Дилер, закупивший продукцию Filum на сумму 10 000 руб., получает сертификат Ozon на 1 000 руб. в подарок. Для участия в маркетинговой программе необходимо ...
Уважаемые партнеры! Приглашаем вас принять участие в маркетинговой акции - закупайте в Merlion технику для кухни VITEK и Rondell (кофеварки, кофемашины, кофемолки) и ...
Уважаемые партнеры! Приглашаем вас принять участие в маркетинговой акции – закупайте в Merlion оперативную память и накопители SSD Patriot и получите бонус до 2,5% от ...
Уважаемые партнеры! Приглашаем вас принять участие в маркетинговой акции - закупайте в Merlion планшеты DIGMA и DIGMA PRO и получите бонус 15 000 руб. за каждые 500 000 руб. закупок ...
Уважаемые партнеры! Приглашаем вас принять участие в маркетинговой акции по сетевому оборудованию DIGMA. Период действия акции: с 1 ноября по 31 декабря 2024 г. За ...
Потребности в аналитике больших данных будут стремительно расти. По данным отраслевых исследований, в период до 2017 г. среднегодовые темпы роста этого рынка составят 27%, а его объем достигнет 32,4 млрд. долл. Однако активно инвестируя средства в аналитические инструменты и подготовку аналитиков, CIO и другие ИТ-лидеры не должны терять из виду свои конечные цели. Сбор огромных массивов больших данных вряд ли принесет пользу, если люди не будут знать, во что их транслировать и как извлекать из них информацию, или качество самих данных будет весьма сомнительным. Или если сотрудники не понимают роль не учитываемого ими контекста, либо игнорируют возможность предвзятых мнений при формировании заключений. Это примеры перечисляемых ниже восьми классических ошибок в аналитике больших данных, которые ... читать далее.
Фокус на технологиях вместо бизнеса. Увлекшись планированием инфраструктуры больших данных, CIO и другие ИТ-лидеры очень часто теряют из виду запросы бизнеса. Чтобы технология соответствовала ожидаемым результатам, надо тесно взаимодействовать с бизнесом.
Незнание целей поиска. На всех этапах надо точно понимать свою цель. Иначе ваша аналитическая группа заблудится в дебрях больших данных.
Пренебрежение контекстом. Все данные надо оценивать под углом контекста и релевантности. Иначе они не дадут никакой практической пользы.
Предвзятость. Предварительные гипотезы помогают эффективному анализу. Но они же нередко приводят к искаженным выводам.
Обманчивое качество данных. Чтобы обеспечить целостность данных, используйте средства для обработки неструктурированной информации, в частности, библиотеки для коррекции неправильного языка.
Самодеятельность в выборе источников данных. Чтобы не иметь порицаний от высокого начальства, выбор исследуемых данных должен быть одобрен кем-то из руководства.
Отсутствие экономического анализа. Каждый проект нуждается в индивидуальной оценке. Если слепо применять модель исходного примера ко всем последующим проектам, ваши экономические расчеты могут разойтись с реальностью.
Фокусирование на том, что уже случилось. Хотя важно разобраться, почему покупательское поведение или какой-либо тренд отразились в конкретной метрике, задача аналитики заключается в том, чтобы ответить на вопрос, что произойдет дальше.
