بيانات صغيرة ، فرص كبيرة

ملخص تنفيذي

مقدمة

أصبحت البيانات والتحليلات سريعًا كلمات رنانة اليوم في عالم الأعمال. قد يتعرض المرء لضغوط شديدة لاختراق إحدى المجلات دون الإشارة إلى الشركات ذات التفكير التقدمي "باستخدام البيانات بذكاء" لاستنباط رؤى حول سلوك العملاء ، أو إجراء تحليلات للمخاطر ، أو إدارة بنيتها التحتية بشكل أكثر كفاءة. شاركت الشركات الكبيرة الغنية بالبيانات ، لا سيما تلك الشركات المتنوعة الخاضعة للتنظيم ، في اتخاذ القرارات القائمة على البيانات لسنوات ، ويتجلى ذلك على أفضل وجه في ريادة كابيتال ون لتحليلات البيانات لفهم عملائها بشكل أفضل - تُستخدم الرؤى لاحقًا لإطلاق شديدة الاستهداف وبشكل كبير حملات تسويقية مؤثرة أدت إلى نجاحها الجامح.

ولكن على الرغم من البدايات المتخصصة ، سرعان ما أصبح استخدام البيانات هو السائد. هناك عدد قليل من الأسباب الموثوقة اليوم لشركة معينة ، بغض النظر عن الحجم والقوى العاملة ، لعدم وجود تحليلات كعملية / قدرة أعمال أساسية. الاعتراضات التقليدية مثل التكلفة والموارد والخبرة لم تعد تقطع الخردل. على العكس من ذلك ، أصبحت البيانات المُنشأة داخليًا سريعًا أصلًا إستراتيجيًا في كل مكان يتم الاستفادة منه بالطريقة التي يمكن بها لأي شركة أخرى ، من خلال الشركات المنافسة التي تسعى إلى الحفاظ على قدرتها التنافسية.

تسعى هذه المقالة إلى تعريف قرائها على الفور بعالم البيانات والتحليلات ، وتوجيهك عبر ديناميكيات السوق والأدوات واللاعبين والحلول الفريدة لكليهما ، قبل تخصيص النصف الأخير لدليل تنفيذ عملي وإطار عمل للشركات الصغيرة.

دليل الشخص العادي لكل من البيانات الكبيرة والصغيرة

مع ظهور الإنترنت ومعها التجارة الإلكترونية ووسائل التواصل الاجتماعي وترابط الأجهزة ، جاء انفجار في حجم البيانات المتاحة عالميًا والقابلة للتحليل لأولئك الذين يمتلكون الأدوات اللازمة لتسخيرها. كل تغريدة ، منشور ، إعجاب ، تمرير لليسار ، تمرير لليمين ، نقر مزدوج ، مراجعة ، نص ، ومعاملة - كل منها عبارة عن بيانات يمكن استخدامها لرسم خريطة بصماتنا الرقمية التي تخبرنا كل شيء عن هويتنا ، وكيف نتخذ القرارات ، وأين ، ولماذا. هذه البيانات ، التي يطلق عليها بشكل مناسب "البيانات الضخمة" لاتساع وعمق وتعقيد شكلها ، فتحت بحرًا من الاحتمالات في التحليلات الوصفية والتنبؤية ، مما جعل التخصيص المفرط للعديد من المنتجات التي نستهلكها يوميًا أمرًا ممكنًا.

بشكل رسمي ، تصف البيانات الضخمة مجموعات البيانات الكبيرة التي يمكن تحليلها حسابيًا للكشف عن الأنماط والاتجاهات والارتباطات ، وغالبًا ما تكون مرتبطة بالسلوك البشري والتفاعلات. لكي توصف البيانات بأنها "كبيرة" ، يجب أن تكون المجموعة / البنك كبيرة جدًا بحيث تتطلب أساليب بيانات متقدمة وأنظمة معقدة لاستخراج القيمة منها.

