Innehållsförteckning:
Video: How I hacked online dating | Amy Webb 2024
En dataväxlare har ingenting utan data. Och om du arbetar i en stor organisation, har du hundratals, kanske tusentals, av befintliga datafiler som är potentiellt tillgängliga för data mining. Varje aktivitet genererar poster, och dessa register kan bli ditt råmaterial. Tabellen visar hur många vanliga uppgifter som samlas in i ett antal affärsaktiviteter.
| Företagsverksamhet | Uppgiftsinsamlade |
|---|---|
| Forskning | Konkurrentens produktinformation; experimentella och testdata |
| Tillverkning | Processdata; upphandling rekord; produktionsrekord;
inspektions- och testrekord |
| Marknadsföring | Konkurrensmarknadsinformation och försäljningsdata; kampanjdata;
marknadsföringskostnadsdata |
| Försäljning | Försäljningsaktivitet; försäljningsdata; Kundinformation |
| Uppfyllelse | Förpackningsrekord; fraktregister fraktklagomål |
| Kundservice | Kundinteraktionsrekord; klagomål på produkter och tjänster
serviceproblem |
| Tekniskt stöd | Supportförfrågningar; produktproblemrapporter design och andra
produktförslag |
| Utbildning | Personalutbildningsrekord; kundutbildningsrekord;
Certifiering och andra credentialing records |
| Redovisning | Räkningar; betalningar; revisionsrekord Skatter samlade och betalda |
Det är en ganska lång lista, men det är egentligen bara ett litet urval av aktiviteter och relaterade data som redan väntar någonstans inom din verksamhet.
Men att veta att data finns är inte samma sak som att kunna komma åt och använda den för data mining. För en sak behöver du mycket mer specifik information om exakt vilken intern data som är relevant för det specifika affärsproblem du undersöker. Vem samlar den? Vem kontrollerar åtkomst? Vilka variabler (fält) spelas in och för vilken tid eller aktivitet? Var hittar du dokumentation?
Uppskattar dina egna data
Du och din chef kan välja mellan ett antal alternativ när du väljer vilket projekt som ska hanteras med data mining. Du har alltid ett val av verktyg. Men när det gäller data kan du alls inte ha något val: Du använder de uppgifter som är tillgängliga för dig eller ditt företag just nu.
Det kan hända att du är osäker på denna information. Du är säker på att veta något om sina brister. Och du kanske har hört talas om andra organisationer som har större mängder data eller olika typer av uppgifter än dina egna.
Ändå är din organisations interna data, den information som samlas in i vardagslivet, din mest värdefulla resurs.Det är den allra bästa data som du kan ha för data mining. Den är överlägsen alla externa källor på ett antal sätt:
-
Unik relevans: Uppgifterna gäller ditt eget företag med alla dess särdrag. Det handlar om dina egna kunder, dina egna produkter, dina egna affärsmetoder. Vad du än kan upptäcka i dessa data kommer tydligt också att vara relevant för verksamheten. Ingen kommer att kunna avvisa dina resultat med men vår verksamhet är annorlunda ursäkta.
-
Genomskinlighet: Du vet (eller du kan ta reda på) källorna till dina egna data. Inga mysterier borde finnas om definitionerna av variabler, datainsamlingsmetoderna, tiden, platsen eller de involverade personerna.
-
Detalj: Du kommer att ha rådata, samlade på bästa möjliga detaljnivå.
-
Område: Dina datafiler täcker hela verksamhetsområdet som finns i din verksamhet.
-
Konkurrensfördel: Endast du har egna interna data. Det är inte tillgängligt för din nuvarande eller kommande konkurrenter.
-
Utvecklingspotential: Du kan bygga på egna data på sätt som inte skulle vara möjligt med data från någon extern källa. Om du vill integrera information från flera källor innehåller dina uppgifter de identifierare du behöver göra.
Om du vill veta mer om kunder har du sina namn och kontaktuppgifter, och du kan hänvisa till andra poster, granska dem eller ringa och ringa personligt. Om du behöver mer detaljerad eller ytterligare data kan du eventuellt ändra en datainsamlingspraxis.
En annan bra sak om dina egna data: Du äger den. Eventuella kostnader för datainsamling täcktes av den affärsenhet som genererade uppgifterna i första hand. Du betalar inga avgifter och har inga licensieringsfrågor att överväga när du använder och återanvändar data. (Du kan möta datalagring och andra problem med datahantering, men det är sant för vilken datakälla som helst.)
Dina egna datafiler kommer inte att vara perfekta på alla sätt. Det kan hända att vissa uppgifter du vill använda inte har samlats in eller har blivit kasserade. Du är bunden att stöta på några problem med datakvaliteten. Och naturligtvis har interna data gränser - det berättar om din egen organisation, men inte dina konkurrenter. Fortfarande är interna data alltid din primära och mest värdefulla dataförbrukning.
Hantering av data med respekt
Datautvinning, precis som någon form av dataanalys eller rapportering, använder mycket data, mycket mer än de flesta vardagliga affärsaktiviteter. När du får tillgång till data och analyserar, måste du vara försiktig med att göra det på sätt som ligger inom ditt företags riktlinjer och som inte störa rutinmässiga affärsprocesser.
Datafiler kan vara lika värdefulla, och lika privata som kontanter. Gå till rätt start i datautvinning genom att behandla data med respekt och upptäcka lämpliga metoder för datahantering och styrning som påverkar ditt arbete.
Underlåtenhet att följa lagliga och goda affärsmetoder för datahantering kan leda till allvarliga problem.Det är viktigt att data inte nås av personer som inte ska använda det, att dokumenten inte är felaktigt ändrade eller förstörda, och att nya uppgifter du skapar är korrekt arkiverade. Dokumentation är en nödvändighet. Många krav på lagliga och goda affärsrutiner kommer att vara relevanta för ditt arbete inom datautvinning.
Det här kanske inte är enkelt. Du måste upptäcka saker om vilka data som finns tillgängliga, hur man får åtkomst och hur man hanterar data på rätt sätt så att du inte kommer iväg mot andra. Kort sagt måste du engagera dig i nya saker och nya människor. Och det kommer att vara värt det, för att du kommer att bli mer klar och bredda dina egna horisonter som ett resultat.
Du måste ta reda på nya saker, men du behöver inte bli en datahanteringsexpert. Du kan lita på de andra i din organisation som är experter inom datastyrning och datahantering. Arbeta med dem konstruktivt, och de hjälper dig att hålla sig inom lagen och följa goda datahanteringsmetoder.
