Come funziona la business intelligence con i dati non strutturati? - dummies

Supponi di utilizzare un ambiente di data warehousing non strutturato e abilitato al multimedia per effettuare analisi comparative tra i servizi offerti dalla tua azienda (una banca) e le offerte corrispondenti della concorrenza.

Esegui alcuni rapporti di base e alcune query per verificare la quota di mercato, le prestazioni del portafoglio e altre misure. Oppure, per un'analisi più avanzata, si utilizza uno strumento OLAP di analisi aziendale per eseguire tutti i tipi di analisi drill-down sui dati nel tentativo di comprendere appieno le complessità delle prestazioni della propria azienda rispetto ai concorrenti.

A volte, tuttavia, non è possibile trovare le risposte nei numeri. Supponiamo di notare un improvviso aumento delle chiusure di account presso la tua banca negli ultimi due mesi. Cosa sta succedendo?

Tipi di dati non strutturati

Puoi comprendere la premessa della business intelligence nel termine stesso: cerca di ottenere il maggior numero di informazioni il più rapidamente possibile - dal maggior numero possibile di fonti, per aiutarti a capire cosa sta succedendo e agire consapevolmente. In base a questa ampia definizione, l'intelligence può facilmente includere i seguenti tipi di informazioni che non è possibile trovare (o accedere attraverso) a un data warehouse tradizionale:

• Un giornale locale di un concorrente che offre il controllo gratuito per un anno e un ulteriore 1,5% guadagnato sui depositi sul mercato monetario se un potenziale cliente mostra un estratto conto bancario che indica che lui o lei ha chiuso un conto presso la tua banca

• Un banner pubblicitario su Google che presenta la stessa offerta del tuo concorrente

• Un link a ciascun sito Web della concorrenza, in cui puoi analizzare i tipi di servizi bancari elettronici offerti

• Una trascrizione di un'intervista con un esperto economico regionale che afferma che la tua banca è un obiettivo primario di acquisizione e probabilmente non sarà in attività sotto il suo nome attuale nello stesso periodo dell'anno prossimo

In questo semplice esempio, poiché gli articoli si verificano localmente o regionalmente, si potrebbe credere che sia possibile accedere a tutte queste informazioni da un data warehouse abilitato per il multimedia. ("Un buon analista bancario probabilmente conosce tutte queste cose in ogni caso," giusto?)

Un esempio globale di data warehousing

Pensa comunque a questo esempio su scala globale. Ti stai chiedendo perché le vendite della tua azienda stanno scivolando in Svezia? Potrebbe essere necessario disporre di questi tipi di funzionalità di raccolta di informazioni in tempo reale per una situazione competitiva a livello globale.

Ad esempio, immagina un'azienda del settore chimico che desidera l'architettura per un ambiente di quasi-data warehouse ( quasi perché ha solo una singola fonte di dati ma una quantità enorme di informazioni storiche che devono essere portati nel nuovo sistema).

Circa l'80% delle informazioni storiche era su carta e il cliente stava considerando di inserire queste informazioni in un sistema di gestione dei documenti. Per motivi di budget, si occuperanno solo della conversione dei dati storici tradizionali (carattere, dati numerici e data) e della mappatura e trasformazione dei nuovi dati in arrivo. I documenti saranno gestiti in seguito.

Immagina un ambiente in cui puoi trattare tutti questi dati, che trattano lo stesso argomento, allo stesso modo. Se i dati sono su carta, è possibile scansionarli come un'immagine, indicizzarli per parole chiave e renderli accessibili attraverso lo stesso ambiente dei dati tradizionali. Aumentate enormemente la business intelligence del cliente dando loro accesso a queste informazioni.