Big Data מציע לארגונים עסקיים הזדמנות לא-לפני כדי לשפר את הפרודוקטיביות ואת ההכנסות שלהם. However, חברות נאבקות עם המשימה של מקבל את הטוב ביותר מתוך נתונים הגדולים הם אוספים. סקר שנערך ב 2012 on 300 מנהלים ומנהלים עליונים בבירור סכמו הארגונים המאבקים כבר מול לניהול נתונים גדולים,,en,מהמשיבים רוצים להרחיב את הטווח של בכלים לניתוח ליותר אנשים בארגונים שלהם,,en,מהמשיבים מאמינים כי במסגרת הקיימת לניתוח היא איטית מדי בעיבוד הנתונים ביג,,en,מהמשיבים מאמינים כי במסגרת הניתוחית שלהם אינה מסוגלת להתאים את המהירות שבה Big Data זורם לתוך הרשת שלהם,,en,מהמשיבים מאמינים כי בכלים לניתוח שלהם הם קשים מדי לשימוש ואינם מספקים מידע בפורמט קל להבנה,,en,הממצאים הנ"ל די לסכם את האתגרים העיקריים לארגונים להתמודד עם Big Data,,en,מאז,,en,הבעיות הפכו מורכבות יותר,,en. Here are the salient points of the survey:
- 66% of the respondents want to widen the reach of the analytics tools to more people in their organizations.
- 59% of the respondents believe that the existing analytics framework is too slow in processing the Big Data.
- 57% of the respondents believe that their analytics framework is unable to match the speed at which Big Data is flowing into their network.
- 55% of the respondents believe that their analytics tools are too hard to use and do not provide information in an easy-to-understand format.
The above findings quite summarize the main challenges organizations face with the Big Data. However, since 2012, the problems have become more complex, במיוחד משום שנפח Big Data גדל במהירות רבה בגלל היחס של חברות רבות כלפי אסטרטגיות ניהול נתונים ביג,,en,אמנם יש אתגרים כגון טכני,,en,בעיות חומרה ותוכנה,,en,זה די נראה כי ארגונים אינם מטפלים נתונים ביג עם ברצינות ראויה,,en,זה נראה כאילו את שורש הבעיה,,en,הפסקאות שלהלן מתארות את נקודות כאב העיקריות עם Big Data,,en,יחס מסכן כלפי נתונים,,en,אסטרטגיית ניהול Big Data בעצם משקף כיצד משווקים להציג את Big Data והפוטנציאל שלה,,en,וכל כך רחוק,,en,האסטרטגיה חסרת רצינות ועקביות,,en,על פי מאמר הרווארד ביזנס ריוויו,,en,משווקים תלויים נתונים ביג רק,,en,החלטות הלקוח הקשור שלהם,,en,וזה,,en,אחרי כל הפרסום ההייפ Big Data כבר מקבל,,en.
While there are challenges such as technical, hardware and software issues, it quite seems that organizations are not handling Big Data with the seriousness it deserves. That seems to be the root problem. The paragraphs below describe the main pain points with Big Data.
Poor attitude towards data
Big Data Management strategy actually reflects how marketers view the Big Data and its potential. And so far, the strategy has lacked seriousness and consistency. According to a Harvard Business Review article, marketers depend on Big Data for just 11% of their customer-related decisions. And that, after all the publicity and hype Big Data has been receiving. Clearly, המילים והמעשים אינם תואמים,,en,הסקר הרווארד ביזנס ריוויו מצא כי המשווקים ביותר הסתמכו יותר על האינטואיציה שלהם על לקוחות ועל החוויות הקודמות שלהם כדי להגיע להחלטות,,en,הסתמכות על נתונים בדרך כלל תהיה הפריט האחרון ברשימה שלהם,,en,זהו לקוי חשיבה מיושנת,,en,אם אתה מוכר מוצר המיועד לאנשים מעל,,en,ייתכן שלא מומלץ לתת בדף הפייסבוק כי על פי הניסיון שלך,,en,אנשים מבוגרים אינם נוטים להשתמש בפייסבוק,,en,אבל בסביבה עסקית נדיפים,,en,הנחות כאלה לא יכולים עוד להחזיק טובות,,en,ישנה קבוצה נוספת של משווקים אשר אובססיה מוגזמת עם נתונים,,en,הם מייצגים ממד נוסף של ניהול נתונים עני,,en,קבוצה זו מנטרת באופן קבוע נתונים מסלולים קבלו,,en. The Harvard Business Review survey found that most marketers relied more on their intuition about customers and their previous experiences in order to arrive at decisions. Reliance on data usually would be the last item on their list. This is a faulty and an outdated mindset. For example, if you are selling a product targeted at people over 60, you may not consider having a Facebook page because according to your experience, older people do not tend to use Facebook. But in a volatile business environment, such assumptions may no longer hold good.
