Το μέλλον των Big Data είναι το Data Management

Το μέλλον των Big Data είναι το Data Management

Έχετε ήδη επίγνωση της σημασίας των δεδομένων, αλλά τα διαχειρίζεστε πραγματικά αποτελεσματικά;

3

index

04

07

10

15

Εισαγωγή

Data Management: χτυπήστε

φλέβα χρυσού στα δεδομένα σας

Ενότητα 1

Το Data Management (διαχείριση δεδομένων)

και οι στόχοι του

Ενότητα 2

Τι είναι Data Quality (ποιότητα δεδομένων);

Ενότητα 3

Data Integration (ενοποίηση δεδομένων)

4

Το μέλλον των Big Data είναι το Data Management

Data Management: χτυπήστε φλέβα χρυσού στα δεδομένα σας

Εισαγωγή

5

Data Management: χτυπήστε φλέβα χρυσού στα δεδομένα σας

Ο πυρετός της χρυσοθηρίας ξεκίνησε στις Ηνωμένες Πολιτείες στα μέσα

του δέκατου ένατου αιώνα, όταν ένας εργάτης στάθηκε αρκετά τυχερός

ώστε να βρει ψήγματα χρυσού, ενώ έσκαβε ένα χαντάκι. Η ανακάλυψη

έφερε πολλές αλλαγές, αρχικά στην Καλιφόρνια και στη συνέχεια σε πολλές

άλλες πολιτείες των ΗΠΑ. Η κορύφωση του πυρετού της χρυσοθηρίας

συνέβη όταν μεγάλα κοιτάσματα χρυσού βρέθηκαν στο Klondike του

Καναδά, στα τέλη του αιώνα.

Μπορούμε με ασφάλεια να πούμε ότι, περισσότερα από 250 χρόνια μετά

από την ανακάλυψη χρυσού στην Καλιφόρνια από τον James Marshall, η

οπτική μας για τον κόσμο όσον αφορά στις απαιτήσεις, τις τεχνολογίες

και τις συμπεριφορές έχει αλλάξει. Ο χρυσός της εποχής μας είναι τα

δεδομένα που έχουν ουσία και η κατανόηση του τρόπου με τον οποίο

μπορούμε να τα αξιοποιήσουμε είναι η πραγματική κοινωνικοοικονομική

επανάσταση του αιώνα μας. Η διαφορά του χρυσού με τα εταιρικά

δεδομένα είναι ότι ο κάτοχος χρυσού είναι τυχερός, όμως ένας οργανισμός

που κατέχει δεδομένα δεν είναι απαραίτητα και αυτός τυχερός. Οι

εταιρείες μπορούν να πάρουν αξία από τα δεδομένα τους μόνο εάν αυτά

συλλέγονται, καθαρίζονται, ερμηνεύονται και ενσωματώνονται σωστά

στην επιχειρηματική τους δραστηριότητα και όχι με την απλή κατοχή τους.

Τα Big Data δεν είναι κάτι νέο: γνωρίζουμε για αυτά εδώ και πολλά χρόνια.

Ωστόσο, ο τρόπος που τα δεδομένα παράγονται και υποβάλλονται σε

επεξεργασία έχει αλλάξει. Η ανάπτυξη των Big Data αυξάνεται εκθετικά και

βρίσκεται σε εξέλιξη από το 2001. Πολλές από τις συνδεδεμένες συσκευές

που χρησιμοποιούμε καθημερινά για εργασία, παιχνίδι και άσκηση

παράγουν συνεχώς διάφορους τύπους δεδομένων.

