Big Data menawarkan perusahaan bisnis kesempatan yang belum pernah untuk meningkatkan produktivitas dan pendapatan mereka. However, perusahaan telah berjuang dengan tugas mendapatkan yang terbaik dari Big Data mereka kumpulkan. Sebuah survei yang dilakukan di 2012 on 300 eksekutif puncak dan manajer cukup jelas diringkas perjuangan organisasi telah menghadapi mengelola data Big. Here are the salient points of the survey:
- 66% dari responden ingin memperluas jangkauan alat analisis untuk lebih banyak orang di organisasi mereka.
- 59% dari responden percaya bahwa kerangka analisis yang ada terlalu lambat dalam memproses Big Data.
- 57% dari responden percaya bahwa kerangka analisis mereka tidak dapat mencocokkan kecepatan di mana mengalir ke jaringan mereka Big Data adalah.
- 55% dari responden percaya bahwa alat analisis mereka terlalu sulit untuk menggunakan dan tidak memberikan informasi dalam format yang mudah dipahami.
Temuan di atas cukup meringkas tantangan utama menghadapi organisasi dengan Big Data. However, sejak 2012, masalah telah menjadi lebih kompleks, terutama karena volume Big Data telah meningkat pada kecepatan yang besar dan karena sikap banyak perusahaan terhadap strategi manajemen Big Data.
Meskipun ada tantangan seperti teknis, hardware dan software masalah, cukup tampaknya bahwa organisasi tidak menangani data besar dengan keseriusan yang layak. Yang tampaknya menjadi akar masalah. Paragraf di bawah menggambarkan titik nyeri utama dengan Big Data.
miskin sikap Data
Strategi besar Data Management sebenarnya mencerminkan bagaimana pemasar melihat Big Data dan potensinya. Dan sejauh, strategi memiliki kekurangan keseriusan dan konsistensi. Menurut sebuah artikel Harvard Business Review, pemasar bergantung pada Big Data untuk hanya 11% keputusan terkait pelanggan mereka. Dan itu, setelah semua publisitas dan hype Big Data telah menerima. Jelas, kata-kata dan tindakan tidak cocok. Survei Harvard Business Review menemukan bahwa sebagian besar pemasar lebih mengandalkan intuisi mereka tentang pelanggan dan pengalaman mereka sebelumnya dalam rangka untuk sampai pada keputusan. Ketergantungan pada data biasanya akan menjadi item terakhir dalam daftar mereka. Ini adalah salah dan pola pikir usang. For example, jika Anda menjual produk yang ditargetkan pada orang di atas 60, Anda mungkin tidak mempertimbangkan memiliki halaman Facebook karena menurut pengalaman Anda, orang tua tidak cenderung menggunakan Facebook. Tetapi dalam lingkungan bisnis yang stabil, asumsi tersebut mungkin tidak lagi terus baik.
Ada kelompok lain pemasar yang berlebihan terobsesi dengan data. Mereka mewakili dimensi lain dari manajemen data yang buruk. Kelompok ini terus memantau dan melacak data yang diterima, berfokus berlebihan pada detail granular dan akan terganggu dari tujuan utama jika bahkan sebagian kecil dari data menunjukkan hasil yang merugikan. Kelompok ini orang dapat menggagalkan proyek pengelolaan data karena mereka bersikeras ulang konstan tujuan dan sasaran yang dapat mengganggu.
Big data Mitos
Figure 1: Pemasar dan Big Data Mitos
Strategi Manajemen Data rusak
Dalam sebuah wawancara, Michael Nevski, Konsultan, Konsumen dan Shopper Marketing - IRI mengamati bahwa organisasi tidak membayar fokus besar pada upaya pemasaran. Dalam banyak organisasi, departemen pemasaran kekurangan dan pemasar yang tersedia melakukan tugas lain yang tidak terkait dengan data. So, tidak ada bandwidth yang tersedia untuk fokus pada analisis data dan pengambilan keputusan berdasarkan data. Sejumlah pemasar berfokus terlalu banyak pada kegiatan manajemen produk seperti kemasan dan pelabelan. Untuk mengurus analisis data yang mendalam dan wawasan pelanggan, organisasi outsourcing kegiatan untuk vendor pihak ketiga. Strategi ini mungkin tidak memberikan Returns signifikan terhadap Investasi (RoI) jika seluruh pengaturan tidak direncanakan dengan baik. First, banyak organisasi juga outsourcing analisis data pada penyedia pihak ketiga. Hal ini dapat mencegah pemasar dalam organisasi untuk tumbuh keahlian di Big Data. Jika organisasi sudah benar-benar bergantung pada sumber pihak ketiga untuk analisis data dan wawasan, maka perlu memastikan bahwa pihak ketiga benar-benar memahami tujuan dan sasaran dan menyelaraskan tindakannya sesuai. Ini bisa, misalnya, dilakukan oleh vendor menghadiri pertemuan mingguan dan bulanan dengan tim pemasaran.