في تقرير بحثي صدر عام 2001 ، صاغت مجموعة META (الآن جارتنر) البيانات الضخمة في ثلاثة أبعاد يطلق عليها ثلاثة مقابل البيانات. وهي كالتالي: الحجم (الكمية) ، السرعة (سرعة التوليد / النقل) ، والتنوع (نطاق النوع والمصدر). تم توسيع هذه القيم الثلاثة لاحقًا إلى Four Vs بواسطة IBM ، لتشمل صحة (جودة / سلامة) البيانات كأبعاد نهائية مطلوبة لالتقاط القيمة.

... ولكن من المحتمل أنك سمعت بالفعل عن البيانات الضخمة. البيانات الصغيرة ، من ناحية أخرى ، هي فئة فرعية من البيانات تعتبر متواضعة بما يكفي لجعلها سهلة الوصول ، وغنية بالمعلومات ، وقابلة للتنفيذ من قبل الناس ، دون الحاجة إلى أدوات تحليلية مفرطة التعقيد. أفضل ما يمكن تقليله من قبل المستشار السابق في McKinsey Allen Bonde ، "البيانات الضخمة تتعلق بالآلات ، بينما تتعلق البيانات الصغيرة بالناس" - على وجه التحديد ، الرؤى ذات المغزى المنظمة والمعبأة لاشتقاق الأسباب والأنماط والأسباب "لماذا" حول الناس.

التحليلات المستندة إلى SaaS

بالتوازي مع الارتفاع في كل من توافر البيانات وفائدتها ، ظهر ظهور صناعة تحليلات قائمة بذاتها. بمجرد أن أصبح البحث الحصري للإحصائيين على مستوى الماجستير والدكتوراه وعلماء البيانات والمحللين ، تطورت التحليلات إلى صناعة قوية وظيفيًا ولكن منخفضة التكلفة ، وبرامج الخدمة الذاتية كخدمة (SaaS) التي تمكن حتى أكثر المبتدئ من المستخدمين لاستخراج قيمة من بياناتهم. الشركات الأصغر التي كانت تفتقر في السابق إلى الخبرة أو الميزانيات المطلوبة لتنفيذ هذا النوع من التحليل تتنافس الآن على قدم المساواة مع نظيراتها ذات الموارد الأفضل وتؤسس حركات دفاعية في أسواقها.

بالإضافة إلى فوائد التكلفة لنموذج SaaS ، يوضح البحث الذي أجرته مجموعة Aberdeen Group ، وهي شركة أبحاث في مجال التكنولوجيا والخدمات ، أن المنظمات التي تتبنى أدوات SaaS لديها ضعف عدد الموظفين الذين يستخدمون البيانات بشكل غريزي لاتخاذ القرارات وتحقيق أهداف عائد الاستثمار بنسبة 40٪ أسرع من أولئك الذين لا يفعلون ذلك. بالنسبة لمعظم الشركات ، فإن تقارير التسويق عبر البريد الإلكتروني و Google Analytics وغيرها من أدوات التحليلات المستندة إلى الويب التابعة لجهات خارجية قيد الاستخدام النشط بالفعل ، بالإضافة إلى التقارير التي تم إنشاؤها داخليًا من أنظمة المحاسبة والتسويق وتخطيط موارد المؤسسات وإدارة علاقات العملاء وتستخدم كآلية أساسية لـ تسييل بياناتهم الصغيرة.

علاوة على ذلك ، وعلى الرغم من كونها سوقًا كبيرة ومتنامية قد يكون قياسها الدقيق أمرًا صعبًا ، إلا أن شركة IDC تقدر سوق أدوات تحليل المعلومات والتحليلات في جميع أنحاء العالم بنحو 14 مليار دولار أمريكي اعتبارًا من عام 2017 ، بمعدل نمو 11.7٪ على أساس سنوي ، مع Forrester Research ، وهي شركة أبحاث سوق عالمية ، وتتوقع معدل نمو سنوي مركب بنسبة 15٪ حتى عام 2021.

