El tamaño no es el problema: 3 formas de obtener información real de sus datos

¿Te perdiste una sesión de MetaBeat 2022? Vaya a la biblioteca a pedido para todas nuestras sesiones destacadas aquí.

Los expertos llevan años diciendo esto: los datos son el nuevo petróleo. ¿Y quién puede discutir? Los datos se han convertido en un recurso natural indispensable para las empresas modernas, imprescindibles para la toma de decisiones corporativas.

Pero hay una mosca en el ungüento (o en este caso, el aceite). Las organizaciones pueden recopilar datos desde todos los ángulos: cualquier persona, lugar o cosa en un camino digital aparentemente interminable, pero para extraer valor, las empresas deben poder responder una pregunta fundamental: ¿Qué intentan decir los datos?

En busca de respuestas, muchas organizaciones introducen más y más datos en el almacenamiento, como si simplemente acumular más datos en lagos de datos en constante crecimiento pudiera proporcionar más información. Sin embargo, todavía terminan perplejos, buscando a tientas en la oscuridad el “¡ajá!” momentos que crean una mayor comprensión del cliente, eficiencias operativas y otras ventajas competitivas.

Esto se debe a que el problema no es el tamaño de los datos; es la capacidad de obtener información valiosa. Las preguntas comerciales que ayudan a delinear la forma de recomendaciones personalizadas de productos, detección de fraudes en tiempo real y vías de atención médica, por nombrar algunas, no forman parte de la forma rígida en que se almacenan los datos.

Evento

Cumbre Low-Code / No-Code

Únase a los principales ejecutivos de hoy en Low-Code/No-Code Summit virtualmente el 9 de noviembre. Regístrese para obtener su pase gratis hoy.

Registrarse aquí

No solo memorizar los hechos.

Los sistemas tradicionales, como los almacenes de datos, se basan en bases de datos relacionales (RDMBS) diseñadas para almacenar hechos, no para analizar los datos desde la perspectiva de quién y de dónde provienen. Por naturaleza, las tablas en RDBMS existen como archivos independientes en un lago de datos. Es posible que pueda encontrar algunos conocimientos aislados sobre esa información, pero no ver los conocimientos dentro de los datos que permiten a las empresas abordar los problemas comerciales con matices.

Con demasiada frecuencia dentro de las empresas, diferentes puntos de datos viven en diferentes silos organizativos, como ventas, marketing, servicio al cliente y cadenas de suministro. Esto deja una visión miope y desconectada de cómo una entidad interactúa con la empresa.

Los programas de inteligencia artificial (IA) y aprendizaje automático (ML) también tienden a ejecutarse en silos, con cada equipo trabajando en una pregunta bien definida. Es posible que encuentren respuestas a tiempo, pero debido a que están trabajando en datos separados, es poco probable que descubran conocimientos más profundos (es decir, patrones o similitudes) que mejoren la precisión de su modelo para responder preguntas comerciales.

Perder el significado de los datos es una propuesta perdida en un momento en que las organizaciones están bajo una presión incesante para obtener mejores conocimientos sobre los comportamientos de los clientes, predecir los cambios del mercado y predecir qué sucederá con los negocios en un mundo inestable.

Y la importancia va más allá de los usos corporativos: también es fundamental para descubrir fraudes financieros, personalizar la atención médica del paciente, administrar cadenas de suministro complejas y descubrir riesgos de seguridad.

Las organizaciones tienen la tarea de lograr un estado óptimo en el viaje de datos: descubrir las relaciones dentro, entre y entre toda esta información para obtener información significativa.

¿Cómo puede una organización llegar allí? Aquí hay tres consejos clave.

1. Eliminar silos

Muchas empresas gastan millones en contratar científicos de datos, crear nuevos modelos de datos y explorar enfoques de IA y ML. ¿El problema? Estos programas a menudo se ejecutan en silos en grandes organizaciones. ¿El resultado? Verse obligado a tomar decisiones comerciales críticas con datos unidimensionales sin contexto esencial.

Tomemos, por ejemplo, una empresa de comercio electrónico con la que trabajamos que opera cinco sitios web minoristas de marca individual. Comprender las identidades y los negocios de los clientes en estas marcas es complicado, y sin una visión establecida de las identidades y los negocios de los clientes, la empresa ha tenido dificultades para presentar recomendaciones y ofertas personalizadas.