CMO perlu memastikan bahwa semua pengambil keputusan pemasaran dapat mengakses data dan menjalankan analisis dan wawasan teratur.
Perlu menganalisis data lebih cepat
Setiap hari, Anda data capture kerangka mengumpulkan data yang besar dari beberapa sumber — media sosial, sensor, Handphone, catatan transaksi, dan masih banyak lagi. Data yang terus bertambah banyak tetapi dapat membuktikan berguna hanya jika Anda dapat memproses dan menganalisis data dengan cepat untuk mendapatkan bermakna, relevant insights. Tak perlu dikatakan, Anda perlu data capture maju dan analisis kerangka kerja untuk melakukan hal ini.
Menafsirkan data
Visualisasi data akan memainkan peran kunci dalam menafsirkan data. visualisasi data, jika Anda tidak tahu sudah, adalah penyajian informasi dalam format bergambar dan grafis. Hal ini jelas membuat lebih mudah untuk memahami informasi. However, untuk melakukan visualisasi data, Data pertama harus dipahami dalam konteks. For example, jika data yang bersumber dari media sosial, maka perlu untuk memahami atau menguraikan pertama kebutuhan pelanggan. Hanya maka Anda dapat menyajikan data dalam format yang lebih dimengerti.
Memastikan kualitas data
kualitas data adalah tantangan utama yang Anda hadapi ketika Anda akan melakukan visualisasi data. Anda kerangka data capture akan mengumpulkan data dari berbagai sumber dan tergantung pada kualitas alat penyaringan Anda berlaku, mungkin ada penyaringan minimal pada kualitas data. In such a case, Anda menghabiskan banyak waktu dalam pengolahan dan menyiangi data yang berlebihan. So, Anda kehilangan keluar pada waktu. Bahkan jika Anda dapat melakukan visualisasi data yang berkualitas kemudian, Anda mungkin sudah kehilangan waktu yang berharga dan pesaing Anda telah beringsut Anda keluar.
Membuat data yang berarti tersedia
Ini adalah tantangan besar untuk membuat data yang berarti tersedia terutama karena volume besar data yang dikumpulkan. For example, jika Anda perlu untuk menampilkan 20 miliar baris data retail yang Anda butuhkan untuk menampilkan, pengguna akan merasa sangat sulit untuk masuk akal dari itu. Anda dapat mengelompokkan informasi ke dalam kelompok-kelompok kecil dan logis dan sekarang mereka kepada khalayak. Sedemikian rupa, penonton akan dapat melihat data yang mereka inginkan.
masalah keamanan
Dengan infrastruktur awan menjadi lebih mudah diakses untuk semua orang, organisasi semakin menyimpan Big Data mereka ke awan. Karena penyimpanan awan dapat diakses dari mana saja dengan koneksi internet, ini membuka baru, tantangan keamanan canggih. Sejak Big Data dikumpulkan dari berbagai sumber, itu adalah sebuah tantangan untuk memastikan bahwa data yang datang dijamin. Big Data dapat dimanipulasi pada saat pengolahan terutama karena alat pengolahan data yang besar seperti Hadoop dan NoSQL tidak awalnya dirancang dengan keamanan dalam pikiran. So, organisasi dihadapkan dengan tugas balancing antara mengumpulkan Big Data dan menjamin keamanan dan kerahasiaan.
Summary
Data yang besar adalah kesempatan besar bagi perusahaan bisnis tetapi mereka harus lebih memperhatikan bagaimana mereka melihat data yang besar dan penggunaannya, terutama departemen pemasaran. Mereka perlu untuk menyingkirkan usus dan keputusan pemasaran pengalaman-driven dan lebih mengandalkan informasi yang obyektif. Ketika mereka melakukan hal ini, tantangan lain dapat lebih mudah diatasi.