There is another group of marketers that are excessively obsessed with data. They represent another dimension of poor data management. This group constantly monitors and tracks data received, מתמקד יתר על מידה על פרטים פרטניים ו מקבל מוסחת מן המטרות העיקריות אם אפילו אחוז קטן של הנתונים מראה תוצאות שליליות,,en,קבוצה של אנשים זה יכול לשבש פרויקטי נתונים וניהול משום שהם מתעקשים לאיפוס מתמיד של מטרות ויעדים אשר יכול להיות מטריד,,en,Big Data מיתוסים,,en,משווקים ומיתוסים נתונים ביג,,en,אסטרטגיה לניהול נתונים שגויים,,en,בראיון,,en,מיכאל נבסקי,,en,יוֹעֵץ,,en,לצרכן ושיווק Shopper - IRI ציין כי ארגונים לא משלמים מוקד משמעותי על מאמצי השיווק,,en,בארגונים רבים,,en,מח' שיווק חסרון ואת המשווקים הזמינים עושים משימות אחרות שאינם קשורות לנתונים,,en,אין רוחב פס הזמין להתמקד ניתוח נתונים וקבלת החלטות על בסיס נתונים,,en. This group of people can derail data management projects because they insist on constant resetting of goals and targets which can be unsettling.
Big Data Myths
Figure 1: Marketers and Big Data Myths
Faulty Data Management Strategy
In an interview, Michael Nevski, Consultant, Consumer and Shopper Marketing – IRI observed that organizations are not paying substantial focus on marketing efforts. In many organizations, the marketing department is understaffed and the available marketers are doing other assignments not related to data. So, there is no bandwidth available to focus on data analysis and decision making based on data. מספר המשווקים מתמקד יותר מדי על פעילויות ניהול מוצרים כגון אריזה,,en,כדי לטפל ניתוח נתונים עמוק ותובנות לקוח,,en,ארגונים הם מיקור חוץ פעילות ספקי צד שלישי,,en,אסטרטגיה זו עשויה שלא לתת החזרות משמעותיות על השקעה,,en,רועי,,fr,אם ההסדר כולו אינו מתוכנן היטב,,en,ארגונים רבים גם למיקור חוץ ניתוח נתונים על ספקי צד שלישי,,en,זה עשוי למנוע את המשווקים בתוך הארגון לגדול מומחיות על Big Data,,en,אם הארגון הוא סומך לחלוטין על מקורות צד שלישי לניתוח נתונים ותובנות,,en,אז היא צריכה לוודא שהצד השלישי מבין מטרותיו לחלוטין ויעדים ומיישרים מעשייה בהתאם,,en,זה יכול,,en. To take care of deep data analysis and customer insights, organizations are outsourcing that activity to third party vendors. This strategy may not give significant Returns on Investment (RoI) if the entire arrangement is not planned well. First, many organizations also outsource data analysis on third-party providers. This may prevent the marketers within the organization to grow expertise on Big Data. If the organization is completely reliant on the third-party sources for data analysis and insights, then it needs to make sure that the third party completely understands its goals and targets and aligns its actions accordingly. This could, לדוגמה, להיעשות על ידי הספק בפגישות שבועיות וחודשיות עם צוותי השיווק,,en,הקר"ר צריך לוודא כי כל מקבלי ההחלטות בשיווק מסוגלים לגשת לנתונים ולהפעיל את ניתוח ותובנות בקביעות,,en,צריך לנתח נתונים במהירות רבה יותר,,en,כל יום,,en,מסגרת לכידת הנתונים אוספת כמויות אדירות של נתונים ממספר מקורות,,en,טלפון נייד,,en,רשום עסקה,,en,ועוד רבים,,en,הנתונים ממשיכים הכפלה אבל זה יכול להיות שימושי רק כאשר אתה יכול לעבד ולנתח את הנתונים במהירות כדי לקבל משמעות,,en,למותר לציין,,en,אתה צריך מסגרת לכידה וניתוח נתונים מתקדמות לעשות את זה,,en,פירוש הנתונים,,en,ויזואליזציה נתונים הולך לשחק תפקיד מפתח בפרשנות הנתונים,,en,נתונים להדמיה,,en,אם אתה לא יודע כבר,,en.
The CMO needs to make sure that all marketing decision makers are able to access data and run the analysis and insights regularly.
Need to analyze more data quickly
Every day, your data capture framework is collecting enormous volumes of data from several sources — מדיה חברתית, חיישנים, cell phones, transaction records, and many more. The data keeps multiplying but it can prove useful only when you can process and analyze the data quickly to gain meaningful, relevant insights. Needless to say, you need advanced data capture and analytics framework to do this.