Η κατάσταση άλλαξε γρήγορα, όμως, και αυτό που στην αρχή της νέας

χιλιετίας έμοιαζε ως η επερχόμενη σημαντική εξέλιξη, για παράδειγμα η

δυνατότητα συλλογής και επεξεργασίας τεράστιων ποσοτήτων δεδομένων,

έχει πλέον εξελιχθεί σε θεμέλιο μιας πιο δομημένης προσέγγισης για

την ανάλυση δεδομένων. Το Data Management (Διαχείριση δεδομένων)

αποτελεί προϋπόθεση για τις παρούσες και μελλοντικές τάσεις και επιτρέπει

6

Το μέλλον των Big Data είναι το Data Management

Το μέλλον των Big Data είναι στα χέρια του Data Management. H εφαρμογή του δεν πρέπει να περιορίζεται στις υπάρχουσες εταιρικές υποδομές και διαδικασίες, αλλά να επεκτείνεται και σε εκείνες που θα ενσωματωθούν στο μέλλον.

τη διαρκή τροφοδότηση των επιχειρηματικών διαδικασιών με τα σωστά και

λειτουργικά δεδομένα που είναι απαραίτητα για την επίτευξη των στόχων

και την υποστήριξη στρατηγικών αποφάσεων.

1960

Data Big Data*

*Ακαδημαϊκή προέλευση του όρου: http://www.ssc.upenn.edu/~fdiebold/papers/

paper40/temp-wc.PDF

Data Management

2000* 2016

3 — Titolo del capitolo in cui siamo

7

Το Data Management (διαχείριση δεδομένων) και οι στόχοι του

Ενότητα 1

8

Το μέλλον των Big Data είναι το Data Management

Data Management είναι μια διαδικασία με την οποία τα δεδομένα που τίθενται στη διάθεση των διαδικασιών και των ρόλων της εταιρείας είναι πάντα σωστά και χρήσιμα για την επίτευξη των επιχειρηματικών στόχων.

Η Διαχείριση δεδομένων απλοποιεί το έργο των «data professionals»

(π.χ. Data Analysts ή Data Scientists) και υποστηρίζει τις διαδικασίες για

την παραγωγή αξιόπιστων δεδομένων την κατάλληλη στιγμή και στο

κατάλληλο μέρος.

Στο κατάλληλο μέρος, διότι τα δεδομένα είναι διασυνδεδεμένα με

πολλαπλά συστήματα και υπηρεσίες εντός ενός οργανισμού: χάρη σε

λύσεις Data Management, οι τομείς ΙΤ & του Business δεν λειτουργούν,

πλέον, ως ξεχωριστές οντότητες μέσα στον οργανισμό. Αντίθετα,

συνεργάζονται έχοντας μία κοινή στρατηγική προσέγγιση. Αυτό γίνεται

εφικτό μέσω της τεχνικής συνδυασμού εργαλείων, τεχνολογιών και

γνώσεων, η οποία τους επιτρέπει να εργάζονται με κοινούς στόχους. Την

κατάλληλη στιγμή, διότι χάρη σε αυτή τη διαδικασία, η οποία μπορεί

να εφαρμοστεί εύκολα σε οποιαδήποτε αρχιτεκτονική δεδομένων, οι

πληροφορίες μπορούν να χρησιμοποιηθούν σε σχεδόν πραγματικό χρόνο

(real-time).

Όπως και με το χρυσό, ο οποίος πρέπει να κοσκινιστεί επιμελώς, η

Διαχείριση δεδομένων παρέχει στους data professionals δεδομένα που

έχουν ήδη καθαριστεί από «επιβλαβή» στοιχεία, τα οποία θα μπορούσαν

να οδηγήσουν σε αναξιόπιστα αποτελέσματα κατά τη διάρκεια της

διαδικασίας ανάλυσης.

Τα «εξευγενισμένα» δεδομένα, έτοιμα για ανάλυση, είναι ζωτικής σημασίας

για την επιβίωση των οργανισμών και, ταυτόχρονα, θα πρέπει να μπορούν

να προσπελαστούν και να χρησιμοποιηθούν εύκολα και γρήγορα από τους

χρήστες.

Για να είναι αποτελεσματικές, οι πληροφορίες θα πρέπει να έχουν ένα

9

1 - Το Data Management (διαχείριση δεδομένων) και οι στόχοι του.

