilka uppgifter du kan eller ska komma åt, börja med att arbeta ut vad ditt företag ser ut för att uppnå. I ett nötskal måste du utarbeta vad dina strategiska mål är, till exempel öka din kundbas.
Ta in på affärsområdet; identifiera dina strategiska mål.

Identifiera de områden som är viktigast för att uppnå din övergripande strategi. För de flesta företag är kund-, finans- och verksamhetsområden viktiga.
Identifiera obesvarade frågor.

Utarbeta vilka frågor du behöver svara för att uppnå dessa mål. Genom att träna exakt vad du behöver veta kan du fokusera på de data som du verkligen behöver.
Hitta de uppgifter som hjälper till att svara på dessa frågor.

Fokusera på att identifiera de ideala dataen för dig - de data som kan hjälpa dig att svara på dina mest pressande frågor och leverera dina strategiska mål.
Identifiera vilka data du redan har eller har tillgång till.

När du har identifierat de data du behöver, är det vettigt att se om du redan sitter på någon av den informationen, även om det inte är omedelbart uppenbart.
Träffa om kostnaderna och ansträngningarna är berättigade.

Bara efter att du vet kan kostnaderna utredas om de materiella fördelarna överstiger dessa kostnader. I det avseendet bör du behandla data som alla andra viktiga företagsinvesteringar. Du måste göra ett tydligt fall för investeringen som beskriver det långsiktiga värdet av data till affärsstrategin.
Samla in data.

Många av det här steget går ner till att inrätta processerna och människor att samla och hantera dina data. Du kanske köper tillgång till en analysberedd dataset, i vilket fall det inte finns något behov av att samla in data som sådan. Men i själva verket kräver många dataprojekt en viss mängd datainsamling.
Analysera data.

Du måste analysera data för att extrahera meningsfulla och användbara företagsinsatser. När allt kommer omkring är det ingen sak som kommer så långt om du inte upptäcker något nytt från data.
Presentera och dela in insikten.

Om inte resultaten presenteras för rätt personer vid rätt tidpunkt på ett meningsfullt sätt, spelar det ingen roll om datasettens storlek eller sofistikerade analysverktyg spelar någon roll. Du måste se till att insikterna från dina data används för att informera beslutsfattande och i slutändan förbättra prestanda.
Införliva lärandet i verksamheten.

Slutligen måste du tillämpa insikterna från data till ditt beslutsfattande, fatta beslut som kommer att omvandla ditt företag till det bättre - och sedan agera på dessa beslut. För mig är detta den mest givande delen av dataturen: vänder data till handling.

Kommunicera insikter från stora data

Stora data kan hjälpa dig att få insikt. Företagen får en konkurrensfördel när rätt information levereras till rätt personer vid rätt tidpunkt. Det här innebär att extrahera insikter och information från data och kommunicera dem till beslutsfattare på ett sätt som de lätt kan förstå. När allt kommer omkring är människor mindre benägna att agera om de måste arbeta hårt för att förstå informationen framför dem.

Se till att dina insikter lyser igenom med dessa topptips:

Identifiera din målgrupp. Vem din publik är beror på dina strategiska frågor. Publiken kan vara dig om du är företagets ägare, eller det kan vara ditt personalresurslag, ditt marknadsföringsteam eller en kombination. Fråga dig själv vem som ska se dessa resultat. Vad vet de redan om de problem som diskuteras? Vad behöver de och vill veta? Och vad ska de göra med informationen?
Anpassa informationen till din publik. Var beredd att anpassa din information för att uppfylla de specifika kraven för varje beslutsfattare.
Kom ihåg vad du försöker uppnå. Försök inte bli distraherad av intressanta insikter som inte har något att göra med att svara på dina strategiska frågor och uppnå dina affärsmål. Det kan finnas utrymme för att se över de andra insikterna i framtiden, men för närvarande fokusera på vad du anger för att uppnå.
Undvik att skapa en vägg med text. Kom ihåg att data kan presenteras som ett nummer, en kort skriftlig berättelse, ett bord, ett diagram eller ett diagram. I själva verket är det bästa sättet att involvera en kombination av dessa format.
Använd datavisualiseringstekniker. Visuella är bra för att förmedla information eftersom de är snabba och direkta, de är vanligtvis lätt att förstå, de är minnesvärda och de lägger till intresse och är mycket mer benägna att hålla läsarens uppmärksamhet än en fullständig sida av text.
Men försumma inte texten. Numrer, diagram och bilder kan bara ge en ögonblicksbild; berättelsen låter dig pryda på viktiga punkter. Använd korta berättelser för att presentera vad du visar och markera nycklarna.
Använd tydliga rubriker för att få viktiga punkter att dyka upp. På detta sätt, även vid en snabb blick, kommer de viktigaste punkterna att vara uppenbara.
Länk informationen till din strategi. Om du presenterar information som direkt svarar på en strategisk affärsfråga, som "Hur sänker vi personalomsättningen med tio procent? ", inkludera den frågan i öppningsberättelsen och kanske till och med rubriken.