Interpreting the data
Data visualization is going to play a key part in interpreting the data. Data visualization, if you did not know already, היא הצגת המידע בפורמט תמונתי הגרפית,,en,זה כמובן עושה את זה יותר קל להבין מידע,,en,כדי לבצע ויזואליזציה נתונים,,en,הנתונים חייבים להיות מובן הראשון בהקשר,,en,אם הנתונים שמקורו מן המדיה החברתית,,en,אז יש צורך להבין או לפענח הראשונה לצרכי הלקוח,,en,רק אז אתה יכול להציג את הנתונים בפורמט מובן יותר,,en,איכות נתונים הבטיח,,en,איכות נתונים היא האתגר העיקרי שאתה בפנים כאשר אתה הולך לבצע ויזואליזציה נתונים,,en,מסגרת לכידת נתונים שלך הולכת לאסוף נתונים ממקורות מרובים תלויה באיכות של סינון הכלים שלך חלים,,en,ייתכן שיש סינון מינימלי על איכות נתונים,,en,אתה מבזבז הרבה זמן העיבוד לנכש נתונים מיותר,,en,אתה מפסיד על הזמן,,en. This obviously makes it easier to understand information. However, to perform data visualization, the data must first be understood in a context. For example, if the data is sourced from social media, then it is necessary to understand or decipher first the customer needs. Only then can you present the data in a more understandable format.
Ensuring data quality
Data quality is the main challenge you face when you are going to perform data visualization. Your data capture framework is going to collect data from multiple sources and depending on the quality of the filtering your tools apply, there might be minimal filtering on the data quality. In such a case, you waste a lot of time in processing and weeding out redundant data. So, you are losing out on time. גם אם אתה מסוגל לבצע ויזואליזציה נתונים באיכות מאוחר,,en,כבר ייתכן איבדו זמן יקר המתחרים שלך נדחק החוצה לך,,en,הפיכת נתונים משמעותיים זמינים,,en,זהו אתגר גדול להפוך נתונים משמעותיים זמינים במיוחד בגלל הכמויות העצומות של נתונים שנאספו,,en,אם אתה צריך להציג,,en,מיליארדים שורות של נתונים הקמעונאי כי אתה צריך להציג,,en,המשתמש ימצא את זה מאוד קשה לפענח את מה שכתוב על זה,,en,אתה יכול להתקבץ המידע לקבוצות קטנות והגיוניות ולהציגם לקהל,,en,באופן כזה,,en,הקהל תוכל להציג את הנתונים רצויים להם,,en,סוגיות אבטחה,,en,עם תשתית הענן הופך לנגיש לכולם,,en,יותר ויותר ארגונים לאחסון נתונים ביג שלהם לענן,,en, you might already have lost valuable time and your competitors have edged you out.
Making available meaningful data
It is a big challenge to make available meaningful data especially because of the huge volumes of data collected. For example, if you need to display 20 billion rows of retail data that you need to display, the user will find it extremely difficult to make any sense out of it. You can cluster the information into smaller and logical groups and present them to the audience. In such a way, the audience will be able to view the data they want.
Security issues
With the cloud infrastructure becoming more accessible to everybody, organizations are increasingly storing their Big Data into the cloud. מאז האחסון בענן הוא נגיש מכל מקום עם חיבור לאינטרנט,,en,זה נפתח חדש,,en,אתגרים ביטחוניים מתוחכמים,,en,מאז Big Data הנאסף ממקורות מרובים,,en,זה אתגר לוודא כי הנתונים המגיעים מאובטחים,,en,נתוני ביג ניתן להשפיע בעת העיבוד בעיקר בגלל כלי עיבוד הנתונים הגדולים כמו Hadoop ו- NoSQL לא תוכננו במקור מודעות לאבטחה,,en,ארגונים מתמודדים עם המשימה של איזון בין איסוף נתונים ביג והבטיח ביטחון וסודיות,,en,Big Data היא הזדמנות אדירה עבור ארגונים עסקיים אבל הם צריכים להקדיש יותר תשומת לב איך הם רואים Big Data ושימושיה,,en,במיוחד במחלקת השיווק,,en, this is opening up new, sophisticated security challenges. Since Big Data is collected from multiple sources, it is a challenge to make sure that the data coming in is secured. Big Data can be manipulated at the time of processing mainly because the Big Data processing tools like Hadoop and NoSQL were not originally designed with security in mind. So, organizations are faced with the task of balancing between collecting Big Data and ensuring security and confidentiality.
Summary
Big Data is a huge opportunity for business enterprises but they need to pay more attention to how they view Big Data and its uses, especially the marketing department. הם צריכים להיפטר בטן והחלטות שיווק מונחה ניסיון להסתמך יותר על מידע אובייקטיבי,,en,כאשר הם עושים זאת,,en,האתגרים האחרים יכולים להיות יותר בקלות להתגבר,,en. When they do this, the other challenges can be more easily overcome.