εννοιολογικό πλαίσιο. Τα δεδομένα πρέπει να παρέχονται στο χρήστη σε

μια καθορισμένη μορφή και κατά τρόπο συνεπή, μετά την ενοποίηση και

το συνδυασμό πολλαπλών πηγών.

Ακολουθεί ένα πρακτικό παράδειγμα που παρουσιάζει το ρόλο που

μπορεί να διαδραματίσει η διαχείριση δεδομένων στις καθημερινές

επιχειρηματικές αποφάσεις:

Ο Γιάννης διευθύνει ένα μεγάλο θέρετρο στην Κρήτη, με περίπου

εκατό δωμάτια, ένα κέντρο ευεξίας με spa και πισίνα, ένα αποκλειστικό

εστιατόριο και ένα καζίνο με κουλοχέρηδες και τραπέζια τυχερών

παιγνιδιών. Χάρη σε όλες αυτές τις υπηρεσίες, ο Γιάννης μπορεί να βασίζεται

σε μια ευρεία πελατειακή βάση, για παράδειγμα σε οικογένειες που

επισκέπτονται την πόλη ή σε επαγγελματίες παίκτες πόκερ που χρειάζονται

ένα δωμάτιο για το Σαββατοκύριακο. Το ξενοδοχείο χρησιμοποιεί

διαφορετικά συστήματα διαχείρισης δεδομένων για διαφορετικές

υπηρεσίες: αν ακολουθηθεί μια συμβατική αναλυτική προσέγγιση,

ενδέχεται να προκύψουν προβλήματα αντιστοίχησης δεδομένων, λόγω της

διαφορετικής φύσης των πηγών που χρησιμοποιούνται. Για παράδειγμα,

ο Γιάννης θα μπορούσε να χάσει πολλά χρήματα, αν, κατά λάθος, τα

δεδομένα των πελατών spa συνδεθούν με τους ανθρώπους που παίζουν

τυχερά παιχνίδια.

Η Διαχείριση δεδομένων μπορεί να χρησιμοποιηθεί για την αποφυγή

αυτού του κινδύνου. Έτσι, ο Γιάννης θα έχει τα ακριβή στοιχεία που είναι

απαραίτητα για να λάβει τις κατάλληλες επιχειρηματικές αποφάσεις.

Επιπλέον, εάν αυτό εφαρμόζεται σε συνεχή βάση, ο Γιάννης θα είναι σε

θέση να προσαρμόσει την εμπειρία των πελατών του για την καλύτερη

κάλυψη των αναγκών τους.

Η καλή Διαχείριση δεδομένων βασίζεται σε δύο βασικά εργαλεία:

Data Quality (ποιότητα δεδομένων) και Data Integration (ενοποίηση

δεδομένων).

10

Το μέλλον των Big Data είναι το Data Management

Τι είναι Data Quality (ποιότητα δεδομένων);

Ενότητα 2

11

2 — Τι είναι Data Quality (ποιότητα δεδομένων);

Data Quality είναι ένας συνδυασμός διαδικασιών που επιτρέπουν τη βελτίωση της ποιότητας των δεδομένων ώστε αυτά να ευθυγραμμίζονται με τις επιχειρηματικές ανάγκες.

Κατά την επιλογή οποιουδήποτε προϊόντος ή υπηρεσίας, ένας αγοραστής

συχνά σκέφτεται υποσυνείδητα τι είναι πρόθυμος να θυσιάσει (τόσο σε

οικονομική όσο και σε μη οικονομική βάση) προκειμένου να αποκτήσει το

συγκεκριμένο αγαθό. Μόλις κλείσει η συμφωνία, ο αγοραστής περιμένει

από το αγαθό να τον αποζημιώσει για το τίμημα που κατέβαλε για αυτό και

να ανταποκριθεί στις προσδοκίες του.