Con un nuevo enfoque que revisó todos los datos de los clientes de la empresa y sincronizó las identidades de los clientes a través de sus números móviles, direcciones de correo electrónico, dispositivos, direcciones, tarjetas de crédito y más, la empresa ahora tiene una vista unificada y unificada de cada relación con el comprador. . Como resultado, la empresa espera un aumento del 17,6 % en las ventas a través de sus marcas minoristas especializadas.

Este es un poderoso ejemplo de cómo las empresas recopilan datos de fuentes, ángulos y ubicaciones dispares y almacenan información en silos y cómo esto interrumpe los patrones de relaciones con esa entidad.

Al fusionar datos de diferentes silos en un solo conjunto de datos de toda la empresa, las empresas pueden analizar cómo interactúa una persona, lugar o cosa dentro de la empresa desde la perspectiva de la entidad. ¿Qué es esa tecnología? Ver punto 2.

2. Elija la tecnología de base de datos adecuada para la carga de trabajo adecuada

Las bases de datos relacionales, a pesar de su nombre, luchan solas para descubrir las relaciones de datos entre, dentro y entre diferentes elementos de datos.

Las preguntas de mayor nivel, como cómo personalizar las recomendaciones de productos para los clientes o hacer que las cadenas de suministro sean más eficientes, requieren buscar contexto, conexiones y relaciones en los datos. Piense en cómo nuestros cerebros recopilan y almacenan hechos, datos e información cada segundo y cómo interviene la parte razonada de nuestro cerebro para evaluar el contexto y resaltar las relaciones.

Las bases de datos de gráficos son una tecnología más nueva que representa una forma completamente diferente de estructurar los datos en torno a las relaciones. Actúan como parte del razonamiento del cerebro para conjuntos de datos grandes y complejos para conjuntos de datos interconectados grandes y complejos. Es dentro de estos conjuntos de datos que puede ver todas las relaciones y conexiones entre los datos. LinkedIn y Meta (Facebook), por ejemplo, se basan en bases de datos de gráficos para averiguar cómo se relacionan los diferentes usuarios, ayudándolos a conectarse con contactos y contenido relevantes.

Al potenciar sus sistemas con análisis de gráficos, las organizaciones pueden concentrarse en responder preguntas basadas en relaciones.

3. Desbloquee conocimientos más inteligentes a escala con el aprendizaje automático de datos conectados

Al acelerar el desarrollo del aprendizaje automático basado en gráficos, las organizaciones pueden aprovechar los conocimientos adicionales de los datos conectados y las capacidades de gráficos para obtener mejores predicciones. Con el poder predictivo preciso de las características y plantillas gráficas únicas, las organizaciones pueden desbloquear perspectivas e impacto empresarial aún más potentes.

Los usuarios pueden entrenar fácilmente las redes neuronales gráficas sin necesidad de una máquina potente, gracias a las funciones integradas, como el almacenamiento distribuido y el procesamiento paralelo masivo, así como la partición basada en gráficos para generar gráficos de conjuntos de datos de entrenamiento/validación/prueba. El resultado: mejores representaciones de datos en términos de administración de tipos de datos, creación de un modelo de datos unificado y una forma de representar datos para obtener los resultados comerciales más efectivos de la IA.

Como muestran estos tres consejos, es fundamental que las organizaciones adopten un enfoque moderno de los datos que les permita comprender no solo los puntos de datos individuales, sino también las relaciones y dependencias entre todas las conexiones de datos. Para ganar con los datos, las empresas deben poder combinar perspectiva, escalabilidad y velocidad. También deben poder hacer y responder preguntas críticas y complejas basadas en relaciones, y hacerlo a la velocidad de los negocios.

Esta es la única forma en que las organizaciones de hoy pueden realmente aprovechar los datos como el nuevo petróleo.

Todd Blaschka es director de operaciones de tigregrafo.

Tomadores de decisiones de datos

¡Bienvenido a la comunidad VentureBeat!

DataDecisionMakers es el lugar donde los expertos, incluidos los ingenieros de datos, pueden compartir ideas e innovaciones relacionadas con los datos.

Si desea leer ideas de vanguardia e información actualizada, las mejores prácticas y el futuro de los datos y la tecnología de datos, únase a nosotros en DataDecisionMakers.

¡Incluso podría considerar contribuir con su propio artículo!

Leer más de DataDecisionMakers

Compruebe también

Cómo Epic Games y Autodesk están dando forma al diseño XR

A medida que el hardware de realidad virtual, aumentada y mixta (AR/VR/MR) se vuelve más …

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *