תוֹכֶן
- מה זה נתונים אפלים?
- ההבדל בין Big Data ל Dark Data
- חברות הסיבות בונות מלאי נתונים כהה
- פוטנציאל נתונים אפל
- לחזות דרישה ולפתור סוגיות
- בנה שרשרת אספקה חכמה יותר
- שיפור איכות המוצר בעזרת משוב לקוחות
- סיכום
מקור: Agsandrew / Dreamstime.com
להסיר:
נתונים אפלים הם נתונים שלעולם לא רואים את אור היום, אך נתונים אלה עם התעלמות ממושכת עשויים להועיל לארגונים.
ישנן שתי דרכים להציג את ההשפעה של נתונים חשוכים בעולם הגדול של הנתונים:
- כהזדמנויות החבויות בנתונים גדולים
- ככל שהסיכונים מציבים נתונים אפלים
כמעט כל החברות מאחסנות נתונים כהים לאורך זמן משתנה, ללא כל ניתוח. בזמן שהם עושים זאת הם מאבדים את ההזדמנות להשיג את התובנות שהנתונים הלא-מנותקים יכלו לחשוף. ישנם גם כמה סיכונים באחסון נתונים כהים למשך זמן כה רב כגון יתרונות תחרותיים, משפטיים, כלכליים, מוניטין ואובדן. חברות צריכות לנצל טוב יותר את מאגר הנתונים האפל שלהן, לא רק כדי לשפר את החשבון מבחינה עסקית, אלא גם כדי למזער את הסיכונים.
מה זה נתונים אפלים?
כמעט כל חברה אוספת כמויות עצומות של נתונים מתוך כוונה להשיג תובנות נוספות על דברים כמו התנהגות לקוחות, תהליכי פיתוח תוכנה, זמני פגישה ופרודוקטיביות וכן שימושיות באתר. תובנות אלה עוזרות לחברות להגיב לספק מוצרים ושירותים משופרים. עם זאת, יתכן שזה מפתיע שאחוז גדול מהנתונים אינו בשימוש במשך תקופות ארוכות. חברות פשוט מאחסנות אותו מבלי לבצע כל ניתוח. קטגוריית נתונים זו מכונה נתונים חשוכים, וגודל קטגוריה זה עצום. IDC מעריך כי 90% מכלל הנתונים שנוצרו הם נתונים אפלים - זוהי תצפית משמעותית. גרטנר מגדיר נתונים אפלים כ,
"ארגוני נכסי המידע אוספים, מעבדים ומאחסנים במהלך פעילויות עסקיות רגילות, אך בדרך כלל אינם מצליחים להשתמש למטרות אחרות (למשל, ניתוחים, יחסים עסקיים ומונטיזציה ישירה). בדומה לחומר אפל בפיזיקה, נתונים כהים כוללים לעתים קרובות את יקום המידע של מרבית הארגונים. לפיכך, ארגונים שומרים לעיתים קרובות נתונים אפלים למטרות תאימות בלבד. אחסון ואבטחת נתונים בדרך כלל כרוך בהוצאות רבות יותר (ולפעמים סיכון גדול יותר) מערך. "
אילו נתונים נותרים ללא ניתוח? קטגוריות הנתונים הבאות נמצאו כשירות לקטגוריית הנתונים האפלים:
- תשומות סקר גולמי
- נתוני לקוחות
- נתוני עובדים קודמים
- דוחות כספיים
- שיחות
- תמלילי צ'ט
- תמלילי מוקד טלפוני
- נתוני חשבון
ההבדל בין Big Data ל Dark Data
נתונים אפלים הם תת-קבוצה של נתונים גדולים. אז, ישנם שני חלקים של נתונים גדולים שנאספו: נותחו ולא נותחו. הנתונים ללא ניתוח הם נתונים אפלים. מעניין לציין כי נתונים שאינם מנתחים מהווים את החלק הגדול ביותר של נתונים גדולים.
חברות הסיבות בונות מלאי נתונים כהה
רשימת סוגי הנתונים המפורטים לעיל עשויה לספק ערך רב לחברה. עם זאת, מפתיע שהם שוכבים ללא השגחה. ישנן מספר סיבות לכך, אך נראה כי החשוב ביותר הוא היעדר השקעה. להלן מספר סיבות שמלאי הנתונים האפלים הולך ונבנה.
אינך יכול לשפר את כישורי התכנות שלך כאשר לאף אחד לא אכפת מאיכות התוכנה.