Το ίδιο ισχύει, επίσης, και για τα δεδομένα: γιατί να ξοδέψει κανείς μεγάλα

χρηματικά ποσά για να αποκτήσει τεράστιες ποσότητες δεδομένων που

δεν προσφέρουν μια αντίστοιχη επιχειρηματική αξία;

Υπερβολικά πολλά αναξιόπιστα ή «βρώμικα» δεδομένα αποτελούν τεράστια

σπατάλη χρόνου για την εταιρεία. Στον επιχειρηματικό κόσμο, ο χαμένος

χρόνος συμβαδίζει με τις οικονομικές απώλειες και τη σπατάλη πόρων.

Η καλή ποιότητα δεδομένων μειώνει το χρόνο που απαιτείται για ελέγχους

με το χέρι και για επαληθεύσεις δεδομένων κατά 90%, έτσι ώστε οι στόχοι

της ανάλυσης να μπορούν να επιτευχθούν γρήγορα και με ακρίβεια.

Οι πολυκαναλικές προσεγγίσεις, το web marketing και τα apps παράγουν

συνεχώς ένα τεράστιο όγκο μη ενοποιημένων δεδομένων, όπου ενδέχεται

να κρύβονται τα δεδομένα- χρυσός που οι οργανισμοί χρειάζονται για τις

στρατηγικές επιχειρηματικές αποφάσεις τους.

Ένα εργαλείο Data Quality είναι απαραίτητο για τον «καθαρισμό» αυτών

των δεδομένων και την ανάδειξη των «καθαρών» πληροφοριών, καθώς και

για την απομάκρυνση τυχόν στοιχείων που μπορούν να θέσουν σε κίνδυνο

τα σωστά αποτελέσματα των αναλύσεων.

12

Το μέλλον των Big Data είναι το Data Management

Οι εταιρείες επιδιώκουν μόνιμα την αύξηση των πωλήσεων και τη

βελτιστοποίηση της εμπειρίας του πελάτη (customer experience). Χάρη

στην εισαγωγή των Big Data, οι στόχοι αυτοί έχουν γίνει πιο εφικτοί, αν και

πιο απαιτητικοί.

Σκεφτείτε τον τρόπο με τον οποίο πραγματοποιούνται σήμερα οι

αγορές: εκατομμύρια χρήστες αναζητούν στο internet το προϊόν που

τους ενδιαφέρει, πριν να προβούν στην αγορά του από κάποιο φυσικό ή

ηλεκτρονικό κατάστημα. Ο κόσμος αλληλεπιδρά με τις επιχειρήσεις μέσω

διαφόρων καναλιών και σε διαφορετικούς χρόνους. Αναλύοντας τα σημεία

επαφής της εταιρείας με τον πελάτη, μπορούν να προσδιοριστούν

οι συνήθειες και οι συμπεριφορές των καταναλωτών με στόχο την

ανάπτυξη εξατομικευμένων και στοχευμένων εκστρατειών marketing, για

τη βελτιστοποίηση των αποτελεσμάτων και την πρόληψη της σπατάλης

πόρων και ανεπιθύμητων δαπανών.

Επιπλέον, οι πελάτες μιλούν ο ένας στον άλλον, ανταλλάσσουν εμπειρίες

και απόψεις για αγαθά και υπηρεσίες στο διαδίκτυο (π.χ. μέσω των social

media, κοινοτήτων και blog). Αν ο καταναλωτής είναι το κέντρο της

επιχειρηματικής στρατηγικής της εταιρείας, αυτή θα πρέπει να ακούει τους

χρήστες προκειμένου να αποκτήσει πολύτιμες στρατηγικές γνώσεις και να

αναπτύξει την καλύτερη προσφορά και εμπειρία για κάθε πελάτη.

13

Η ποιότητα δεδομένων είναι όπως τα θεμέλια ενός κτιρίου: οι διαδικασίες

και τα μέσα της επικυρώνουν και ελέγχουν κάθε στάδιο της παραγωγής

και του κύκλου διανομής δεδομένων, προκειμένου να διασφαλιστεί η

καλύτερη δυνατή ποιότητα των δεδομένων που χρησιμοποιούνται από την

επιχείρηση.