بيانات حصة السوق

مما لا يثير الدهشة ، أن سوق أدوات التحليل والحلول يهيمن عليه الحرس القديم لشركات البرمجيات - شركات مثل SAP و IBM و Oracle و Microsoft. اعتبارًا من عام 2015 ، قادت SAP السوق بحصة سوقية تبلغ 10٪ و 1.2 مليار دولار في عائدات منتجات التحليلات وذكاء الأعمال (BI) ؛ احتل معهد SAS المرتبة الثانية بحصة 9٪. واحتلت شركة IBM المرتبة الثالثة بنسبة 8٪ وأوراكل ومايكروسوفت في المركزين الرابع والخامس على التوالي بنسبة 7٪ و 5٪. ومن المثير للاهتمام ، أن الحصة السوقية لأكبر خمسة بائعين قد انخفضت بسبب النمو فوق السوق للشركات الناشئة المدعومة برأس مال مجازف مثل إستراتيجيات المشاعر ، تابلو ، وتيراداتا ، مما يشير إلى أن الكثير من النمو المستقبلي للصناعة سوف يتم إنشاؤه بواسطة شركات أصغر ، شركات أسرع وأكثر مرونة.

دليل تنفيذ تحليلات البيانات للشركات الصغيرة

على أعلى مستوى ممكن ، توفر الثقافة التي تتمحور حول البيانات للإدارة ثقة أكبر في قدرتها على اتخاذ أفضل القرارات الممكنة ، في كثير من الأحيان وبشكل متسق ، أثناء العمل من نفس نسخة الحقيقة - وهي نسخة شفافة وقابلة للقياس الكمي. بعد كل شيء ، جلس معظمنا في جلسات طرح فيها المدراء التنفيذيون المتحاربون / دافعوا عن حجج مختلفة من خلال الاعتماد على مصادر قصصية وأنماط وتفسيرات مختلفة ، مما أدى إلى التشكيك بسرعة في نزاهة المدخلات وبالتالي المخرجات. وبالتالي ، فإن القرار الأول الذي يجب أن تتخذه شركة صغيرة معينة تسعى إلى السير في طريق تحليلات البيانات هو ما إذا كانت الأعمال المذكورة تسعى حقًا إلى أن تصبح منظمة تعتمد على البيانات.

بمجرد اتخاذ هذا القرار من أعلى إلى أسفل ، يجب إنشاء إطار عمل لتحسين إمكانات وفائدة الأولوية الاستراتيجية الجديدة. للبدء ، يجب طرح عدة أسئلة. الأول ، ما هي الأهداف قصيرة وطويلة المدى للشركة أو المشروع أو المبادرة أو القسم؟ ثانيًا ، من يجب أن يكون مسؤولاً عن الجهد ونتائجه؟ ثالثًا ، ما هي المشكلات المحددة التي تسعى الشركة أو المشروع أو المبادرة أو القسم لحلها بالبيانات؟ ورابعًا ، ما هي الأدوات التي يجب استخدامها لدفع المبادرة؟

بمجرد الإجابة على هذه الأسئلة ، فإن الخطوة التالية هي صياغة خطة تنفيذ ملموسة والتي ، مع القليل من التخطيط ، والهيكل التنظيمي ، والاتجاه من أعلى إلى أسفل ، والحماس من الأسفل إلى الأعلى ، ستضع المنظمة في متناول اليد لتوليد حقيقية وقابلة للقياس نتائج أكثر اتساقًا مما كانت عليه في الماضي. تم تصميم الرسم البياني أدناه لتوفير إطار عمل للنظر في العناصر المختلفة لنهج بسيط لتحليل البيانات.

إلى سؤال الأهداف

هذا هو أول سؤال مهم يجب تصحيحه. على مستوى عالٍ ، فإن الهدف الأعلى لأي شركة تسعى إلى الاستفادة من بياناتها هو تطوير عملية منهجية لاتخاذ قرارات عمل سليمة - وهي عملية متسقة وقابلة للتكرار ، والتي تؤدي إلى نتائج أفضل بشكل يمكن قياسه. في هذا المنعطف ، من المهم أن نلاحظ أن أن تصبح منظمة سليمة قائمة على البيانات هي رحلة وليست وجهة ، وعلى هذا النحو ، فإن "الشراء" من الأعلى والإجماع من الأسفل هما خطوات أساسية مهمة ستثبت أهمية للتبني الشامل والأصول التحليلية المستخدمة بالكامل. بعد تحقيق عملية الشراء ، تتمثل الخطوة التالية التي تمت تجربتها واختبارها في الترتيب الاستراتيجي لبعض "المكاسب السريعة" لزيادة الإثارة والتفاعل اللازمين لتحقيق هذه العملية حتى تؤتي ثمارها. بناء الإجماع ، والمشاركة ، والمكاسب السريعة التي تم تحقيقها ، كل من البحث وخبراتي تملي نهج التنفيذ الذي يفترض الهيكل والتسلسل والاعتبارات التالية:

ابدأ بالتحليلات الوصفية - لوحة معلومات مرئية بسيطة تسلط الضوء على أداء الشركة باستخدام بيانات المعاملات الحالية لاستخلاص النتائج التي أثبتت سابقًا أنها غير حاسمة بدون بيانات قابلة للقياس الكمي. بعد ذلك ، قم بتطوير إمكانات التنقل داخل لوحة المعلومات الخاصة بك ، ومشاركة الأفكار ، وتعليمات الأداء ، وتعليمات المساعدة الذاتية بشكل استراتيجي ومع الزملاء / المؤثرين التنظيميين المناسبين. سيؤدي هذا إلى بدء كل من عملية النشر إلى مرؤوسيهم وثقافة الاعتماد على البيانات التي تسعى إلى تنميتها.

المرحلة الثانية: التخرج للحصول على قدرات تحليلات تنبؤية أكثر تعقيدًا ، إما باستخدام الموارد الفنية الداخلية أو بمساعدة موفري الطرف الثالث. تمزج هذه الإمكانات التنبؤية بين مصادر البيانات الداخلية والخارجية للإجابة بشكل أفضل على أسئلة عمل محددة مثل ، "ما هو احتمال أن يعيب العميل؟" ، أو "العملاء الذين يشترون x ، يشترون عادةً y أيضًا" ويقدمون نظرة ثاقبة على أداء الإدارات أو مبادرة معينة. تتضمن "مصادر البيانات الخارجية" في هذه الحالة بيانات الوسائط الاجتماعية أو بيانات فريق المبيعات أو بيانات تجربة المستخدم ، وكلها توفر مصادر غنية وذات أهمية إحصائية للرؤية الثاقبة ، حيث لا تزال البيانات الداخلية محدودة للغاية بحيث لا يمكن الاستفادة منها بمفردها.

تتمثل المرحلة الثالثة في الانتقال إلى التحليلات الوصفية المتقدمة التي تساعد في تحديد الإجراء المناسب لتوجيه / استباق سلوك المستهلك أو الشركة أو المنافس أو الموظف أو المورد على خلفية البيانات التاريخية. وتجدر الإشارة إلى أن هذه المرحلة تبدأ عادةً في تحديد الانتقال من البيانات الصغيرة إلى البيانات الكبيرة ؛ ومع ذلك ، فهي خطوة ضرورية يجب دمجها في عملية اتخاذ القرارات على مستوى شركتك لضمان أعلى مستويات نزاهة المدخلات والمخرجات والاتساق في صنع القرار.

عرض متعمق لمراحل مختلفة من التحليلات

التحليلات الوصفية - لوحات المعلومات

من البديهي أن ما يتم قياسه يُدار ، وبالتالي من خلال تطوير حقيقة واحدة محددة للبيانات ، يكون القادة داخل المنظمة أكثر قدرة على اتخاذ قرارات أكثر صحة وتوحيدًا. لوحات المعلومات هي نقطة البداية لمثل هذه الرحلات التحليلية ، والتوضيح المرئي للحقيقة الحتمية لبيانات الشركة. بالطبع ، قد يكون ما هو وثيق الصلة بمجموعة ما لا معنى له بالنسبة لمجموعة أخرى ، لذلك يجب إيلاء الاعتبار الواجب للغرض أو الموضوع الخاص بلوحة معلومات معينة ، وما هي المعلومات التي يجب تضمينها ، ومن هو جمهور المستقبل ذي الصلة لمحتواها ، وما هي السؤال / المشكلة هي أن المجموعة المذكورة تسعى للإجابة / الحل.

تعمل لوحات المعلومات المصممة جيدًا على توجيه عملية اتخاذ القرار بدلاً من مجرد تقديم المعلومات التاريخية ، والأفضل تركيزًا هو التركيز على الاتجاهات والأنماط المتكررة (الإيجابية والسلبية) مع توضيح العناصر الحيوية للعمل بدقة. توفر لوحات المعلومات الأكثر تطورًا إمكانيات للتنقيب تمكن القادة من الوصول إلى الأسباب الجذرية لمشكلة تم تشخيصها من خلال إمكانات التعليقات التوضيحية والمشاركة التي تتيح عرضًا أكثر ديناميكية في الوقت الفعلي.

التحليلات التنبؤية - مزج البيانات والاستكشاف والاستعلام

بمجرد اكتمال عملية لوحة المعلومات ، قد تبدأ المنظمة الطموحة التي تعتمد على البيانات في أن تصبح أكثر طموحًا. لهذا ، فإن الخطوة التالية النموذجية هي "استخدام البيانات الضخمة والمتنوعة لإجراء تحليل أكثر تقدمًا وتوفير بُعد إضافي لمجال القرار." من خلال مزج البيانات الخاصة بالشركة التي تم إثرائها بشكل أكبر مع تلك الخاصة بالأطراف الثالثة ، بدءًا من البائعين المعينين الرأسيين مثل Experian و Acxiom و D&B إلى وسائل التواصل الاجتماعي أو مزودي بيانات المبيعات مثل Facebook و Twitter و Salesforce ، قد تستكشف الشركة المعينة أكبر ، مجموعات أوسع وأكثر تنوعًا وذات دلالة إحصائية للحصول على رؤى جديدة وأفضل حول أداء الشركة وسلوك العملاء.

التحليلات الوصفية - نشر التحليلات في عمليات الأعمال

من المحتمل أن يكون لدى الشركات على مستوى المؤسسة التي لديها احتياجات مختلفة من حيث البيانات والعملاء واللوائح ومشكلات / قضايا العمل المحددة ومع ميزانيات مختلفة ومجموعات المهارات الداخلية بائعي التكنولوجيا الذين يعالجون احتياجاتهم الفريدة. إنهم يعملون على نطاق تصبح فيه القدرة على تشغيل التحليلات في عملياتهم التجارية وسير العمل أكثر أهمية واقتصادية. في كثير من الأحيان ، ستكون هذه الشركات في الصناعات الخاضعة للتنظيم حيث تحتاج إلى أن تكون قادرة على إثبات أن لديها معالجات عادلة وقابلة للتكرار.

لا يظهر المقرضون أي تحيز في سياسات الإقراض الخاصة بهم ، سواء كان ذلك بسبب الجنس أو الدخل أو العرق.

إلى مسألة المسؤولية

إن تحديد إجراء معين وشيء آخر لتنفيذه. يجب أن يكون هناك ارتباط بين التشخيص والوصفات الطبية والقرار والفرد / المجموعة المسؤولة عن النتيجة المرجوة. ومن هنا يصبح دور الراعي التنفيذي مهمًا.

في كل من الشركات الصغيرة والكبيرة ، قال الراعي التنفيذي - البطل المرشح لإثراء البيانات وكبير مسؤولي البيانات الفعلي - هو فرد ، عادة ما يكون الرئيس التنفيذي أو المدير المالي أو CMO في البداية ، غارق بالفعل في البيانات والتحليلات ، ومتوافق مع نوع من المشاكل يتم حلها بشكل أفضل عن طريق البيانات ، أو على الأقل مؤمن بالإمكانيات التحويلية لتحليلات البيانات.

بالإضافة إلى هذا البطل ، تتطلب العملية أيضًا عادةً بطلًا ثانويًا عمليًا أكثر ، لا سيما بمجرد أن تبدأ الشركة في الانتقال من التحليلات الوصفية إلى التحليلات التنبؤية. تقليديًا ، كان هذا الشخص عالِم بيانات داخليًا مدربًا تقنيًا ، لكنه اتخذ مؤخرًا شكل متحمس خبير في التكنولوجيا يُشار إليه غالبًا باسم عالم بيانات المواطن. عادة ما يختار هذا الفرد ذاتيًا — وهو لاعب في جداول البيانات يدعي نفسه بنفسه ويتمتع بالتوازن الصحيح بين الفضول الفكري والبراعة ، ولكنه على استعداد للعيش في أعشاب التطبيق. في كثير من الحالات ، يكون هذا الفرد متقدمًا على الإدارة في إدراك التأثير المحتمل الذي يمكن أن تخلقه عملية تحليل البيانات الرسمية في شركتهم ، ولكنهم ببساطة يفتقرون إلى الحالة أو المصداقية المطلوبة لبيع رؤيتهم.

إلى مسألة مشكلة العمل

كل شركة ناجحة أو فاشلة لديها مجموعتها الفريدة من التحديات التي لا يمكن معالجتها إلا من خلال مجموعة مناسبة من الموارد والعمليات والقدرات الخاصة بها. ومع ذلك ، يمكن في كثير من الأحيان تقليل أنواع تحديات الأعمال الأكثر ملاءمة لمعالجتها بواسطة البيانات ، وتصنيفها ، ومعالجتها باستخدام إطار العمل المحدد في الرسم البياني 7.

بالإضافة إلى ذلك ، تم وضع عدد قليل من المبادئ التوجيهية / المعلمات القصصية على مر السنين ، والتي تزيد من تحسين فرص ليس فقط تحديد الأنواع الصحيحة من المشاكل التي يجب معالجتها بالبيانات ، ولكن أيضًا فرص حلها بنجاح. هذه الإرشادات / المعلمات هي كما يلي: أولاً ، اختر أسئلة بسيطة وواضحة لها تأثير كبير ؛ ثانيًا ، في البحث عن إجابات من البيانات ، تهدف إلى التطبيق العملي للحل بدلاً من كمال إجابة أكاديمية ؛ ثالثًا ، ضع في اعتبارك طبيعة وقاعدة معارف جمهورك عند تقديم التشخيص والحل ؛ وأخيرًا ، حدد فقط المشكلات القابلة للقياس والقياس الكمي باستخدام البيانات والحلول الموجودة بالفعل والتي يمكن ، على قدم المساواة ، تتبعها.

إلى السؤال عن الأدوات والطرق الصحيحة

آخر أسئلة إطار العمل الأربعة الأصلية ، حيث يتعلق الأمر ببناء منظمة مستدامة قائمة على البيانات ، يتعلق باختيار الأدوات أو الأساليب أو الأنظمة الأساسية. لهذا ، سأذكر أولاً أن أدوات تحليل البيانات قد تطورت بشكل كبير في السنوات الأخيرة ، مع العديد من المزايا والعيوب لمستخدم الأعمال. يشمل المحترفون انخفاضًا كبيرًا في التكاليف المرتبطة بتأجير مثل هذه الأدوات وزيادة في قائمة الميزات وتعقيد الخيارات المتاحة حيث انتقلوا من الأدوات الخاصة بالوظائف إلى الأنظمة الأساسية للوظائف المتداخلة. علاوة على ذلك ، يقدم موردو SaaS تجارب مجانية ، وإن كان ذلك مع وجود قيود على الحجم ونوع البيانات ؛ يتم منح المستفيدين الجدد الفرصة لاتخاذ قرار شراء مستنير بعد اختبار منصات متعددة.

العيب الرئيسي لهذه المنصات هو أنه ، في محاولة للبقاء منافسين مع بعضهم البعض ، ابتكر البائعون بقوة نحو التعقيد بحيث تقترب عروضهم الآن من تشبع الميزات بعروض تتجاوز متوسط ​​فائدة مستخدمي الأعمال. والنتيجة المؤسفة هي إرباك المستخدم المبتدئ ، مما يجعل من الصعب تحقيق "المكاسب السريعة" التي تمت مناقشتها مسبقًا وبالتالي تقليل احتمالية ترسيخ ثقافة البيانات في شركة معينة.

لحسن الحظ ، هناك العديد من الموارد المتاحة لمساعدة المستخدمين المحتملين ، وتقييم ومقارنة حلول ذكاء الأعمال المنافسة ، على الرغم من أن بعض المعرفة بالقدرات الأساسية المشتركة مفيدة في تقييمها مقابل الاحتياجات والأولويات المحددة للشركة. تتضمن بعض هذه القدرات: عدد اتصالات البيانات ونطاقها ، وتوافر لوحات المعلومات المُجمَّعة مسبقًا ، والتنقيب ، وإمكانيات النشر والمشاركة ، والتكامل مع مزج البيانات وإمكانية برمجيات الاستكشاف ، وإمكانيات القياس (في كل من معلمات الحجم والمتنوعة) ، والعدد ودقة نهج النمذجة ، والقواعد المرجعية للعملاء لكل صناعة محددة. على الرغم من أنه من المسلم به أنه بسيط في ملخصه ، إلا أن الرسم البياني 7 أعلاه يحدد بعض البائعين الرئيسيين الذين يلعبون عبر فئات مختلفة (وصفية ، وتنبؤية ، وتعليمية).

بيانات صغيرة ، فرص كبيرة

على الرغم من بداياتها المتخصصة ، فمن الواضح أن تحليلات البيانات وسوق أدوات التحليلات المستندة إلى SaaS قد تطورت بشكل كبير في السنوات الأخيرة ، مما يعود بالفائدة على عالم البيانات المواطن وشركته. البيانات الضخمة ، والبيانات الصغيرة ، وأدوات الخدمة الذاتية - كل منها سائد الآن بما يكفي لتبرير اعتبارها كفاية أساسية حتى لأقل الأعمال تقنية. يُقال بشكل مختلف ، مع وجود الكثير من البيانات المفيدة والقابلة للتنفيذ التي يتم إنشاؤها وتكاليف أدوات الخدمة الذاتية التي تنتقل عكسًا إلى الميزات والقدرات المعروضة ، ستستمر بعض الأسباب حتى لا تبدأ الشركات الصغيرة في الاستفادة من البيانات في بعض القدرات.

يجب أن توضح هذه المقالة أنه ، مع القليل من التخطيط ، وتحديد الأهداف ، واختيار المستفيد ، حتى شركتك الناشئة يمكن أن تبدأ في تسوية ساحة اللعب التنافسية مع عمالقة الصناعة الذين شرعت في تعطيلهم ، في عملية إطلاق العنان لقيمة اقتصادية هائلة بالنسبة لك وأصحاب المصلحة الخاصين بك. ما عليك سوى البدء ؛ فهيا - ابدأ!