สำรวจประวัติศาสตร์ธุรกิจอัจฉริยะ

ข่าวกรองธุรกิจคืออะไร?

ข่าวกรองธุรกิจ (BI) ซึ่งเป็นคำศัพท์ที่เกี่ยวข้องกับเทคโนโลยีสารสนเทศในปัจจุบันมีการพัฒนามานานกว่า 150 ปี แม้ว่าต้นกำเนิดของมันจะเกิดขึ้นก่อนการประดิษฐ์คอมพิวเตอร์ แต่หลังจากที่มีการแพร่หลายอย่างแพร่หลายว่า BI มีความเกี่ยวข้องมากขึ้น และการพัฒนาต่อจากนี้ไปจับคู่กับวิวัฒนาการของคอมพิวเตอร์และฐานข้อมูล

BI ใช้ปากกาและกระดาษ

การใช้คำว่า "ข่าวกรองธุรกิจ" ครั้งแรกมีสาเหตุมาจากนายริชาร์ด มิลเลอร์ เดเวนส์อย่างกว้างขวางในหนังสือ Cyclopadia of Commercial and Business Anecdotes ซึ่งตีพิมพ์ครั้งแรกในปี พ.ศ. 2408 เขาใช้เพื่ออธิบายว่าเซอร์ เฮนรี่ เฟอร์เนเซ นายธนาคารที่ประสบความสำเร็จ ทำกำไรได้อย่างไร จากข้อมูลโดยการรวบรวมและดำเนินการอย่างแข็งขันก่อนการแข่งขัน สิ่งนี้ชี้ให้เห็นถึงความจริงที่ว่าการใช้ข้อมูลและหลักฐานเชิงประจักษ์มีความน่าเชื่อถือมากกว่าในการพัฒนากลยุทธ์ทางธุรกิจแทนที่จะใช้สัญชาตญาณอุทร แนวคิดนี้ได้รับการปรับปรุงเพิ่มเติมโดยผู้ที่เห็นคุณค่าในข้อมูล

ในช่วงทศวรรษสุดท้ายของปี ค.ศ. 1800 เฟรเดอริก เทย์เลอร์ได้แนะนำระบบการวิเคราะห์ธุรกิจที่เป็นทางการระบบแรกในสหรัฐอเมริกา ระบบการจัดการทางวิทยาศาสตร์ของเขาเริ่มต้นด้วยการศึกษาเวลาที่วิเคราะห์เทคนิคการผลิตและการเคลื่อนไหวของร่างกายของคนงานเพื่อค้นหาประสิทธิภาพที่มากขึ้นซึ่งช่วยกระตุ้นการผลิตในภาคอุตสาหกรรม

เทย์เลอร์ลงเอยด้วยการเป็นที่ปรึกษาให้กับเฮนรี่ ฟอร์ด ซึ่งในช่วงต้นทศวรรษ 1900 เริ่มวัดเวลาที่ส่วนประกอบแต่ละชิ้นของฟอร์ด โมเดล ที ใช้ในสายการผลิตของเขาจนเสร็จ งานและความสำเร็จของเขาได้ปฏิวัติอุตสาหกรรมการผลิตทั่วโลก เขายังคงใช้ปากกาและกระดาษเพื่อสิ่งนั้น

Business Intelligence ได้รับการส่งเสริมจากคอมพิวเตอร์

คอมพิวเตอร์อิเล็กทรอนิกส์เป็นตัวอ่อนในช่วงทศวรรษที่ 1930 แต่ได้รับการพัฒนาอย่างรวดเร็วในช่วงสงครามโลกครั้งที่ 2 ซึ่งเป็นส่วนหนึ่งของความพยายามของพันธมิตรในการถอดรหัสรหัสของเยอรมัน

จนถึงปี 1950 คอมพิวเตอร์ส่วนใหญ่อาศัยกระดาษเจาะรูหรือเทปเจาะรูเพื่อเก็บข้อมูล เหล่านี้เป็นกองการ์ดขนาดใหญ่ที่มีรูเล็กๆ อยู่ในนั้น ซึ่งจะเก็บข้อมูลที่คอมพิวเตอร์จะประมวลผล อย่างไรก็ตาม ในปี พ.ศ. 2499 ไอบีเอ็มได้คิดค้นฮาร์ดดิสก์ไดรฟ์ตัวแรก ทำให้สามารถจัดเก็บข้อมูลจำนวนมากได้โดยมีความยืดหยุ่นในการเข้าถึงมากขึ้น