Όμως, συχνά αντιμετωπίζεται ως «εργαλείο έσχατης ανάγκης» -

χρησιμοποιείται μόνο για την επίλυση προβλημάτων, όπως η διαχείριση

των «βρώμικων» ή των ανακριβών πληροφοριών ή των δεδομένων που

πρέπει να διορθωθούν. Αυτή δεν είναι η ιδανική προσέγγιση: η ποιότητα

πρέπει να είναι εγγυημένη διαρκώς, σε όλες τις διαδικασίες της εταιρείας

και για όλους τους χρήστες. Πρέπει να γίνει συνήθεια, μια καθημερινή

«άσκηση». Αυτός είναι ο μόνος τρόπος να αυξηθεί η χρηστικότητα των

δεδομένων στο πλαίσιο των διαδικασιών της εταιρείας.

Πριν φτάσουμε στην ποιότητα των δεδομένων, θα πρέπει να καθορίζεται

το επίπεδο της «καταλληλότητας» των δεδομένων, σύμφωνα με τις

αναμενόμενες επιπτώσεις στις επιχειρηματικές αποφάσεις.

Διαφορετικά μέτρα Data Quality χρησιμοποιούνται για την αξιολόγηση

διαφόρων τύπων προβλημάτων Data Quality, όπως:

Για ποιο λόγο είναι το Data Quality (ποιότητα δεδομένων) σημαντικό;

Ακρίβεια (accuracy) : είναι σωστή η τιμή των δεδομένων;

Πληρότητα (completeness): σε ποιο βαθμό εκπροσωπούνται τα

δεδομένα στο dataset μου;

Συνέπεια (consistency): μπορούν διαφορετικά δεδομένα να είναι

αλληλοσυγκρουόμενα;

Επικαιρότητα (timeliness): είναι τα δεδομένα ενημερωμένα;

2 — Τι είναι Data Quality (ποιότητα δεδομένων);

14

Το μέλλον των Big Data είναι το Data Management

Μοναδικότητα (uniqueness): υπάρχουν επαναλήψεις ή αντίγραφα

των ίδιων δεδομένων;

Για να εξηγήσουμε τον τρόπο με τον οποίο η ποιότητα δεδομένων παρέχει

ακριβή και αξιόπιστα δεδομένα για ακόλουθες αναλύσεις, ας δούμε και

πάλι το ξενοδοχείο του Γιάννη. Κατά την άφιξή του στο ξενοδοχείο, ένας

πελάτης, ο Δημήτρης Παπαδόπουλος, δίνει στη ρεσεψιονίστ την ταυτότητά

του για την εγγραφή. Ο κ. Παπαδόπουλος κλείνει ένα τραπέζι για δύο

στο εστιατόριο του ξενοδοχείου στο όνομα Δημήτρης Παπαδόπουλος,

ενώ την επόμενη μέρα αποφασίζει να γραφτεί στο πρόγραμμα SPA,

χρησιμοποιώντας το χαϊδευτικό του, Μίμης Παπαδόπουλος.

Μια αποτελεσματική προσέγγιση ποιότητας δεδομένων θα μειώσει τις

ασάφειες και ο Δημήτρης Παπαδόπουλος θα αναγνωριστεί ως ένας πελάτης

στα διάφορα συστήματα διαχείρισης δεδομένων, προς αποφυγή πιθανών

λαθών κατά τη φάση ανάλυσης που ακολουθεί.

3 — Titolo del capitolo in cui siamo

15

Data Integration (ενοποίηση δεδομένων)

Ενότητα 3

16

Το μέλλον των Big Data είναι το Data Management

Data Integration είναι ο συνδυασμός των διαδικασιών και τεχνολογιών για τη διαχείριση των επιχειρηματικών δεδομένων που προέρχονται από διάφορες πηγές, τόσο εντός όσο και εκτός της εταιρείας. Τα δεδομένα μετασχηματίζονται και συνδυάζονται σε μία ενιαία μορφή, με στόχο τον εναρμονισμό τους και τη μεγιστοποίηση της αξίας τους.

