Análisis

Conversión de Big Data en inteligencia procesable l Sisense

single-image


Blog

Tratar de aprender más sobre el papel de los macrodatos (aquí para conjuntos de datos de gran volumen, alta velocidad y diversos) dentro de la inteligencia empresarial a veces puede generar más confusión de la que alivia, ya que los términos clave se usan indistintamente y no con claridad. Sin embargo, cuando examinamos los macrodatos desde la perspectiva de la investigación en ciencias de la computación, nos damos cuenta de que se utilizan con mucha más claridad. Grupo de conceptos confusos.

Antes de entrar en los temas de big data como servicio y análisis aplicado al mismo, expliquemos brevemente el análisis de datos utilizando una aplicación de análisis de uso común: ¡visualización!

Si miramos el diagrama, podemos ver que Business Intelligence (BI) es una colección de métodos de análisis aplicado a big data para traer inteligencia utilizable a la superficie mediante la identificación de patrones en datos extensos. Si pasamos de Big Data a BI de derecha a izquierda en el diagrama, notamos esto los datos no estructurados se convierten en datos estructurados. La implicación es que los métodos de análisis de datos se aplican a big data, p. Ej. B. Métodos de preparación de datos y minería de datos para acercarnos al objetivo de destilar patrones útiles, conocimientos e inteligencia que puedan dirigir la acción en la dirección correcta.

Es de esperar que esto aclare estos conceptos complejos y su lugar en el proceso de análisis más amplio, aunque es común que los expertos y los medios publiciten BI o big data como si fueran termina en sí mismo.

Los análisis basados ​​en inteligencia artificial son un campo complejo: la conclusión es que los conjuntos de datos de todo tipo crecen rápidamente, por lo que estas empresas están investigando herramientas de informes de big data o incluso recurriendo a empresas cuyo modelo de negocio completo se puede resumir como «Big Data as a Service «Para darles sentido. Cuando tiene big data, tener la plataforma de análisis adecuada o las herramientas de informes de big data de terceros es fundamental para que pueda obtener información procesable a partir de ella. Una de las mejores formas de implementar estas herramientas es incrustar complementos de terceros.

El viaje de los datos: de los datos sin procesar a los conocimientos

Soluciones y desafíos de big data

Cuando tiene big data, realmente desea extraer el valor real de la inteligencia contenida en este potencial zettabyte de información potencial. Para comprender cómo funciona mejor, analicemos los desafíos del big data y observemos una ola de problemas emergentes.

Para empezar, el auge del Internet de las cosas (IoT) ha creado inmensas cantidades de datos nuevos que deben analizarse. Los sensores de IoT en las plantas de las fábricas transmiten datos constantemente a los almacenes en la nube y otras ubicaciones de almacenamiento.

Estos conjuntos de datos de rápido crecimiento brindan una gran oportunidad para que las empresas obtengan conocimientos como:

  • Diagnóstico de máquinas, pronóstico de errores, mantenimiento óptimo y pedido automático de repuestos. La información derivada de estos sistemas puede incluso transmitirse a los equipos de RR.HH. para mejorar el personal de servicio, lo que también tiene un impacto en la gestión de RR.HH. y las soluciones de rendimiento para las empresas (informes de análisis basados ​​en IA a soluciones ERP).
  • Los productos ensamblados se envían directamente a ERP cuando se actualizan las soluciones de la cadena de suministro, lo que aumenta el conocimiento y la experiencia del cliente.

El desafío es que todavía no existe una arquitectura en la nube que pueda absorber y procesar este tsunami de big data. ¿Cómo podemos entender que los datos no encajan en Enterprise Service Bus (ESB)? (ESB es un componente de middleware de los sistemas en la nube que se verá abrumado si un millón de fábricas intentan extraer información de sus sensores al mismo tiempo).

Una solución con un potencial inmenso es «Edge Computing». Con respecto al «borde» conceptual de la red, la idea básica es realizar análisis de aprendizaje automático (ML) en la fuente de datos en lugar de enviar los datos del sensor a una aplicación en la nube para su procesamiento. El análisis de Edge Computing (como lo pueden hacer plataformas como Sisense) genera información procesable en el momento de la creación de los datos (dispositivo / sensor de IoT) en lugar de recopilar los datos, enviarlos a otro lugar para su análisis y luego residir en la información Llevar a cabo soluciones de análisis integradas (por ejemplo, mostrar conocimientos de BI a usuarios humanos).