ไม่นานหลังจากนั้น ในปี 1958 Hans Peter Luhn นักวิจัยของ IBM ได้ตีพิมพ์บทความประวัติศาสตร์ที่เรียกว่า A Business Intelligence System เขาตั้งทฤษฎีเกี่ยวกับศักยภาพของระบบสำหรับ "การเลือกเผยแพร่" เอกสารไปยัง "จุดดำเนินการ" ตาม "โปรไฟล์ความสนใจ" งานของเขามีความสำคัญอย่างน่าทึ่งมาจนถึงทุกวันนี้ นับตั้งแต่เขาคาดการณ์แนวโน้มของ Business Intelligence ต่างๆ ที่ล้ำสมัยในปัจจุบัน เช่น ความสามารถของระบบข้อมูลในการเรียนรู้และคาดการณ์ตามความสนใจของผู้ใช้ วันนี้เราเรียกว่าแมชชีนเลิร์นนิง ลู่ห์นเป็นที่รู้จักอย่างแพร่หลายว่าเป็นบิดาแห่งธุรกิจอัจฉริยะ

แม้ว่าแนวคิดที่ Luhn เสนอจะดึงดูดความสนใจของผู้มีส่วนได้ส่วนเสียหลายฝ่าย แต่ในขณะนั้นถือว่าแนวคิดนี้แพงเกินไปที่จะนำไปใช้จริง จำเป็นต้องมีความก้าวหน้าทางเทคโนโลยีมากขึ้นเพื่อให้เป็นโซลูชั่นที่คุ้มค่าทางเศรษฐกิจ

ในทศวรรษหน้า การใช้คอมพิวเตอร์ระเบิด แม้ว่าคอมพิวเตอร์แต่ละเครื่องจะเป็นเครื่องจักรขนาดมหึมาซึ่งครอบครองพื้นที่ทั้งหมดของอาคารและต้องได้รับการจัดการโดยวิศวกรที่มีทักษะสูงหลายคนเพื่อให้ทำงานได้อย่างถูกต้อง ผู้เชี่ยวชาญได้จัดการกับแนวคิดในการใช้คอมพิวเตอร์เพื่อดึงข้อสรุปจากข้อมูลอีกครั้ง แต่ปัญหาหลักคือไม่มีวิธีการแบบรวมศูนย์เพื่อรวบรวมข้อมูลทั้งหมดไว้ในที่เดียว โดยตัวมันเองไม่สามารถสร้างข้อมูลเชิงลึกใดๆ ได้ เพื่อแก้ปัญหานี้ ระบบการจัดการฐานข้อมูลแรกได้รับการออกแบบ ต่อมาเรียกง่ายๆ ว่าฐานข้อมูล รุ่นแรกนี้อนุญาตให้ค้นหาฐานข้อมูลแรก โดยใช้กลยุทธ์ของต้นไม้ไบนารี กลยุทธ์นี้แม้ว่าจะแก้ปัญหาได้หลายอย่างในขณะนั้น แต่ก็ถือว่าหนักเกินไปและไม่มีประสิทธิภาพในทุกวันนี้ อย่างไรก็ตาม สำหรับบริษัทที่สามารถจ่ายได้ เครื่องมือใหม่นี้ให้คุณค่าของมัน และถูกใช้เพื่อสร้างข้อสรุปจากข้อมูลที่มีอยู่ในที่สุด

ปรับปรุงเทคโนโลยี BI: ผู้เล่นรายใหญ่เข้าสู่สนาม

ในปี 1970 Edgar Codd จาก IBM ได้ตีพิมพ์บทความชื่อ A Relational Model of Data สำหรับ Large Shared Data Banks เป็นการปูทางสำหรับฐานข้อมูลเชิงสัมพันธ์ยุคหน้า ทำให้สามารถจัดเก็บและจัดการข้อมูลได้กว้างขึ้น อย่างไรก็ตาม ในการเคลื่อนไหวที่แปลก IBM ละเว้นจากการนำการออกแบบของ Codd ไปใช้เพื่อรักษารายได้สำหรับระบบฐานข้อมูลปัจจุบัน หลังจากที่คู่แข่งเริ่มดำเนินการแล้ว IBM ก็ปฏิบัติตาม

ถึงเวลานี้ มีตลาดเพียงพอสำหรับให้ผู้ให้บริการข่าวกรองธุรกิจรายแรกปรากฏขึ้น ในจำนวนนี้มี SAP, Siebel และ JD Edwards ในขณะนั้นเรียกว่าระบบสนับสนุนการตัดสินใจ (DSS)

