Cómo identificar focos de grandes volúmenes de datos para inteligencia competitiva
Para comenzar a usar la analítica para dar sentido a los datos grandes para su inteligencia competitiva, identificar los focos de grandes volúmenes de datos que puede ser capaz de acceder y que mantienen la promesa de producir información valiosa. Para iniciar la localización de los bolsillos de los datos que están maduras para el análisis de cosecha, considere las siguientes fuentes:
Video: Inteligencia comercial competitiva
sitio web y otras propiedades en línea de su organización: Se puede utilizar Analytics en su sitio web para realizar un seguimiento de las visitas de clientes y el tráfico en general, determinar dónde viene el tráfico, medir la eficacia de pago por clic campañas de publicidad, y el comportamiento del usuario de estudio en su sitio con el fin de mejorar la navegación y hace un llamamiento a la acción .
Video: Inteligencia Tecnologica
Bolsillos de datos de gran tamaño dentro de su organización: Usted ya debe tener bolsillos de datos de gran tamaño dentro de su organización, incluyendo ventas, producto, SKU, pedidos de clientes, y los números relacionados con otras actividades de ingresos y gastos.
Bolsillos de datos de gran tamaño fuera de su organización: Los datos externos incluyen feeds de Twitter, blogs y otros medios de comunicación basados en la web y los datos sobre empresas, tecnologías, ubicaciones geográficas, y otra información importante que puede estar surgiendo sobre una base diaria o pueden ser almacenados en bases de datos públicas.
Después de identificar focos de datos de gran tamaño, pregúntese si usted está recibiendo toda la información de los datos que es obtenible. En otras palabras, si usted puede contratar a 1.000 personas para analizar los datos, ¿sería capaz de obtener un beneficio significativo de la salida? Si su respuesta es sí, entonces su organización, sin duda podrían beneficiarse del uso de análisis.
En lugar de contratar a 1.000 personas, sin embargo, se puede utilizar la tecnología, que es significativamente más eficiente y eficaz y cuesta mucho menos. Si la respuesta es no, entonces los datos probablemente no se benefician de análisis porque ninguna cantidad de esfuerzo sería capaz de convertirlo en valor Intel.