Pod powszechnie używanym terminem Big Data kryje się szereg różniących się technologii, rozwiązań i rodzajów projektów, z których każdy pociąga za sobą inne wymagania dla dostawcy.
Rozpatrzmy przykładowo kilka projektów, z których każdy wymaga innych kompetencji:
- uruchomienie podstawowego środowiska przechowywania danych opartego o Hadoop i NoSQL,
- rozbudowa korporacyjnego modelu danych instytucji finansowej o szeroki zakres danych niestrukturyzowanych pochodzących z zewnętrznych źródeł otwartych na potrzeby analitycznego CRM i competitive intelligence,
- budowa środowiska eksploracji i analiz niestrukturyzowanych danych tekstowych o transakcjach na portalu aukcyjnym,
- rozwiązanie z obszaru customer experience wykorzystujące modele analityczne zaimplementowane w języku R, wykorzystywane do analiz szybko przyrastających danych firmy telekomunikacyjnej,
- utworzenie specjalizowanego systemu analitycznego wykorzystującego proces fuzji informacji wywiadowczych na potrzeby instytucji bezpieczeństwa narodowego.
Nie można zatem wyróżnić jednolitego zestawu cech pozwalających znaleźć najlepszego dostawcę wszystkich rozwiązań analitycznych i Big Data. Najbardziej predestynowani powinni być ci partnerzy, którzy mają doświadczenie w tworzeniu korporacyjnych platform danych, hurtowni danych, wdrażali rozwiązania business intelligence lub tworzyli zaawansowane systemy analityczne oparte o relacyjne repozytoria danych. Ponieważ głównym czynnikiem inicjującym uruchomienie projektów Big Data i zaawansowanej analityki są potrzeby biznesowe specyficzne dla odbiorcy, kryteria wyboru muszą uwzględniać również doświadczenia współpracy dostawcy z klientami z wybranej branży.
Istotnym czynnikiem determinującym decyzję o wyborze są także struktura i kompetencje zespołów sprzedażowych oraz realizujących wdrożenia. Zespół sprzedażowy powinien być w równym stopniu przygotowany do realizacji dwóch różnych modeli sprzedaży - sprzedaży bazującej na technologii (technology selling) oraz sprzedaży rozwiązań biznesowych (solution selling). Zespół wdrożeniowy powinien mieć charakter interdyscyplinarny, łącząc kompetencje w obszarze informatyki, matematyki, modelowania i analizy danych oraz ekonomii i zarządzania.
Wartość dostawcy wzrasta szczególnie wtedy, kiedy w zespole znajduje się specjalista klasy „data scientist”, posiadający unikalne kompetencje w obszarze analizy informacji (nie danych!), biegle posługujący się ustrukturyzowanymi technikami analitycznymi lub wyspecjalizowany w analizie danych niestrukturyzowanych. Na wartość tę ma również wpływ dostępność specjalistów w obszarze modelowania danych, swobodnie stosujących zarówno dominujące w projektach Big Data modele typu “schema-on-read” (struktura danych powstaje na etapie procesu ich odczytu), jak i tradycyjnego podejścia w postaci modeli “schema-on-write” (zapisywania wybranych danych źródłowych do struktur ustalonego modelu danych).
O autorze
Marcin Chwin jest Business Development Managerem w regionie Oracle CEE.
W obecnych czasach największych zasobem jaki może mieć korporacja jest jak największy zbiór danych o swoich klientach. Takie informację po dogłębnej analizie mogą pomóc np. usprawnić dobór produktów do określonych sklepów i tym samym minimalizację kosztów związanych z nadmiarem produkcji. Jeśli chcesz poczytać więcej tu masz click
OdpowiedzUsuń.
OdpowiedzUsuńDziękuję za obszerny artykuł. Jeszcze dodam od siebie dodatkowe informacje na temat systemów CRM: https://craftware.pl/co-jest-crm-czy-warto-z-niego-korzystac/ . Wiele osób zastanawia się czy warto je wprowadzić do swojej firmy, więc w tym artykule można znaleźć odpowiedź na to pytanie
OdpowiedzUsuń