ปัญหาใหญ่ ณ จุดนี้คือฐานข้อมูลเหล่านี้ประสบปัญหา "ไซโล" เนื่องจากเป็นมิติเดียว ความยืดหยุ่นในการใช้งานจึงมีจำกัด แม้แต่ปัญหาง่ายๆ เช่น เมืองที่มีการเข้ารหัสฐานข้อมูลอย่าง "OH, NJ และ NY" ในขณะที่ปัญหาอื่นที่ใช้ "โอไฮโอ นิวเจอร์ซีย์ และนิวยอร์ก" ทำให้การอ้างอิงโยงเป็นงานที่น่ากลัว

กระนั้น กรณีการใช้ข้อมูลเพื่อผลกำไรที่ประสบความสำเร็จก็เพิ่มมากขึ้นเรื่อยๆ หนึ่งในผู้มีชื่อเสียงที่สุดในขณะนั้นมาจากนีลเส็น ใช้สำหรับวัดผู้ชม เครื่องมือทางการตลาดที่เรียกว่า Nielsen Rating ใช้เพื่อวัดจำนวนผู้ที่ดูรายการทีวีหนึ่งๆ ในเวลาใดก็ได้ โดยใช้อุปกรณ์ที่เรียกว่า Audimeter ซึ่งเชื่อมต่อกับโทรทัศน์และบันทึกช่องใด กำลังถูกจับตามอง

การจัดอันดับของ Nielsen ถือเป็นรายงานการให้คะแนนระดับประเทศที่มีผู้ดูมากที่สุดในอุตสาหกรรมโทรทัศน์ อย่างไรก็ตาม สี่ครั้งต่อปีจะมี “สัปดาห์มืด”—สัปดาห์ที่ไม่มีการรายงานเรตติ้งของนีลเส็น เนื่องจากไม่มีวิธีที่มั่นใจในการวัดเรตติ้งใน “สัปดาห์มืด” เหล่านี้ เครือข่ายทีวีจึงเติมเต็มตารางด้วยการฉายซ้ำ

ทั้งอุตสาหกรรมและผู้ชมต่างคุ้นเคยกับ "สัปดาห์มืด" แต่จบลงในเดือนกันยายน พ.ศ. 2516 Nielsen ได้เปิดตัว Storage Instantaneous Audimeter (SIA) ซึ่งเชื่อมต่อ 1,200 ครัวเรือนโดยตรงกับคอมพิวเตอร์ธุรกิจของบริษัทในฟลอริดา สามารถสร้างเรตติ้งระดับประเทศได้ในเวลาเพียง 36 ชั่วโมง ซึ่งน้อยกว่าหนึ่งถึงสองสัปดาห์ที่ใช้ระบบเก่าของบริษัท การให้คะแนนระดับประเทศจะมีให้ทุกวันในสัปดาห์ ทุกสัปดาห์ของปี ไม่จำเป็นต้องมี "สัปดาห์มืด" อีกต่อไป และข้อมูลก็มีให้มากขึ้น

ในช่วงปลายยุค 70 แลร์รี เอลลิสันและเพื่อนอีกสองคนได้เปิดตัวฐานข้อมูล Oracle เวอร์ชันเชิงพาณิชย์เป็นครั้งแรก เป็นระบบการจัดการฐานข้อมูลเชิงสัมพันธ์ที่แท้จริงระบบแรกในตลาด โดยแทนที่แนวคิดที่ใช้จนถึงเวลานั้นของฐานข้อมูลแบบลำดับชั้นและฐานข้อมูลเครือข่ายเพื่อให้มีโครงสร้างที่แข็งแกร่งยิ่งขึ้น ซึ่งทำให้การค้นหามีความยืดหยุ่นมากขึ้น เทคโนโลยีนี้จะกำหนดประวัติศาสตร์และแนวโน้มของ BI ในทศวรรษหน้า

ความสำคัญของ BI Grows: เราต้องการพื้นที่เพิ่ม!