Η ανάλυση δεδομένων έχει δώσει στις εταιρείες, εδώ και χρόνια, ένα

ανταγωνιστικό πλεονέκτημα στην αγορά. Η διαδικασία ETL (Extract,

Transform and Load) υπήρξε βασικό εργαλείο σε αυτόν τον τομέα, για

μεγάλο χρονικό διάστημα. Ωστόσο, η επιτυχημένη υλοποίηση έργων

Data Integration συχνά δυσκολεύει τους οργανισμούς. Η πρόσβαση και η

επεξεργασία δεδομένων, όταν αυτά προέρχονται από διαφορετικές πηγές,

έχουν συχνά παρεμποδίσει υλοποιήσεις, λόγω της επιλογής εργαλείου μη

κατάλληλου για το συγκεκριμένο σκοπό και της δυνατότητας χρήσης του

συγκεκριμένου εργαλείου για τις διαφορετικές πηγές δεδομένων.

Οι τομείς της πληροφορικής και των επιχειρηματικών δραστηριοτήτων

(IT & Business) έχουν υπάρξει για χρόνια απομονωμένοι μεταξύ τους και

έχουν επιλέξει ο καθένας τα εργαλεία που θεωρεί καταλληλότερα για τους

στόχους του. Αυτό έχει οδηγήσει σε δεδομένα και πληροφορίες που είναι

δύσκολο να ενοποιηθούν και, επίσης, σε πολύ υψηλό κόστος αγοράς,

συντήρησης και εκπαίδευσης.

Η ενοποίηση δεδομένων έχει λάβει, τελευταία, έναν πιο κεντρικό ρόλο

στο πλαίσιο των οργανισμών, διότι η από κοινού και βελτιστοποιημένη

εφαρμογή της επηρεάζει όλες τις διαδικασίες της εταιρείας και προωθεί

την ανταλλαγή πληροφοριών και την επαναχρησιμοποίηση των βασικών

συνιστωσών.

Σήμερα, η τυποποίηση είναι μια βασική έννοια κατά την επιλογή ενός

εργαλείου, ξεκινώντας από τους ίδιους κοινούς κανόνες στο πλαίσιο ενός

17

οργανισμού και καταλήγοντας έως και την παραγωγή. Η αποτελεσματική

ενοποίηση δεδομένων, σε συνδυασμό με την κατάλληλη ποιότητα

δεδομένων, ενοποιεί κάθε τύπο δεδομένων σε ένα ολοκληρωμένο

σύστημα, κάτι που οδηγεί σε μείωση του κόστους και σε περισσότερα

οφέλη, από άποψη επιχειρησιακών και επιχειρηματικών αποφάσεων.

Μπορεί να εφαρμοστεί μια μεγάλη ποικιλία προγραμμάτων ή/και

εταιρικών πρωτοβουλιών ενοποίησης δεδομένων, διατηρώντας την

ποιότητα των δεδομένων πάντα στο επίκεντρο, σε επίπεδο στρατηγικής

ενοποίησης. Όλα τα νέα δεδομένα που εισέρχονται στην επιχείρηση δεν

προστίθεται απλά στις υφιστάμενες πληροφορίες, αλλά και αυξάνουν την

αξία των εν λόγω πληροφοριών, χάρη στο ότι συνδυάζονται με τα ήδη

υπάρχοντα δεδομένα.

