Wie funktioniert Business Intelligence mit unstrukturierten Daten?
Nehmen wir an, Sie verwenden eine unstrukturierte, multimediafähige Data-Warehousing-Umgebung vergleichende Analyse zwischen Dienstleistungen, die von Ihrem Unternehmen (eine Bank) und Ihrer Mitbewerber entsprechende Angebote angeboten zu tun.
Sie führen einige grundlegende Berichte und ein paar Abfragen Marktanteil zu überprüfen, Portfolio-Performance und andere Maßnahmen. Oder, für fortgeschrittenere Analyse verwenden Sie eine Business-Analyse OLAP-Tool alle Arten von Drill-Down-Analysen auf den Daten in einem Versuch durchzuführen, um in vollem Umfang die Feinheiten der die Leistung Ihres Unternehmens in Bezug auf Ihre Konkurrenten verstehen.
Manchmal jedoch können Sie die Antworten nicht in den Zahlen finden. Nehmen wir an, dass Sie einen plötzlichen Anstieg der Kontoschließungen bemerken bei Ihrer Bank während der letzten zwei Monate. Was ist los?
Arten von unstrukturierten Daten
- So schnell wie möglich - Holen Sie sich so viel Intelligenz wie möglich aus so vielen Quellen wie möglich zu helfen, zu verstehen, was los ist und informiert handeln: Sie können im Begriff selbst die Prämisse von Business Intelligence zu verstehen. Im Rahmen dieser weiten Definition kann, Intelligenz umfassen leicht die folgenden Arten von Informationen, die Sie nicht in (oder Zugriff über) einem traditionellen Data Warehouse finden Sie unter:
Eine lokale Zeitungsanzeige des Konkurrenten für ein Jahr und eine zusätzliche 1,5 Prozent zur Kontrolle nicht-Gebühr anbieten verdient mit dem Geldmarkteinlagen, wenn ein potenzieller Kunde einen Kontoauszug zeigt darauf hinweist, dass er oder sie ein Konto bei Ihrer Bank geschlossen hat
Ein Werbebanner auf Google, die Ihre Konkurrenten gleiche Angebot bietet
Ein Link zu jedem Ihrer Wettbewerber Websites, wo Sie die Arten von elektronischen Bankdienstleistungen analysieren können sie anbieten
Ein Transkript eines Interviews mit einem regionalen Wirtschaftsexperte besagt, dass Ihre Bank ein gutes Übernahmeziel ist und wird wahrscheinlich nicht zur gleichen Zeit im nächsten Jahr unter dem aktuellen Namen im Geschäft
In diesem einfachen Beispiel, weil die Elemente lokal oder regional auftreten, könnten Sie glauben, dass Sie alle diese Informationen von einem multimediafähigen Data-Warehouse zugreifen können. (# 147-A gute Bank-Analyst wahrscheinlich kennt all dieses Zeug sowieso, # 148- oder?)
Ein globales Beispiel für Data Warehousing
Denken Sie an diesem Beispiel auf globaler Ebene jedoch. Sie fragen sich, warum Ihr Unternehmen die Verkäufe in Schweden rutschen? Sie könnten diese Art von Echtzeit-Intelligenz-Sammeln-Funktionen für eine global Wettbewerbssituation haben müssen.
Zum Beispiel vorstellen, ein Unternehmen in der chemischen Industrie, die die Architektur für eine quasi-Data-Warehouse-Umgebung will (Quasi weil es nur eine einzige Datenquelle, aber eine große Menge von historischen Informationen, die in das neue System gebracht werden müsste).
Etwa 80 Prozent der historischen Informationen war auf dem Papier, und der Kunde wurde schließlich, dass die Informationen in ein Dokument-Management-System eingeben berücksichtigen. Aus haushaltstechnischen Gründen werden sie nur mit der Umwandlung von traditionellen historischen Daten (Zeichen, Zahlen und Datumsinformationen) und Mapping und die Transformation der neuen eingehenden Daten umgehen. Die Dokumente würden später behandelt werden.
Stellen Sie sich eine Umgebung, in der Sie alle diese Daten zu behandeln, die mit demselben Gegenstand beschäftigt, ebenso. Wenn die Daten auf dem Papier ist, können Sie es scannen in als Bild, Index es nach Stichwort, und es durch die gleiche Umgebung wie die traditionellen Daten zugänglich zu machen. Sie erhöhen enorm die Business Intelligence-Client, indem sie den Zugriff auf diese Informationen.