ราคาที่ต่ำกว่าสำหรับพื้นที่จัดเก็บและฐานข้อมูลที่ดีขึ้นทำให้สามารถใช้โซลูชัน Business Intelligence รุ่นต่อไปได้ Ralph Kimball และ Bill Inmon เสนอกลยุทธ์ที่แตกต่างกันสองแบบแต่คล้ายคลึงกันสำหรับปัญหาในการมีข้อมูลทั้งหมดของธุรกิจอยู่ในที่เดียวกันเพื่อให้สามารถวิเคราะห์ได้ เหล่านี้เป็นคลังข้อมูล (DW) Inmon ได้รับการยอมรับจากหลาย ๆ คนว่าเป็นบิดาแห่งคลังข้อมูล

คลังข้อมูลเป็นฐานข้อมูลที่ออกแบบมาเพื่อรวบรวมข้อมูลจำนวนมากจากแหล่งข้อมูลอื่น (ส่วนใหญ่เป็นฐานข้อมูลอื่น) ทำให้สามารถวิเคราะห์ได้ลึกซึ้งยิ่งขึ้นด้วยความสามารถในการอ้างอิงโยงแหล่งข้อมูลต่างๆ เหล่านี้ อย่างไรก็ตามมันยังคงเป็นเทคนิคและมีราคาแพงเกินไป รายงานที่จำเป็นในการเรียกใช้และดูแลโดยโฮสต์ของเจ้าหน้าที่ด้านเทคนิคไอทีราคาแพง

ผู้บริหารระดับสูงในขณะนั้นน่าจะอาศัยผลลัพธ์ของโซลูชัน BI เช่น Crystal Reports และ Microstrategy และแน่นอนว่ามี Microsoft Excel (เปิดตัวในปี 1985) ระบบธุรกิจอัจฉริยะได้กลายเป็นส่วนสำคัญของเครื่องมือที่มีให้สำหรับกระบวนการตัดสินใจ

ในปี 1989 Howard Dresdner แห่ง Gartner Group มีส่วนทำให้คำว่า "ข่าวกรองธุรกิจ" เป็นที่นิยม โดยใช้คำนี้เป็นคำที่ใช้อธิบาย "แนวคิดและวิธีการปรับปรุงการตัดสินใจทางธุรกิจโดยใช้ระบบสนับสนุนตามข้อเท็จจริง"

ข่าวกรองธุรกิจ 1.0

ในช่วงทศวรรษ 90 ต้นทุนคลังข้อมูลลดลงเนื่องจากมีคู่แข่งเข้ามาในตลาดมากขึ้นและผู้เชี่ยวชาญด้านไอทีคุ้นเคยกับเทคโนโลยีนี้มากขึ้น นี่คือช่วงเวลาของ “Business Intelligence 1.0”

ขณะนี้พนักงานขององค์กรสามารถเข้าถึงข้อมูลได้โดยทั่วไป ไม่ใช่แค่ผู้บริหารระดับสูงเท่านั้น อย่างไรก็ตาม ปัญหา ณ จุดนี้คือการถามคำถามใหม่ยังคงมีราคาแพงมาก เมื่อคำถามถูก "ออกแบบ" คำตอบจะพร้อมใช้งานอย่างรวดเร็ว แต่สำหรับคำถามนั้นเท่านั้น

เพื่อลดความพยายามนี้ เครื่องมือและ "หน่วยการสร้าง" ใหม่บางอย่างได้รับการพัฒนาเพื่อเพิ่มความเร็วในกระบวนการค้นหาต่างๆ:

• ETL (แยก แปลง และโหลด) เป็นชุดเครื่องมือที่คล้ายกับภาษาการเขียนโปรแกรม ซึ่งทำให้ออกแบบโฟลว์ของข้อมูลภายในคลังข้อมูลได้ง่ายขึ้น
• OLAP (การประมวลผลเชิงวิเคราะห์ออนไลน์) ช่วยสร้างตัวเลือกการแสดงภาพที่แตกต่างกันสำหรับข้อมูลที่สืบค้น ซึ่งช่วยให้นักวิเคราะห์สามารถดึงข้อสรุปที่ดีขึ้นจากข้อมูลในมือได้

จนถึงทุกวันนี้ เครื่องมือทั้ง ETL และ OLAP ยังคงเป็นส่วนสำคัญของโซลูชันระบบธุรกิจอัจฉริยะ

นี่เป็นช่วงเวลาที่ระบบการวางแผนทรัพยากรองค์กร (ERP) ได้รับความนิยม เหล่านี้เป็นแพลตฟอร์มซอฟต์แวร์การจัดการขนาดใหญ่ที่รวมแอปพลิเคชันต่างๆ เพื่อจัดการและทำให้แง่มุมต่างๆ ของธุรกิจเป็นไปโดยอัตโนมัติ พวกเขายังให้ข้อมูลที่มีโครงสร้างสำหรับคลังข้อมูล และในปีต่อๆ ไปก็จะกลายเป็นหัวใจของบริษัทใหญ่ๆ ทุกแห่งในโลก