La presión para adoptar el paradigma de la informática de punta aumenta a medida que aumenta el número de sensores que emiten datos. Las soluciones de Edge Computing combinadas con un sólido programa de big data para inteligencia empresarial (respaldado por una plataforma de análisis impulsada por IA) son un gran paso adelante para las empresas que se ocupan de esta inmensa cantidad de datos remotos y en rápido movimiento.

Estudio de caso de Big Data Analytics: SkullCandy

Un innovador constante en el espacio de auriculares y audífonos, SkullCandy aprovecha su vasto depósito de datos de clientes sobre calificaciones y garantías para mejorar sus productos con el tiempo. Siguiendo los análisis típicos, SkullCandy usa Sisense y otras utilidades de datos para examinar montañas de comentarios de los clientes que son todos datos de texto. Esta es una mejora con respecto a los procesos anteriores en los que SkullCandy se centró en una predicción de rendimiento más simple con análisis transaccional.

Ahora que SkullCandy se ha establecido como una empresa basada en datos, están experimentando con análisis de texto adicionales que pueden usarse para obtener información de las revisiones de sus productos en Amazon, BestBuy y su propio sitio web. Los equipos también usan análisis de texto para comparar su desempeño con el de sus competidores.

El viaje de Big Data de SkullCandy comenzó con la construcción de un almacén de datos para agregar los datos de transacciones y las revisiones. Se logró una visión / inteligencia innovadora en el desarrollo de productos gracias al análisis de texto de las garantías a través de las cuales SkullCandy pudo diferenciar entre los problemas del producto y la capacitación del cliente.. El hecho de que la analítica basada en inteligencia artificial pueda diferenciar entre producto y educación en un mensaje de texto es revolucionario. Un patrón común era que los clientes devolvieran un producto como defectuoso aunque simplemente no sabían cómo usar la conectividad bluetooth.

El desarrollo de productos basado en datos también se benefició: gracias al análisis de big data, SkullCandy pudo analizar los datos de garantía / devolución, lo que mostró que uno de los auriculares que se usaba con más frecuencia durante el entrenamiento de lo que se pensaba anteriormente se devolvía a un ritmo más alto de lo normal . Descubrió que el sudor estaba causando corrosión en las conexiones y provocando reflujo. El resultado fue la impermeabilidad del producto.

Entre los muchos éxitos que ha logrado SkullCandy, también vemos un patrón de valor derivado de big data.

Big data como servicio: empoderar a los usuarios, ahorrar recursos

Estrictamente hablando, «Big Data Analytics» es un análisis a gran escala de datos complejos y en rápido movimiento. Esta distinción implica que el análisis de big data toma conjuntos de datos extensos que van mucho más allá del volumen de las bases de datos convencionales y esencialmente combina análisis avanzados con el contenido de inmensos depósitos de datos o lagos.

Para familiarizarse con esta gran cantidad de información potencial, los componentes de IA de un programa de análisis de big data deben incluir necesariamente procedimientos para revisar, limpiar, preparar y transformar datos para crear un modelo de datos óptimo que haga que el descubrimiento de datos sea más procesable Inteligencia , identificando patrones, sugiriendo los próximos pasos y apoyando la toma de decisiones en puntos clave.

La información obtenida a partir de big data tiene un potencial real para cambiar el mundo, desde el análisis de texto que descubre problemas de servicio al cliente y el potencial de desarrollo de productos, hasta la formación de modelos financieros para detectar fraudes o sistemas médicos para detectar células cancerosas. Con empresas inteligentes, los usuarios, los analistas y los ingenieros de datos pueden preparar y analizar datos a escala de terabytes de múltiples fuentes, sin software, tecnología o personal especializado adicionales.

Afortunadamente, ahora es posible aprovechar todo este potencial y evitar el costo y el tiempo del desarrollo interno mediante la incorporación de análisis de expertos de terceros. Dada la enorme tarea del análisis de big data junto con el valor de los resultados, existe una tendencia natural a utilizarlo como servicio y, por lo tanto, aprovechar el big data como servicio lo más rápido posible.

Big-data-in-health-blog-cta-banner

Chris Meier es Gerente de Ingeniería de Análisis en Sisense y tiene 8 años de experiencia en datos y análisis después de trabajar en Ernst & Young y Soldsie. Le apasiona crear pilas modernas de datos que brinden información transformadora a las empresas.

Palabras clave: Big Data | Análisis de los datos

También te gustará