a:

Užitnost jakéhokoli datového typu nebo zdroje dat závisí na typu prováděné analýzy. Pro některé firmy funguje analýza dat jako nástroj shromažďování informací v reálném čase a měření výkonu. Jiný podnik může používat čistě popisné analýzy, které se zaměřují na profilování, segmentaci a identifikaci spotřebitelů. Ambicióznější verze datové analýzy se zabývá transformací dat do předpovědí - a to nejen tím, co je, ale co bude. Nejrychleji rostoucí aplikace dat v podnikové analýze je známá jako optimalizace, kde jsou porovnávány různé typy dat, aby se maximalizovala účinnost cílených výsledků.

Údaje jsou důležité, když byly vylepšeny do užitečného nástroje. Chcete-li to uvést do úvahy, přemýšlejte o nerafinovaných datech, jako by to byl nerafinovaný olej: je možné shromažďovat obrovské množství dat, ale je třeba je přeměnit na užitečný produkt, který má být cenný v ekonomickém smyslu. Aplikace musí být získána z dat. Úlohou obchodní analýzy je vylepšit data.

Zvažte následující příklad: Společnost ABC prodává hračky. Vedení se rozhodne, že chce porozumět svému potenciálnímu trhu, ale nemůže rozhodnout o tom, který typ dat se má shromažďovat. Měla by se podívat na nákupní vzory v reálných automobilech? Měla by proběhnout průzkumy oblíbených barev hraček pro děti? Měla by se zaměřit na etnický původ, náboženství, pohlaví nebo příjmy na cílovém trhu?

Společnost ABC pravděpodobně nezačala shromažďovat data o stravovacích návycích svých spotřebitelů. Zdá se, že mezi nákupem jídel a nákupy hraček není moc korelace. I kdyby její zaměstnanci měli pozoruhodné nástroje pro statistické modelování a mohly by provádět složité ekonometrické studie, je nepravděpodobné, že by tato data byla důležitá.

Nejdůležitějšími údaji jsou údaje, které poskytují největší konkurenční výhodu. Důlní a rafinérské údaje nejsou nákladným procesem. Podniky by měly hledat data, která poskytují nejvyšší návratnost investic do obchodní analýzy.