ในปี 1995 Microsoft ได้เปิดตัว Windows 95 ซึ่งเป็นระบบปฏิบัติการระบบแรกที่ "เป็นมิตรกับผู้ใช้" และคอมพิวเตอร์ก็กลายเป็นของใช้ในครัวเรือนทั่วไป สิ่งนี้จะมีผลกระทบอย่างลึกซึ้งต่อวิธีที่ผู้คนผลิตและใช้ข้อมูลในทศวรรษต่อ ๆ ไป

BI Disrupted: ข้อมูลระเบิดในสหัสวรรษใหม่

ภายในปี พ.ศ. 2543 โซลูชัน Business Intelligence ได้รับการจัดตั้งขึ้นเป็น "สิ่งที่ต้องมี" สำหรับธุรกิจขนาดกลางถึงขนาดใหญ่ทั้งหมด ปัจจุบันถือเป็นข้อกำหนดในการแข่งขัน

จากมุมมองของผู้ให้บริการโซลูชัน โซลูชันจำนวนมากเริ่มมารวมตัวกันในมือของคู่แข่งรายใหญ่ไม่กี่ราย เช่น IBM, Microsoft, SAP และ Oracle

มีแนวคิดใหม่ๆ เกิดขึ้นในช่วงเวลานี้ ความยากลำบากในการทำให้คลังข้อมูลของตนเป็นปัจจุบัน ทำให้บางบริษัทคิดใหม่แนวทางของตน โดยเปลี่ยน DW ให้เป็น "แหล่งความจริงแห่งเดียว" สำหรับข้อมูลที่มีอยู่แล้ว โปรแกรมอื่นๆ จะใช้ข้อมูลที่ได้รับจาก DW แทนการใช้ข้อมูลของตัวเอง ซึ่งจะช่วยขจัดปัญหาความไม่ลงรอยกันของข้อมูลส่วนใหญ่ พูดง่ายกว่าทำจริง ทำให้มีความท้าทายทางเทคนิคมากมาย อย่างไรก็ตาม แนวคิดนี้มีประโยชน์มากจนในปีต่อๆ มา โซลูชันที่มีอยู่ในตลาดจะปรับให้เข้ากับกลยุทธ์นี้

เมื่อข้อมูลมีมากขึ้นเรื่อยๆ และเครื่องมือ BI ได้พิสูจน์ให้เห็นถึงประโยชน์ของมัน ความพยายามในการพัฒนามุ่งไปที่การเพิ่มความเร็วที่ข้อมูลจะพร้อมใช้งาน และลดความซับซ้อนในการเข้าถึงข้อมูล เครื่องมือใช้งานง่ายขึ้น และผู้ที่ไม่ใช่ด้านเทคนิคสามารถรวบรวมข้อมูลและรับข้อมูลเชิงลึกได้ด้วยตนเอง โดยไม่ต้องได้รับความช่วยเหลือจากฝ่ายสนับสนุนด้านเทคนิค

ในช่วงต้นทศวรรษ 2000 ความเฟื่องฟูของแพลตฟอร์มเครือข่ายสังคมออนไลน์ได้ปูทางให้ความคิดเห็นของประชาชนทั่วไปสามารถหาอ่านได้ฟรีบนอินเทอร์เน็ต และผู้มีส่วนได้ส่วนเสียสามารถรวบรวม (หรือ "ของฉัน") ข้อมูลและวิเคราะห์ได้ ภายในปี 2548 การเชื่อมต่อระหว่างกันที่เพิ่มขึ้นของโลกธุรกิจหมายความว่าบริษัทต่างๆ ต้องการข้อมูลแบบเรียลไทม์ ซึ่งสามารถรวมข้อมูลจากเหตุการณ์ต่างๆ ไว้ในคลังข้อมูลได้เหมือนที่เกิดขึ้นตามเวลาจริง

ปีนี้เป็นปีที่มีการเปิดตัว Google Analytics ซึ่งช่วยให้ผู้ใช้สามารถวิเคราะห์ข้อมูลเว็บไซต์ของตนได้ฟรี ปีนี้เป็นปีที่มีการใช้ ข้อมูลขนาดใหญ่ เป็นครั้งแรก Roger Magoulas จาก O'Reilly Media ใช้เพื่ออ้างถึง “ชุดข้อมูลขนาดใหญ่ที่แทบจะเป็นไปไม่ได้เลยที่จะจัดการและประมวลผลโดยใช้เครื่องมือข่าวกรองธุรกิจแบบดั้งเดิม”

เพื่อรับมือกับพื้นที่จัดเก็บเพิ่มเติมและพลังการประมวลผลที่จำเป็นในการจัดการปริมาณข้อมูลที่เพิ่มขึ้นอย่างทวีคูณนี้ บริษัทต่างๆ จึงเริ่มค้นหาโซลูชันอื่นๆ การสร้างคอมพิวเตอร์ที่ใหญ่ขึ้นและเร็วขึ้นนั้นเป็นไปไม่ได้ ดังนั้นการใช้หลายเครื่องพร้อมกันจึงเป็นทางเลือกที่ดีกว่า นี่คือเมล็ดพันธุ์ของการ ประมวลผลแบบคลาวด์

การใช้BI .ร่วมสมัย

ในช่วง 10 ปีที่ผ่านมา บิ๊กดาต้า คลาวด์คอมพิวติ้ง และวิทยาศาสตร์ข้อมูลกลายเป็นคำศัพท์ที่แทบทุกคนรู้จัก ในเวลานี้เป็นเรื่องยากที่จะยอมรับว่าความก้าวหน้าใหม่ๆ ใดที่ส่งผลกระทบมากที่สุดในช่วงหลายปีที่ผ่านมา อย่างไรก็ตาม มีบางกรณีที่น่าสนใจที่แสดงให้เห็นถึงพลังที่เพิ่มขึ้นของเครื่องมือวิเคราะห์ที่ทันสมัย

การโฆษณา คุกกี้ และ AdTech

ในปี 2012 The New York Times ได้ตีพิมพ์บทความที่อธิบายว่า Target บังเอิญค้นพบการตั้งครรภ์ของวัยรุ่นมัธยมปลายก่อนพ่อแม่ของพวกเขาได้อย่างไร จากการวิเคราะห์ พวกเขาระบุผลิตภัณฑ์ 25 รายการซึ่งเมื่อซื้อร่วมกันระบุว่าผู้หญิงมีแนวโน้มตั้งครรภ์ คุณค่าของข้อมูลนี้คือ Target สามารถส่งคูปองให้กับหญิงตั้งครรภ์ได้ในช่วงเวลาที่พฤติกรรมการซื้อของของผู้หญิงอาจเปลี่ยนไป

พ่อที่โกรธจัดเดินเข้าไปใน Target นอกเมือง Minneapolis และต้องการพบผู้จัดการ เขาบ่นว่าลูกสาวของเธอได้รับคูปองสำหรับเสื้อผ้าเด็ก แม้ว่าเธอจะยังเรียนอยู่มัธยมปลายก็ตาม ผู้จัดการขอโทษอย่างสุดซึ้งในชื่อบริษัท แต่ไม่กี่วันต่อมาพ่อก็โทรกลับมาขอโทษ: “ปรากฎว่ามีกิจกรรมบางอย่างในบ้านของฉันที่ฉันไม่รู้มาก่อน เธอครบกำหนดในเดือนสิงหาคม ฉันต้องขอโทษคุณด้วย”

ตัวอย่างเล็ก ๆ น้อย ๆ นี้แสดงให้เห็นถึงพลังร่วมสมัยของการวิเคราะห์ข้อมูล

การเมือง

กลยุทธ์การหาเสียงเลือกตั้งใหม่ของโอบามาสร้างขึ้นจากการวิเคราะห์อย่างมาก ผู้เชี่ยวชาญหลายคนชี้ว่าเป็นสาเหตุหลักประการหนึ่งของความสำเร็จ กลยุทธ์นี้ออกแบบโดยผู้จัดการแคมเปญ จิม เมสซีนา มุ่งเน้นไปที่การรวบรวมข้อมูลเกี่ยวกับผู้มีสิทธิเลือกตั้ง และใช้ข้อมูลดังกล่าวเพื่อให้แน่ใจว่าพวกเขาจะ 1) ลงทะเบียนเพื่อลงคะแนนเสียง 2) ชักชวนให้ลงคะแนนให้โอบามา และ 3) เข้าร่วมลงคะแนนในวันเลือกตั้ง นักวิเคราะห์ข้อมูลประมาณ 100 คนใช้ความพยายามส่วนหนึ่ง โดยใช้สภาพแวดล้อมที่ทำงานบน HP Vertica และเข้ารหัสใน R และ Stata

มีการริเริ่มหลายอย่างเพื่อให้บรรลุเป้าหมายเหล่านั้น หนึ่งในนั้นคือ Airwolf สร้างขึ้นเพื่อบูรณาการภาคสนามและความพยายามของทีมดิจิทัล ทำให้มั่นใจได้ว่าเมื่อทีมภาคสนามติดต่อผู้ลงคะแนนในการรณรงค์ตามบ้าน ความสนใจของพวกเขาจะถูกบันทึกไว้ เพื่อให้พวกเขาได้รับอีเมลบ่อยครั้งจากผู้จัดงานในท้องถิ่นที่ได้รับการปรับแต่งมาโดยเฉพาะ กับประเด็นแคมเปญที่ชื่นชอบของแต่ละคน

ด้วยเครื่องมือและข้อมูลที่เหมาะสม นักวิเคราะห์สามารถตอบคำถามเกือบทุกข้อได้อย่างรวดเร็วและง่ายดาย ไม่ว่าข้อมูลเดิมจะมาจากไหนก็ตาม ความสำเร็จของแคมเปญ Obama ทำให้สภาพแวดล้อมการวิเคราะห์ข้อมูลขนาดใหญ่เป็นข้อกำหนดมาตรฐานสำหรับทุกแคมเปญตั้งแต่นั้นมา

ศาสตร์

โครงการจีโนมมนุษย์เสร็จสมบูรณ์ในปี 2546 แต่ยังคงทิ้งคำถามมากมายที่ยังไม่ได้คำตอบ แม้ว่าจะทำแผนที่ลำดับคู่เบสของนิวคลีโอไทด์ทั้งหมดที่ประกอบขึ้นเป็น DNA ของมนุษย์ แต่ความเข้าใจอย่างแท้จริงว่าพันธุศาสตร์ของมนุษย์ทำงานอย่างไรนั้นจำเป็นต้องมีการศึกษาอย่างละเอียดถี่ถ้วนมากขึ้น และเป็นแอปพลิเคชันที่สมบูรณ์แบบสำหรับข้อมูลขนาดใหญ่ จีโนมมนุษย์โดยทั่วไปมียีนมากกว่า 20,000 ยีน โดยแต่ละยีนประกอบด้วยคู่เบสหลายล้านคู่ การทำแผนที่จีโนมเพียงอย่างเดียวนั้นต้องการข้อมูลหลายร้อยกิกะไบต์ และการจัดลำดับจีโนมหลายตัวและการติดตามการโต้ตอบของยีนก็ทวีคูณจำนวนนั้นหลายครั้ง ในบางกรณีอาจมีหลายร้อยเพตาไบต์

ด้วยการใช้การวิเคราะห์ในการศึกษาที่ตีพิมพ์ในปี 2559 นักวิทยาศาสตร์ที่มหาวิทยาลัยไฮฟาสามารถสังเกตสิ่งที่เรียกว่า "ลักษณะทางสังคม" ของยีนได้ สิ่งที่นักวิทยาศาสตร์ต้องการทราบมานานแล้วคือการทำงานภายในของผลกระทบทางพันธุกรรมที่ซับซ้อนซึ่งมีส่วนร่วมในการสร้างโรคที่ซับซ้อน เป้าหมายนี้เป็นเรื่องยากโดยเฉพาะอย่างยิ่งเนื่องจากการแสดงออกทางพันธุกรรมของโรคบางชนิดมักมาจากการรวมกันของเครื่องหมายทางพันธุกรรมหลายตัวที่มีปฏิสัมพันธ์ซึ่งกันและกัน ดังนั้น ไม่เพียงแต่นักวิจัยจะต้องรวบรวมลำดับพันธุกรรมทั้งหมด แต่ยังต้องติดตามปฏิสัมพันธ์ระหว่างยีนต่างๆ หลายตัวด้วย

แม้ว่าจะมีข้อมูลจำนวนมากที่ต้องวิเคราะห์ แต่ก็มีการปูทางไว้เพื่อทำความเข้าใจและแก้ไขข้อบกพร่องทางพันธุกรรมจำนวนมาก ไม่ว่าจะมากหรือน้อย

