В наше время все большее внимание привлекает термин – Big Data. Он подразумевает комплекс решений для обработки огромного массива информации, так или иначе связанного с бизнес-процессом определенной компании. Из “больших данных” вышло не менее интересное понятие – Business intelligence, которое многие неправильно интерпретируют. В частности, среди пользователей русскоязычного сегмента этот термин звучит как бизнес-аналитика. Тем не менее, это абсолютно неправильно, так как intelligence – слово, обозначающее скорее интеллект или аналитические системы. Это набор инструментов, который позволяет преобразить всю деловую активность компании. С помощью обычной программы, собирающей данные по интернету, можно отследить исторический тренд: осознать прошлое и предугадать будущее любого бизнеса.
Отсюда следует логичный вывод, что Big Data используется на практике не только для изучения того, что произошло в прошлом у компании, но и в синтезе с актуальными данными, то есть теми результатами, которые компания показывает в настоящее время. Это и есть существенное отличие направленной в конкретную область Business intelligence, которая направлена на узкую область в отличии от Big Data, где собирается информация без определенного фокуса. И как же большие данные применять и начать практику разумного анализа в вашей компании? В первую очередь, надо начинать с простых сотрудников, чтобы определить потребности и задачи, где можно применить новую технологию с измеримыми ключевыми метриками. Не удивительно, что самая лучшая точка для экспериментов – это IT-отдел вашей компании. Именно здесь собираются и сортируются данные о ее работ. Здесь можно проанализировать практически все важные отделы вашей фирмы: финансовый, продажи, маркетинг и HR.
Западные специалисты говорят, что любой аналитик big data рекомендуется использовать принципом трех R. Это английские термины Repeatable, Reliable, Relateable. На русский язык это переводится как Повторяемый, Точный и Соответственный.
Repeatable. Под этим принципом понимают повторяемость аналитической модели. Она не должна быть забетонирована и неприкасаема, в противном случае она не сможет показать лучшие результаты на других рынках. Нужна постоянная трансформация и адаптация модели под новые условия.
Reliable. Английское слово здесь переводится как точность. Но прелесть аналитики не в том, чтобы собрать больше данных и рассказать идеальный рецепт для любого бизнеса. Ее задача – сделать модель, которую потому можно масштабировать, учитывая запросы компании.
Relateable. Это способность доходчиво объяснить статистические данные обычным человеческим языком своим сотрудникам. Несмотря на очевидность, этот этап очень важен, так как от него зависит, как результаты аналитики будут внедряться на местах.