Οι οργανισμοί που αποδίδουν καλύτερα είναι αυτοί που έχουν ήδη θέσει σε

εφαρμογή μια στρατηγική που βασίζεται στο Data Integration ως θεμέλιο

για την ανταγωνιστικότητά τους. Αυτό επιτρέπει:

Για να κατανοήσουμε το Data Integration, ας δούμε και πάλι το ξενοδοχείο

του Γιάννη στην Κρήτη, και ας επικεντρωθούμε στην εμπειρία του Δημήτρη

Παπαδόπουλου του πελάτη που αναφέραμε και πιο πάνω, κατά τη διάρκεια

της παραμονής του. Εφόσον τα ποιοτικά δεδομένα έχουν εξασφαλιστεί,

με την εφαρμογή Data Quality τεχνικών, τα δεδομένα από το εστιατόριο,

το spa και το καζίνο μπορούν εύκολα να συνδυαστούν. Αυτό θα παράσχει

μια επισκόπηση της παραμονής του και, αφού ολοκληρωθεί η διαδικασία

του Data Management (διαχείριση δεδομένων), θα μας επιτρέψει να

καταλάβουμε αν ο Δημήτρης πρέπει να συμπεριληφθεί ως στόχος σε

μια εκστρατεία marketing που θα προσφέρει ένα κουπόνι 100 € bonus

για το καζίνο στους επισκέπτες που κάνουν κράτηση για τουλάχιστον

δύο διανυκτερεύσεις. Αντί για τα τυχερά παίγνια, ο Δημήτρης προτιμά

3 — Data Integration (ενοποίηση δεδομένων)

απλότητα (simplicity)

ευελιξία (flexibility)

μειωμένο χρόνο αντίδρασης (decreased reaction time)

18

Το μέλλον των Big Data είναι το Data Management

τη χαλάρωση στην πισίνα μετά τη δουλειά. Θα μπορούσε, συνεπώς, να

συμπεριληφθεί στην ομάδα στόχο που ενδιαφέρεται για έκπτωση στο spa

και το γυμναστήριο του θέρετρου.

Ο εκδημοκρατισμός των Analytics και η δημιουργία του Citizen Data Scientist

Είναι σαφές ότι μια κατάλληλη για την επιχείρηση στρατηγική Data

Management απαιτεί το συνδυασμό διαφόρων τεχνικών και εργαλείων,

όπως η Data Quality και Data Integration.

Με μια συνεχώς αυξανόμενη ποσότητα δεδομένων και τις βελτιωμένες

δυνατότητες που προσφέρονται για την επιχείρηση μέσω των Analytics,

από την άποψη του στρατηγικού οράματος και της διαδικασίας λήψης

αποφάσεων, το Data Management είναι ένας θεμελιώδης πόρος για τη

διοίκηση τόσο των μικρών και μικρομεσαίων επιχειρήσεων όσο και των

μεγάλων επιχειρήσεων που διαχειρίζονται σύνθετες πηγές δεδομένων και

σε μεγάλες ποσότητες.

Μια αποτελεσματική και κοινή πλατφόρμα Data Management μπορεί να

λειτουργήσει ως φίλτρο δεδομένων, ενώ ταυτόχρονα παρέχει εγγυημένη

πρόσβαση και ποιότητα ως μέρος της ίδιας της πλατφόρμας, έτσι ώστε οι

πληροφορίες που πρέπει να προωθηθούν για μεταγενέστερη ανάλυση να

έχουν υποβληθεί σε επεξεργασία και να είναι οργανωμένες.

Η υψηλής ποιότητας, ενοποιημένη και σωστή διαχείριση δεδομένων

βελτιώνει την αποδοτικότητα και τη λήψη αποφάσεων.

19

Χάρη στις νέες τεχνολογίες και τις πλατφόρμες ανοικτού κώδικα, όπως

το Hadoop, η ενσωμάτωση του Data Management στην επιχείρηση

είναι πλέον απλή, χωρίς να απαιτείται η αναδιοργάνωση του τμήματος

πληροφορικής. Λύσεις self-service Data Integration και Data Quality

επιτρέπουν ακόμη και σε άτομα χωρίς εξειδικευμένες γνώσεις να

έχουν πρόσβαση και να χρησιμοποιούν το Hadoop. Τα δεδομένα είναι

προσβάσιμα από οποιονδήποτε και από οποιαδήποτε πηγή. Οι data

scientists (ευέλικτοι, δημιουργικοί επαγγελματίες που είναι και experts

δεδομένων) δεν χρειάζεται, πλέον, να ασχολούνται με τη ρουτίνα της

προετοιμασίας των δεδομένων, η οποία καταλάμβανε, κατά κανόνα, το

50% του χρόνου τους. Αυτός ο χρόνος μπορεί, πλέον, να χρησιμοποιείται

για την παραγωγή ιδεών.