ถนนข้างหน้า

ตอนนี้เรามาถึงช่วงเวลาที่ Facebook สามารถจดจำใบหน้าของคุณในรูปภาพ ซึ่ง Google สามารถคาดเดาได้ว่าโฆษณาประเภทใดที่เหมาะกับโปรไฟล์ของคุณมากที่สุด โดยที่ Netflix สามารถให้คำแนะนำว่าควรดูรายการใด เป็นเวลาที่คุณสามารถพูดคุยกับโทรศัพท์ของคุณ ไม่ใช่แค่กับใครบางคนที่อยู่อีกฟากหนึ่งของสายโทรศัพท์ ความสามารถในการจัดการและประมวลผลข้อมูลจำนวนมหาศาลเป็นขั้นตอนพื้นฐานในการทำความเข้าใจว่าสิ่งมหัศจรรย์เหล่านี้เกิดขึ้นได้อย่างไร

ข้อมูลขนาดใหญ่ยังคงมีแนวโน้มเติบโต ข้อมูลที่มีอยู่ประมาณ 90% ถูกสร้างขึ้นในช่วงสองปีที่ผ่านมา ในการประชุม Techonomy ในปี 2010 Eric Schmidt กล่าวว่า "มีข้อมูลจำนวน 5 เอ็กซาไบต์ที่สร้างขึ้นโดยคนทั้งโลกในช่วงรุ่งอรุณของอารยธรรมถึงปี 2546 ขณะนี้มีการสร้างจำนวนเท่ากันทุกสองวัน"

การจัดการข้อมูลจำนวนมหาศาลยังคงมีความท้าทายมากมาย คุณภาพของข้อมูล ซึ่งเป็นหนึ่งในปัญหาแรกและเก่าแก่ที่สุดของ Business Intelligence ยังคงเป็นประเด็นที่มีความต้องการสูง การวิเคราะห์ชุดทักษะที่จำเป็นช่วยให้เข้าใจถึงกองข้อมูลที่สูงตระหง่านของ บริษัท ข้อมูลที่กำลังรวบรวมอยู่นั้นเป็นที่ต้องการสูงเช่นกัน ขณะนี้มีการวิเคราะห์หลายรูปแบบ: การวิเคราะห์เชิงพรรณนา การวิเคราะห์เชิงคาดการณ์ การวิเคราะห์เชิงกำหนด การวิเคราะห์การสตรีม การวิเคราะห์อัตโนมัติ ฯลฯ Analytics ใช้เทคโนโลยีล้ำสมัยหลายอย่างในการดึงข้อมูลเชิงลึกจากข้อมูล เช่น ปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง และสถิติจำนวนมาก โมเดล ในที่สุดก็ถึงเวลาที่การเป็นนักคณิตศาสตร์จะเจ๋ง

เครื่องมือ BI มักได้รับการออกแบบโดยคำนึงถึงอุตสาหกรรมเฉพาะ ไม่ว่าจะเป็นด้านการดูแลสุขภาพ การบังคับใช้กฎหมาย ฯลฯ ปัจจุบันนี้ทำงานบนอุปกรณ์หลายเครื่องและใช้เครื่องมือการแสดงภาพหลายอย่าง ทำให้ทุกคนสามารถใช้เหตุผลกับข้อมูลผ่านอินเทอร์เฟซภาพแบบโต้ตอบได้ BI บนมือถือเป็นจริงแล้ว

การรวมจุดแข็งของข้อมูลขนาดใหญ่ แมชชีนเลิร์นนิง และการวิเคราะห์เข้าด้วยกัน ชีวิตของคุณอาจแตกต่างกันมากในอนาคต บางทีคุณอาจไม่ต้องไปที่ร้านขายของชำอีกต่อไป เพราะตู้เย็นของคุณจะสั่งอาหารที่คุณต้องการมากที่สุดโดยพิจารณาจากนิสัยการกินของคุณ เป็นไปได้ที่คุณจะไม่โทรหาหมอเพื่อบอกว่าคุณป่วย เพราะพวกเขาจะโทรหาคุณก่อนที่คุณจะเริ่มรู้สึกถึงอาการแรกเสียด้วยซ้ำ

มนุษยชาติอยู่ในยุคข้อมูลข่าวสาร และระบบธุรกิจอัจฉริยะเป็นคุณลักษณะที่สำคัญในยุคของเรา ซึ่งช่วยให้เราเข้าใจทุกอย่าง การวิเคราะห์ธุรกิจตอนนี้ยังเป็นหลักสูตรระดับปริญญาที่มหาวิทยาลัยหลายแห่ง ประวัติของ Business Intelligence นั้นค่อนข้างเร็ว แต่มีการเร่งรัดและหนาแน่นขึ้นทุกวัน วันที่ดีที่สุดของ BI ยังรออยู่ข้างหน้าเรา