סיבה זו קשורה לחוסר ההשקעה. אם איסוף הנתונים מתבצע על ידי טכנולוגיות שאינן מתקשרות זו עם זו, הדבר מונע מהארגון ליצור מדיניות נתונים מקיפה. ארגונים רבים עם טכנולוגיות מיושנות מתקשים לשלב את הנתונים שנאספו ממקורות שונים, כגון תמלילי צ'ט של מוקד טלפוני, נתוני קליקים באתר ונתוני ועידת וידאו. כדי לעבד ולשלב פורמטים שונים, אתה זקוק לטכנולוגיה מתאימה.
פוטנציאל נתונים אפל
לא צריך גאון להבין שאם 90% מהנתונים הגדולים הם נתונים אפלים, זה פוטנציאל ארץ של הזדמנויות בלתי נחשפות ומוזנחות. כפי שמציינים הסיבות לעיל, חברות אינן משתמשות בנתונים כהים מכיוון שהן מספקות ערך מועט, אלא בגלל מגבלות החברות שלהן. אז, נקבע שלנתונים אפלים יש פוטנציאל רב. ננסה להבין את הפוטנציאל הזה בעזרת מגזר הייצור.
על פי מחקר Frost & Sullivan, "האינטרנט של הדברים, האינטרנט של השירותים, ה- Big Data והתעשייה המשולבת ישאירו השפעה מכרעת על כל חלקי שרשרת הערך הייצור." ענף הייצור מקבל נתונים יקרי ערך מהדברים הבאים:
- יומני מכונה
- חיישני ציוד
- טלמטיקה של מוצרים
- זרם קליקים לצרכן
- מדיה חברתית
לחזות דרישה ולפתור סוגיות
על ידי ניתוח מדויק של נתוני קליקים של לקוחות וקבלת טלמטיקה של מוצרים, חברות יכולות לחזות במדויק את הביקוש ולהגיב כראוי על ידי אופטימיזציה של היצע הסחורות. חברות יכולות גם לפתור בעיות על ידי בידודן בעזרת נתונים כהים שנוצרו על ידי חיישנים וטלמטיקה.
בנה שרשרת אספקה חכמה יותר
בכדי לדעת במדויק את זמן ונפח הביקוש ולהיענות לדרישות כנדרש, חברות צריכות שרשרת אספקה חכמה וחזקה. דרך אחת לכך היא מידע גרעיני על המרכיבים האישיים בשרשרת האספקה. מידע גרעיני מאפשר לחברות להשיג משלוחים באיכות ובזמן אמת בלבד. ורק נתונים אפלים יכולים לספק מידע גרעיני על שרשרת האספקה.
שיפור איכות המוצר בעזרת משוב לקוחות
בזמנים משתנים אלה, לקוח הוא כבר לא מישהו שרק צורך את המוצרים. במובן מסוים, לקוח הוא שגריר מותג שיכול לקדם את המוצר באמצעות מפה לאוזן, הפניות ומדיה חברתית. חשוב מאוד לצוותי ניהול המוצר, העיצוב וההנדסה למנף את משוב הלקוחות ולשפר את איכות המוצר. נתונים כהים יכולים לסייע לחברות מייצרות על ידי מתן תצוגה 360 מעלות של המוצר ואיך הוא נראה בשוק. אז מה החברה יכולה לעשות?
- צרו מסגרת אנליטית מעוצבת שממנפת נתונים אפלים ומספקת גישה למסגרת לכל בעלי העניין.
- הפחת את זמן ההשבתה הבלתי צפוי של פיתוח מוצרים בלתי מתוכנן בעזרת נתוני חיישנים וטלמטיקה העלולים לצפות לתקלות או כשלים במוצר.
- שלב טלמטיקה עם מדיה חברתית כך שניתן יהיה לתפוס משוב של לקוחות בזמן אמת והנתונים מועברים למחלקה המודאגת.
- השתמש בנתונים כדי לשפר את מאפייני המוצר באופן זריז.
סיכום
אין ספק שהפוטנציאל של נתונים אפלים הוא. אבל חברות צריכות גם לזכור את הסיכונים הכרוכים באחסון בלתי מוגדר וטיפול לקוי בנתונים כהים. נתונים אפלים יכולים להכיל מידע רגיש וכל דליפת מידע לא מכוונת או מכוונת עלולה לגרום לבעיות. חברות צריכות להיות בעלות תיוג וטכנולוגיות מבנה טובות של נתונים, כך שזוהי נתונים וקטגוריה. זה הכרחי גם אם הם לא מתכוונים לנתח את זה לעסק שלהם. אחרת, בקרוב עשויים להיווצר כספים, רגולטוריים, אובדן יתרון תחרותי וצרות משפטיות.