Η εκτεταμένη παρουσία λογισμικού Data Management, η αυξημένη

ποσότητα των διαθέσιμων δεδομένων και η μείωση του κόστους

αποθήκευσης αλλάζουν τον τρόπο με τον οποίο τα δεδομένα αναλύονται

και προσεγγίζονται. Η οπτική γωνία έχει αλλάξει: η ανάγκη για ανάλυση

δεδομένων έχει αυξηθεί και οι επιχειρηματικές απαιτήσεις εστιάζουν στην

απόδοση περισσότερης αξίας στην εταιρεία.

Αυτή η τάση, η οποία ορίστηκε ως «εκδημοκρατισμός των Analytics» σε

ένα έγγραφο του International Institute for Analytics, ευνοεί τη δημιουργία

μιας νέας κατηγορίας αναλυτή: του Citizen Data Scientist.

Ο Citizen Data Scientist διαθέτει ένα ευρύ φάσμα γνώσεων για το

“business” και ένα στέρεο μαθηματικό και στατιστικό υπόβαθρο. Ο Citizen

Data Scientist είναι ένα φιλομαθές άτομο που ενεργεί ως μεσολαβητής

ανάμεσα στις δύο βασικές «πλευρές» στον κόσμο των Big Data: την

πληροφορική και τον επιχειρηματικό τομέα. Οι δύο αυτοί τομείς δεν

επικοινωνούν εύκολα, επειδή μιλούν δύο διαφορετικές (επαγγελματικές)

γλώσσες, αλλά πάντοτε απαιτείται να βρεθεί μια μέση οδός μεταξύ τους,

προκειμένου να καταφέρει η εταιρεία να αναπτυχθεί.

Ο Citizen Data Scientist είναι ζωτικής σημασίας για τις μικρές και μεσαίες

επιχειρήσεις που δεν διαθέτουν τους απαραίτητους πόρους για να

υποστηρίξουν το κόστος ενός Data Scientist, του οποίου η πρόσληψη είναι

πιο δύσκολη, λόγω των συγκεκριμένων γνώσεών του στους τομείς των

μαθηματικών, της στατιστικής, του marketing και της επικοινωνίας.

3 — Data Integration (ενοποίηση δεδομένων)

20

Το μέλλον των Big Data είναι το Data Management

Ωστόσο, ο Citizen Data Scientist από μόνος του δεν μπορεί να επιτύχει

πολλά, και η εργασία του θα πρέπει να υποστηρίζεται από υψηλής

απόδοσης αναλυτικά εργαλεία.

Αυτή είναι η ανάγκη για την οποία το Data Management μπορεί να

προσφέρει στους πελάτες της μια λύση: ένα μοναδικό περιβάλλον

εργασίας, ενοποιημένο με τις παρούσες και μελλοντικές επιχειρηματικές

υποδομές ανάλυσης δεδομένων, το οποίο επικοινωνεί με άλλα λογισμικά

της εταιρείας, όπως είναι τα προγράμματα CRM, για προηγμένη advanced

data analysis (προηγμένη ανάλυση δεδομένων) ή data visualization

(απεικόνιση δεδομένων).

Το Data Management καθιστά τις αναλύσεις αξιόπιστες, χάρη στην

ενοποίηση ενός μεγαλύτερου αριθμού πηγών δεδομένων και την εγγύηση

της ποιότητάς τους.

Data

Scientist

Business

Analyst

Boar

droo

m

Back

room

Citizen Data Scientist

www.sas.com/greeceΑρτέμιδος 3 , Μαρούσι, 151 25 , ΑττικήΤηλέφωνο: +30 210 6898730

Ακολουθήστε την SAS Ελλάδος