Hvordan fungerer Business Intelligence med ustrukturerte data? - dummies

Anta at du bruker et ustrukturert, multimedieaktivert datalagringsmiljø for å gjøre komparativ analyse mellom tjenester som tilbys av bedriften din (en bank) og konkurrenters tilsvarende tilbud.

Du kjører noen grunnleggende rapporter og noen spørsmål for å sjekke markedsandel, porteføljeprestasjon og andre tiltak. Eller, for mer avansert analyse, bruker du et OLAP-verktøy for forretningsanalyse for å utføre alle typer analyse-analyse på dataene i et forsøk på å fullt ut forstå de vanskelighetene i bedriftens ytelse med hensyn til konkurrentene dine.

Noen ganger kan du imidlertid ikke finne svarene i tallene. Anta at du oppdager en plutselig økning i kontoavslutninger på banken din i løpet av de siste to månedene. Hva skjer?

Typer av ustrukturerte data

Du kan forstå premissene for forretningsmessig intelligens i selve begrepet: Få så mye intelligens som mulig - så fort som mulig - fra så mange kilder som mulig, for å hjelpe deg å forstå hva som skjer og ta informert handling. Under denne brede definisjonen kan intelligens lett inkludere følgende typer informasjon som du ikke finner i (eller tilgang gjennom) et tradisjonelt datalager:

• En konkurrents lokale avis som tilbyr ingen avgiftskontroll i ett år og en ekstra 1, 5 prosent opptjent på pengemarkedsinnskudd hvis en potensiell kunde viser en kontoutskrift som indikerer at han eller hun har avsluttet konto hos banken din

• En reklamebanner på Google som inneholder konkurrentens samme tilbud

• En link til hver av dine konkurrenters nettsteder, hvor du kan analysere hvilke typer elektroniske banktjenester de tilbyr

• Et transkripsjon av et intervju med en regional økonomisk ekspert som sier at banken din er et overtakende mål og sannsynligvis ikke vil være i virksomhet under sitt nåværende navn på samme tid neste år.

I Dette enkle eksempelet, fordi elementene forekommer lokalt eller regionalt, kan du tro at du kan få tilgang til all denne informasjonen fra et multimedieaktivert datalager. ("En god bankanalytiker vet sannsynligvis alt dette i alle fall," ikke sant?)

Et globalt eksempel på datalagring

Tenk på dette eksempelet på global skala. Lurer du på hvorfor selskapets salg glir i Sverige? Du må kanskje ha disse typer real-time, intelligens-innsamling evner for en globalt konkurransedyktig situasjon.

For eksempel, tenk på et selskap i kjemisk industri som ønsker arkitekturen for et quasi-data warehouse miljø ( kvasi fordi det bare har en enkelt datakilde, men en enorm mengde historisk informasjon som ville må bringes inn i det nye systemet).

Omtrent 80 prosent av den historiske informasjonen var på papir, og klienten vurderte til slutt å legge inn den informasjonen i et dokumentstyringssystem. Av budsjettmessige grunner vil de kun avtale med konvertering av tradisjonelle historiske data (tegn, tall og datoinformasjon), og kartlegging og transformering av nye innkommende data. Dokumentene ble håndtert senere.

Forestill deg et miljø der du kan behandle alle disse dataene, som også omhandler det samme emnet. Hvis dataene er på papir, kan du skanne det inn som et bilde, indeksere det etter søkeord, og gjøre det tilgjengelig gjennom samme miljø som de tradisjonelle dataene. Du øker enormt kundens forretningsinformasjon ved å gi dem tilgang til denne informasjonen.